腾讯微信视觉团队开源多模态嵌入模型WeMM-Embedding，支持文本、图像等多模态输入，提供2B、4B、9B三个版本以适应不同部署需求，采用统一技术架构与训练策略，旨在为AI开发者提供支撑，推动垂直领域创新应用。
Black Forest Labs发布FLUX3多模态基础模型，采用统一架构联合学习图像、视频和音频。基于Self-Flow自监督流匹配框架，在FLUX系列基础上扩展多模态生成与理解。支持文生视频、图生视频，单次生成最长20秒视频并原生输出同步音频，性能全面超越前代。
黑森林实验室发布多模态模型Flux3，基于Self-Flow架构并集成图像、视频、音频、动作编解码器，实现物理与数字世界的统一理解与生成。其亮点是首次支持原生音频生成，一次输出20秒音视频同步片段，能力涵盖文本、图像、视频转视频等。
德国黑森林实验室发布多模态基础模型Flux3，基于Self-Flow架构及专用图像、视频、音频、动作编解码器，实现物理与数字环境的统一理解与生成。性能碾压Luma、Runway，首次原生支持音频生成，可一次性输出20秒音视频同步片段，并具备文本/图像/视频转视频、关键帧转场和多语言对话等功能。
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
-
Anthropic
$105
$525
200
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
Baidu
128
$6
$24
$2
$20
$8
$240
52
ByteDance-Seed
SAIL是一个专为视觉与语言设计的单一Transformer模型，作为统一的多模态大语言模型（MLLM），它在单一架构中无缝集成了原始像素编码和语言解码功能。
Athagi
Janus-Pro 是一种新颖的自回归框架，统一了多模态理解和生成。它通过解耦视觉编码路径，使用单一的统一 Transformer 架构处理多模态任务。
deepseek-ai
Janus-Pro 是一种新颖的自回归框架，统一了多模态理解与生成能力。通过解耦视觉编码路径，使用单一 Transformer 架构处理多模态任务。
Janus-Pro 是一种创新的自回归框架，统一了多模态理解与生成功能。通过解耦视觉编码路径，采用单一Transformer架构处理，解决了视觉编码器在理解与生成角色间的冲突。
%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)
Join Now
