Meta提出基于多模态感知的AI面部表情生成技术，通过分析用户身体动作、语音等多维度信息，在虚拟互动中实现自然生动的表情生成，克服了传统方案依赖昂贵硬件或仅同步音频的局限，尤其适用于用户活动复杂、面部遮挡或仅通过身体传达信息的场景。
百度发布文心5.0全模态大模型，参数达2.4万亿，具备强大语言理解与生成能力。其采用全模态统一建模技术，可同时处理文本、图像、音频和视频，实现多类型数据的融合优化，标志着AI领域的重要进展。
快手旗下可灵AI在2026年初实现爆发式增长，月活跃用户突破1200万，App付费用户环比激增350%。增长主要得益于产品快速迭代，包括2025年底发布的多模态视频模型O1和“音画同出”功能，以及2026年1月推出的“动作控制”新功能，用户可通过图片和动作参考生成视频。
苹果推出多模态模型Manzano，通过创新的“双修”架构，解决了AI领域长期存在的视觉理解与图像生成难以兼顾的难题。
LTX-2 是代多模态 AI 视频生成模型。
统一的多模态AI，支持基于指令的图像编辑与生成，超越商业模型。
一个强大的统一多模态模型，支持文本到图像生成及图像编辑。
Magma-8B 是微软推出的一款多模态 AI 模型，能够处理图像和文本输入并生成文本输出。
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
Baidu
128
$2
$20
$6
$24
unsloth
Qwen3-VL-2B-Instruct是Qwen系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持以及强大的空间和视频动态理解能力。该模型采用2B参数规模，支持指令交互，适用于多模态AI应用。
Cosmos-Reason1是NVIDIA开发的物理人工智能模型，具备理解物理常识的能力，能通过长链思维推理生成具身决策。该模型支持多模态输入（文本+视频/图像），输出为文本，适用于机器人、自动驾驶等物理AI领域。
Undi95
Llama 4 Maverick 是 Meta 发布的多模态 AI 模型，支持文本与图像理解，采用混合专家架构（MoE），在多语言文本和代码生成任务中表现优异。
microsoft
Magma是一个多模态AI智能体基础模型，能够处理图像和文本输入并生成文本输出，具备虚拟与现实环境中的复杂交互能力。
Salesforce
xGen-MM是Salesforce AI Research开发的最新基础大型多模态模型系列，基于BLIP系列改进，具有强大的图像理解和文本生成能力。
unum-cloud
UForm是一款轻量级多模态AI模型，支持图像和文本的多语言理解与生成。该模型可将21种语言映射到共享向量空间，生成高达256维的嵌入向量，具有高效的参数共享架构和跨平台兼容性。
UForm是一款小巧的多模态AI模型，可将视觉和英文文本映射到共享向量空间，支持内容理解与生成。该模型采用轻量级设计，文本编码器为4层BERT，视觉编码器为ViT-S/16，可生成256维嵌入向量。
MCPollinations是一个基于Model Context Protocol（MCP）的多模态AI服务，支持通过Pollinations API生成图像、文本和音频。它提供无需认证的轻量级服务，兼容多种AI模型，并支持图像保存和Base64编码返回。
%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)
