#多模态

今天跟几个朋友天津聚会撸串。 酒过三巡，聊出一个特别棒的产品方向。 用AI帮助创作者生成多模态内容，适配平台调性，RPA自动发布。 喝酒的技术大拿朋友刚好还写过十多个平台的同步发布，估计很快就能搞个demo出来。 我估计最快下周就能出个内测版。

OpenAI气数已尽，Altman不干实事 看今天发的GPT-4.1，我感觉OpenAI大概率气数已尽了。高端打不过Gemini和Claude，nano估计也打不过Gemini Flash（看得分就不如4o-mini），只敢跟两年前的4o比，但还不能替换4o，因为不是多模态的。 明显看出来OpenAI是手里没什么牌了，捉襟见肘，就算明后天再发个o4出来可能也无济于事，因为大概率会超贵导致其实没

多模态跨尺度生物医学成像设施通过国家验收

刚刚 Google 的开源模型 Gemma 3 发布了！ 几个关键点： - 这次放出了pt（预训练，Pre-Training）和 it （指令微调，Instruction Tuning）版本，默认用it即可。pt更多是给大家用来微调用的基座模型 - Gemma-3 是多模态的，可以处理图片输入 - 大小分别是1B，4B，12B，27B - 支持 128K 上下文 - MMLU-Pro 评分，Ge

GPT-4.5 的多模态还是挺强的

牛，Mistral刚刚发布了号称地表最强OCR，给文档理解设立了新标准！ Mistral OCR具备强大认知能力，能准确理解文档中包括文本、图像、表格、公式等在内的每个元素 特点： 1、原生多语言和多模态，支持数千种文字、字体以及语言 2、能准确理解复杂的文档元素，包括图像、数学公式、表格以及 LaTeX 格式等，尤其擅长处理包含图表、图形、公式和插图的科学论文等富文档 3、在多个文档分析

模型即产品（The Model is the Product） 作者：Alexander Doria 过去几年，人们一直在讨论下一个AI发展周期可能是什么：智能体（Agents）？推理系统（Reasoners）？还是彻底的多模态？ 现在是时候下结论了：下一个周期，就是“模型本身即产品”。 目前，无论是科研界还是产业界的变化，都在推动这种转型： • 通用模型扩展遇到了瓶颈。OpenAI发布GP

据CNBC报道，受DeepSeek等竞争对手的冲击，百度计划在今年下半年发布下一代AI模型文心一言5.0。消息人士透露，文心一言5.0“在多模态能力方面有重大增强”。

卧槽！！！DeepSeek 又直接发大招了！整上多模态大一统开源模型 Janus-Pro 系列了！！！卧槽了！！！ 上一个开源多模态统一模型还是Emu3（10月21号左右），我发的测试原帖在： 模型（7B）： 模型（1B）： 等我过年期间写好JanusPro的插件和当时Emu3的插件一起发！