第32届全国大豆科研生产研讨会上,王晓波团队发布大豆垂直大模型“丰菽”2.0。该版本实现多模态数据深度融合,系统整合大豆专业资料,构建更完善的结构化数据体系,为大豆产业数字化转型按下“加速键”。
据7月24日报道,腾讯于7月23日宣布将混元多模态模型部门与大语言模型部门合并,组建基础模型部,由首席AI科学家姚顺雨统率。此举旨在提升研发与协同效率,全力冲刺全模态模型的智能上限。整合早有伏笔,去年12月姚顺雨已接管大语言模型团队,如今双边归一,意味着腾讯集中资源推动多模态与语言深度融合,加速构建新一代统一基础模型,向全模态智能更高峰迈进。
Soul在WAIC2026上发布AI硬件B Soul,展示实时多模态交互与情绪感知应用。CTO陶明表示,公司已从社交App进化为聚焦情绪感知、交互技术和AI模型融合的生态型公司,坚持自研交互大模型路线,区别于通用大模型。
大模型与算力快速突破,但企业AI落地价值未达预期,业界焦点正从模型转向数据。OceanBase发布湖库一体AI数据库,融合数据湖海量存储、数据库事务分析及多模态处理,构建强一致数据底座,为AI Agent提供高效支撑。
多模态大型语言模型,融合视觉与语言理解。
多模态语言模型,融合文本和语音
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
NexaAI
Qwen3-VL-4B-Instruct是阿里云Qwen团队推出的40亿参数指令调优多模态大语言模型,专为高通NPU优化,融合强大的视觉语言理解能力与对话微调功能,适用于聊天推理、文档分析和视觉对话等实际应用场景。
jobs-git
SkyReels V2是全球首个采用扩散强制框架的无限长度电影生成模型,融合多模态大语言模型、多阶段预训练、强化学习与扩散强制技术实现全面优化。
NVEagle
Eagle是一个以视觉为中心的高分辨率多模态大语言模型家族,通过融合多种视觉编码器和不同输入分辨率,增强了多模态大语言模型的感知能力。
zongzhuofan
MoVA-8B是一个开源的多模态大语言模型,采用从粗到细的机制,自适应地路由和融合特定任务的视觉专家模块,可用于多模态模型和聊天机器人的研究。
declare-lab
Mustango是一个专为可控音乐生成而设计的全新多模态大语言模型,融合了潜在扩散模型(LDM)、Flan-T5和音乐特征来实现高质量的文本到音乐生成。
photonmz
BabyDoctor是一个多模态大语言模型,融合了CLiP和LLaMA 2的能力,能够理解和生成文本,同时理解图像。该模型经过微调,专门用于解读X光、超声波、核磁共振和CT扫描等放射学图像。