欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

模态 字节 插件 模态模型 manus母公司 2025-05-15 00:37  12

阶跃星辰创始人、CEO姜大昕向钛媒体AGI等透露，预计未来两、三个月（7-8月），阶跃星辰会发布满血版推理模型Step R1。同时，未来几个月，阶跃星辰还将发布更先进的Step图片编辑模型。

模型 模态 星辰 钛媒体 模态模型 2025-05-08 16:28  3

金融界 2025 年 4 月 26 日消息，国家知识产权局信息显示，福建紫讯信息科技有限公司申请一项名为“一种基于 AI 生成个性化口播的方法、装置、设备和介质”的专利，公开号 CN119864031A，申请日期为 2024 年 12 月。

模态 福建 专利 个性化 模态模型 2025-04-26 10:13  6

目前我们见到的很多多模态大模型应用是「组合式」的：其中集成了数个单独预训练的组件，例如将视觉编码器连接到 LLM 上并继续进行多模态训练；而在谷歌 Gemin 2.0 推出之后，原生多模态模型（NMM）被认为是正确的方向。

模型 模态 模态模型 模型scalinglaws nmm 2025-04-12 18:09  5

实验表明，RFT 对特定任务的提升具有很高的数据效率。通过对样本有限的时空感知目标进行多任务 RFT，他们开发出了视频 MLLM——VideoChat-R1，其在不牺牲聊天能力的前提下，在时空感知任务上实现了 SOTA，同时展现了时空推理能力。与 Qwen2.

模态 论文 模态模型 laws scalinglaws 2025-04-12 13:41  5

人工智能（AI）近年来取得了令人瞩目的进展，尤其是大语言模型（LLM，Large Language Model）的崛起，使其成为科技竞赛的核心领域。然而，对于外行而言，理解AI的发展往往伴随着误解与夸大。本文将从外行的视角分析大语言模型的本质、应用前景、技术瓶

模型 模态 llm 视角 模态模型 2025-03-28 01:08  8

格隆汇3月27日｜阿里巴巴(BABA.US)涨超2%，报134.91美元。消息面上，北京时间周四凌晨，阿里巴巴发布通义千问系列的最新旗舰模型Qwen2.5-Omni。这款端到端多模态模型专为广泛的多模态感知设计，能够处理文本、图像、音频和视频等多种输入，同时能

模型 模态 模态模型 阿里巴巴 端到端 2025-03-27 21:50  9

消息面上，北京时间周四凌晨，阿里巴巴发布通义千问系列的最新旗舰模型Qwen2.5-Omni。这款端到端多模态模型专为广泛的多模态感知设计，能够处理文本、图像、音频和视频等多种输入，同时能够通过生成文本和合成语音提供实时流式响应。模型性能方面，Qwen2.5-O

模型 模态 音频 模态模型 阿里巴巴 2025-03-27 18:58  8

具身智能与大模型频频被提及，但具身智能 = 机器人 + 大模型吗？本文摘自北京邮电大学人工智能学院副教授陈光（@爱可可-爱生活）的新书《走进具身智能》，作者很明确地表示，大模型虽然是实现具身智能的重要工具，但并不是其全部。当前，包括英伟达、智源、智元等多家机构

模型 模态 智能 模态模型 人机交互 2025-03-27 14:42  9

OpenAI的全模态模型没来，谷歌的全模态图像生成器倒是抢先上线了！Gemini 2.0 Flash中上线的原生图像生成功能，动动嘴就能PS，还能轻松制作海报和表情包，动漫和漫画圈已经沸腾了。

模型 gemini 谷歌 模态 模态模型 2025-03-13 15:33  9

R1-Omni能够更清楚地理解视觉和听觉信息如何促进情绪识别，能够明确展示哪些模态信息对特定情绪的判断起到了关键作用。与SFT（传统监督微调）相比，RLVR显著提高了情绪识别任务的性能，在同分布测试集（DFEW和MAFW）上，R1-Omni相较于原始基线模型平

模型 模态 推理 开源 模态模型 2025-03-12 16:01  10

昨天还看到有人拉踩 deepseek v3 的时候说 deepseekv3 缺少多模态能力，除夕 deepseek 就发了 Janus-Pro， 一个7B 的多模态模型，可以进行多模态理解和生成。

模型 模态 模态模型 2025-02-06 20:51  15

DeepSeek深夜再放大招，将其在AI相关基准测试中击败了包括Open AI在内多个统一的多模态大语言模型的7B参数人人可用的视觉多模态模型Janus-Pro-7B开源。据官方介绍JanusFlow引入了一种极简架构，它将一种最先进的生成模型方法相集成。

模态 模态模型 deepseek深夜 2025-01-29 00:10  15

这一全模态模型不仅能同时支持文本、图像、音视频全模态理解，还支持文本、音频双模态生成。与此同时，百川还开源了两个评测集，助力国内全模态模型研发生态蓬勃发展。

模型 模态 模态模型 2025-01-26 15:23  13

距离国产大模型做考研数学题“过线”刚过两个月，月之暗面在春节前一周，又扔出了一个分量十足的“王炸”——这一次，他们拿出了能媲美Open AI 满血版 o1（Full Version，而非 preview）的K1.5多模态模型，在文字和视觉两大领域实现了“超英赶

模态 模态模型 openaio1 2025-01-22 17:46  13

春节前最后一周，能媲美 Open AI 满血版 o1（Full Version，而非 preview）的模型终于出现了！刚刚，月之暗面公布了他们的 Kimi k 系列模型最新版本 ——k1.5 多模态思考模型。新模型在数学、代码、多模态推理能力等方面全面对标

模型 模态 模态模型 2025-01-21 03:12  14

随着人工智能（AI）技术的快速发展，一个长期存在的挑战愈发凸显：如何在模型规模、效率和性能之间找到平衡。传统上，模型越大，性能往往越强，但这也意味着对计算资源的要求更高，使得AI技术在广泛应用时面临障碍，尤其对于缺乏高端计算设备的组织和个人来说更是如此。而多模

模态 模态模型 轻量级 2025-01-10 09:58  18

在 2024 年的 NeurIPS 会议上，Ilya Sutskever 提出了一系列关于人工智能发展的挑战性观点，尤其集中于 Scaling Law 的观点：「现有的预训练方法将会结束」，这不仅是一次技术的自然演进，也可能标志着对当前「大力出奇迹」方法的根本

模态 模态模型 openbayes 2025-01-03 11:34  14

在 2024 年的 NeurIPS 会议上，Ilya Sutskever 提出了一系列关于人工智能发展的挑战性观点，尤其集中于 Scaling Law 的观点：「现有的预训练方法将会结束」，这不仅是一次技术的自然演进，也可能标志着对当前「大力出奇迹」方法的根本

模型 模态 模态模型 2025-01-02 10:18  14

近日，智源研究院发布并解读国内外100余个开源和商业闭源的语言、视觉语言、文生图、文生视频、语音语言大模型综合及专项评测结果。

模型 模态 模态模型 2024-12-20 15:36  14