手机是这个问题的标准解法，但它有个悖论：为了记录生活，你必须先打断生活。掏出手机、解锁、打开相机、对焦、按下快门——这个流程本身就是对「当下」的破坏。 所以，当一个名叫 Looki L1 的 AI 硬件出现在我们面前时，我们的目标非常明确：验证它能否解决这个悖论。
鲨疯了！一周连发六款模型。火力全开的昆仑万维，正在把多模态AI卷到新高度。8月11日~15日，这家公司天天都有新模型掉落，覆盖的还都是视频生成、世界模型、统一多模态、智能体以及AI音乐创作这些大热门，几乎每一个都是多模态AI应用的核心场景。
据 AI 科技评论报道，前阿里通义实验室视觉负责人薄列峰已正式加盟腾讯混元大模型团队，直接向腾讯副总裁、混元项目负责人蒋杰汇报，主要负责多模态方向的技术攻坚。早在今年4月30日，薄列峰从阿里离职，外界曾一度传出他将赴美加入某大型科技公司，统筹多模态AI研发。如今尘埃落定，他最终选择落脚深圳，加入国内多模态竞争最激烈的战场之一。
交易成了！OpenAI前CTO初创拿到了20亿种子轮融资，成立5个月公司估值冲到120亿美元。未来几个月，这个汇聚OpenAI顶尖大佬团队，将发布首个多模态AI产品，还会开源部分组件。
GPT-4o引爆全球「吉卜力风格」风潮后，其核心成员——华南理工学霸Lu Liu与伯克利博士Allan Jabri——双双跳槽Meta，两人曾在OpenAI主导多模态AI研究，与奥特曼同台展示关键功能。此次挖角再次凸显OpenAI内部动荡后的人才流失危机。
AI大牛梅涛坐镇，全新多模态AI问世！
复旦大学和美团的研究者们提出了UniToken——一种创新的统一视觉编码方案，在一个框架内兼顾了图文理解与图像生成任务，并在多个权威评测中取得了领先的性能表现。
评估多模态AI模型的那些复杂测试，可能有一半都是“重复劳动”！
微软研究院官宣开源多模态AI——Magma模型。首个能在所处环境中理解多模态输入并将其与实际情况相联系的基础模型。
嘿，各位开发小伙伴，今天要给大家安利一个全新的开源项目 ——VLM-R1！它将 DeepSeek 的 R1 方法从纯文本领域成功迁移到了视觉语言领域，这意味着打开了对于多模态领域的想象空间！
