字节跳动旗下火山引擎发布豆包大模型家族首款全模态理解模型Doubao-Seed-2.0-lite，实现视频、图像、音频与文本的原生统一理解，突破单一模态限制。该模型在视觉与逻辑推理能力上表现突出，尤其在物理、医疗等高阶学科复杂推理测试中性能大幅超越现有水平，标志着多模态交互领域的关键进展。
Speechify发布原生Windows客户端，从文本转语音工具升级为全栈语音助手。应用集成三类本地AI模型，支持跨应用实时听写与文档转录，对标Superwhisper等竞品。为保障响应速度与隐私，在Copilot+ PC等高性能设备上支持完全本地化运行，用户无需上传音频至云端，即可利用本地NPU或GPU驱动的Whisper模型。
通义实验室发布多模态大模型Qwen3.5-Omni，实现理解力、交互感和任务执行力的跨越式进化，推动AI从“屏幕助手”迈向“理解物理世界的智能体”。该模型采用原生“全模态”架构，能无缝处理文本、图像、音频和视频输入，在音视频分析、推理、对话及翻译测试中表现卓越。
谷歌推出原生多模态嵌入模型Gemini Embedding2，支持文本、图像、视频、音频和文档，统一映射到向量空间，实现跨媒体深度理解。与生成式模型不同，它专注于“理解”，将数据转化为向量，帮助系统识别语义关系。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
Baidu
128
$6
$24
Bytedance
$1.2
$3.6
4
NexaAI
OmniNeural是全球首个专门为神经处理单元（NPU）设计的全多模态模型，能够原生理解文本、图像和音频，可在PC、移动设备、汽车、物联网和机器人等多种设备上运行。
Menlo
Ichigo-llama3s系列模型是由Homebrew Research开发的多模态语言模型，原生支持音频和文本输入理解。该模型基于Llama-3架构，通过WhisperVQ作为音频文件标记器进行训练，提升了音频理解能力。
homebrewltd
基于Llama-3架构的多模态语言模型，原生支持音频与文本输入理解，专注于提升大语言模型对音频的理解能力。
Ichigo-llama3s系列模型原生支持音频和文本输入理解，基于Llama-3架构，使用WhisperVQ作为音频文件的tokenizer。
Llama3-S系列模型是由Homebrew Research开发的多模态语言模型，原生支持音频与文本输入理解，基于Llama-3架构扩展了语音理解能力。
sarvamai
Shuka v1 是一款原生支持印度语言音频理解的语言模型，结合自主研发的音频编码器和Llama3-8B-Instruct解码器，支持多语言零样本问答任务。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
