多模态
日前多家国产大模型在多模态基准上刷新成绩，视觉推理、图表问答、长视频理解成为评测新焦点，DeepSeek等开源力量也在推动多模态能力下放与成本下降。
多模态
近日国内多模态大模型密集迭代，豆包强化实时视频交互，通义千问深耕文档与图表理解，智谱、Kimi跟进长视频与图像推理，多模态正从演示走向生产力工具。
多模态
近日国产多模态创作工具密集更新，视频生成向更长时长与更强一致性演进，图像编辑走向指令化与精细化，创作者工作流正被重新定义。
多模态
近日多家中国大模型厂商密集迭代多模态能力，从图像理解延伸到GUI智能体操作，豆包、千问、Kimi、智谱清言各有侧重，多模态正从演示走向生产力工具。
多模态
多模态大模型正从图像识别走向任务执行，与Agent、工具调用深度结合。办公、教育、工业等场景加速落地，AI开始“看懂”界面并直接完成任务。
多模态
近日多家国产大模型密集升级多模态能力，从图像理解到视频分析全面发力。视觉理解正成为大模型厂商争夺的新焦点，也推动AI应用场景加速落地。
多模态
近日多家国产大模型强化长视频与实时视频理解，从内容摘要走向事件定位和跨片段推理，推理成本与延迟成为差异化关键。
多模态
近日多家国产大模型在多模态方向密集迭代，从图像理解延伸到语音实时对话与视频解析，端到端全模态交互成为新的竞争焦点。
多模态
豆包视觉理解模型近日大幅降价，图像理解推理成本进入厘级区间，配合火山引擎在电商、教育场景的批量落地，多模态能力正从演示走向日常调用。
多模态
通义千问与智谱GLM-4V近日在智能体方向加速，图像理解开始与工具调用、GUI操作结合，工业质检与自动化办公成为多模态落地的新战场。
