OpenAI即将推出的GPT Image 2.5模型被曝可生成高度逼真的图像,甚至能伪造GPT-6发布会截图和奥特曼推文,文字与面孔均无明显破绽。

MiniMax H3 正式开源,可理解文本、图像、视频、音频等多模态输入,生成最长 15 秒、最高 2K 分辨率视频。

在2026世界人工智能大会上,商汤科技正式推出SenseNova U1 Pro,定位为面向长程任务的交付级原生多模态智能体基座,攻克了AI图像生成中反复“抽卡”的痛点,标志着多模态AI从单点生成迈入系统级交付新阶段。

Google 为 Vids 引入个性化 AI 数字分身,用户只需上传自拍和录音即可生成“自己”出镜的视频。同时,Gemini Omni 多模态模型加持,支持图文混合提示、逐步编辑等功能,让视频创作更智能、更便捷。

MiniMax M3在编程、长上下文和原生多模态上形成组合能力,被视为国产开源大模型的一次重要升级。

Agent应用升温后,大模型竞争不再只看跑分,真实任务完成效率、低延迟、多模态和端侧落地正成为新的关键指标。

月之暗面、DeepSeek等头部大模型公司密集传出融资消息,国产AI赛道正从技术比拼进入估值、商业化与生态能力的综合竞争。

Google I/O 2026展示Gemini Omni后,AI行业的关注点开始从编程能力扩展到全模态生成与智能体应用。

Thinking Machines Lab推出TML-Interaction-Small,强调实时多模态协作、0.4秒响应与主动视觉能力,试图改变当前AI对话模式。

DeepSeek 正在灰度测试“识图模式”,用户可上传图片让 AI 描述,标志着其正式具备多模态识别能力,不再局限于文字处理。