字节跳动Seed团队推出Seedream5.0Lite智能图像创作模型，核心突破在于采用“多模态统一架构”，实现了从执行指令到深度理解创作意图的跨越。新模型强调逻辑理解与视觉推理能力，定位为更聪明专业的“视觉创意伙伴”。
字节跳动Seed团队发布新一代视频创作模型Seedance2.0，采用统一的多模态音视频联合生成架构，推动AI视频生成从“单点突破”迈向“全能协作”的工业级应用阶段。相比1.5版本，新模型在复杂交互与运动场景下的可用率显著提升，通过出色的物理还原能力，攻克了双人花滑、多人竞技等高难度动作生成难题。
百度发布文心大模型5.0正式版，拥有2.4万亿参数，实现从多模态融合到“原生全模态”的跨越。其采用原生全模态统一建模技术，在统一架构中对文本、图像、视频和音频进行联合训练，区别于行业常见的“后期合成”方案。
商汤科技与南洋理工大学S-Lab联合发布开源多模态模型NEO，通过架构创新实现视觉语言深层统一。该模型仅需3.9亿图像文本数据（为同类模型1/10），即可达到顶尖视觉感知性能，无需海量数据或额外视觉编码器，在效率与通用性上取得突破。
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
$2
$20
Baidu
128
$6
$24
$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)
