阿里巴巴通义实验室与中国科学技术大学联合开源Fun-CineForge项目,针对影视配音中口型同步、音色迁移和情感表达等难题,提供端到端生产流水线和大模型解决方案,旨在解决传统AI配音口型不匹配、情感生硬及难以适应复杂场景的问题。
国地中心与纬钛机器人联合发布全球首个大规模跨本体视触觉多模态数据集“白虎-VTouch”,旨在解决机器人精细化操作中触觉感知的难题,填补了该领域数据空白,为全球开发者提供了重要资源。
2025光明科学城论坛在深圳举行,聚焦智能算力与大模型智能体。鹏城实验室等机构发布四项重要成果:鹏城脑海2.1开源多模态模型及配套数据集与工具链;国产万卡推理引擎FenixCOS首次亮相,支持大规模并行与高效切换;气象智能体“阿福”接入鹏城云脑Ⅲ,将服务第十五届全国运动会。
北京人形机器人创新中心推出革命性视觉感知系统"Humanoid Occupancy",突破人形机器人环境理解瓶颈。该系统采用语义占用表征技术,实现三维空间精细化建模,支持多模态传感器数据融合,解决了传统感知系统在复杂环境中的局限性。团队构建了大规模全景占用感知数据集,为行业提供宝贵资源。这项技术将推动人形机器人在家庭服务、工业制造等领域的应用,标志着感知技术进入新阶段。
大规模多模态预训练数据集
大规模多模态医学数据集
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
$1
$10
256
$2
$20
$8
$240
52
Bytedance
$1.2
$3.6
4
OpenMMReasoner
OpenMMReasoner是一个完全透明的两阶段多模态推理方案,涵盖有监督微调(SFT)和强化学习(RL)。该方案通过精心构建高质量数据集,在多个多模态推理基准测试中超越了强大的基线模型,为未来大规模多模态推理研究奠定了坚实的实证基础。
CausalLM
迷你G是一个基于大规模合成数据集训练的多模态模型,支持文本和图像输入,拥有1M标记的上下文窗口。