商汤科技发布新一代轻量化多模智能体模型SenseNova6.7-Lite，专为满足真实世界流需求设计。该模型采用生多模架构，能直接理解复杂布局、文档结构和财务图表，实现“看、想、做”一体化，提升数据分析、深度调研和PPT生成等任务成功率。技术上，它取消视觉转中间层，以更小参数量实现智能体能力跨越式提升。
智谱发布多模态基座模型GLM-5V-Turbo，专为视觉编程设计。该模型不仅能写代码，还能理解图像、视频、设计稿和文档版面，实现视觉与编程能力的深度融合，将AI Agent的感知范围从文字扩展到视觉界面。
谷歌推出原生多模态嵌入模型Gemini Embedding2，支持文本、图像、视频、音频和文档，统一映射到向量空间，实现跨媒体深度理解。与生成式模型不同，它专注于“理解”，将数据转化为向量，帮助系统识别语义关系。
微软正式推出GPT-5.2模型，作为免费升级版本与现有GPT-5.1共存。该模型具备更强的深度逻辑推理能力，能快速处理电子表格、代码编写与审查、长文档理解等任务，并在复杂工具调用和图像分析方面表现突出，标志着Copilot进入智能增强新阶段。
AI 知识管理工具，上传文档深度理解，生成多种形式输出。
开源的基于深度文档理解的RAG（检索增强生成）引擎
Google
$0.49
Input tokens/M
$2.1
Output tokens/M
1k
Context Length
Xai
$1.4
$3.5
2k
Openai
$7.7
$30.8
200
Anthropic
$105
$525
Alibaba
$1
$10
256
$2
$20
-
$3.9
$15.2
64
Bytedance
$0.8
Moonshot
$4
$16
$0.15
$1.5
128
Baidu
32
Tencent
$8
$1.6
$0.4
%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)
