Gemini-2.0夺冠！全球首个几何推理专项评测出炉，淘天集团出品
Gemini-2.0夺冠！全球首个几何推理专项评测出炉，淘天集团出品多模态大模型几何解题哪家强？
来自主题: AI技术研报
8806 点击 2025-04-28 17:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态大模型几何解题哪家强？
昆仑万维Skywork-R1V 2.0版本，开源了！这一次，它的多模态推理实现了再进化，成为最强高考数理解题利器，直接就是985水平。而团队也大方公开了各项技术秘籍，亮点满满。可以说，R1V 2.0已成为团队AGI之路上的又一里程碑。
最近终于有时间来测试一下最新版的据说超级强的可灵2.0，想着来都来了不如顺便就把Veo 2也一起测了。前几天可灵2.0在北京有发布会，我没有去，主要是比较忙，最主要是可灵也没邀请我，不过还好，Veo 2也没邀请我，让我可以非常好地保持住自己的客观。
“史上最强视觉生成模型”，现在属于快手。一基双子的可灵AI基础模型——文/图生图的可图、文/图生视频的可灵，都重磅升级到2.0版本。可图2.0，对比MidJourney 7.0，胜负比「(good+same) / (same+bad)」超300%，对比FLUX超过150%；
在 Sora 之前，就已经受到全世界用户的认可的生成式视频工具是什么？——可灵 AI。无需折腾剪辑软件，几分钟，就能拿到自然如实拍，画面质感如电影的动态视频。
由 Founders Fund 支持的旧金山初创公司 Cognition AI 于 2024 年初发布 Devin。
商汤最新升级的日日新SenseNova V6解锁的新能力—— 原生多模态通用大模型，采用6000亿参数MoE架构，实现文本、图像和视频的原生融合。从性能评测来看，SenseNova V6已经在纯文本任务和多模态任务中，多项指标均已超越GPT-4.5、Gemini 2.0 Pro，并全面超越DeepSeek V3：
统一多模态大模型（U-MLLMs）逐渐成为研究热点，近期GPT-4o，Gemini-2.0-flash都展现出了非凡的理解和生成能力，而且还能实现跨模态输入输出，比如图像+文本输入，生成图像或文本。
近一年以来，AI 视频生成技术发展迅猛。自 2024 年初 Sora 问世后，大家惊喜地发现：原来 AI 可以生成如此逼真的视频，一时间各大高校实验室、互联网巨头 AI Lab 以及创业公司纷纷入局视频生成领域。
如今，美国AI社区许多人已公认：接下来几个月，中国将会出现一波开源AI模型的浪潮！很多业内人士和大V干脆陷入了「冷战2.0」恐慌，呼吁要开放无限的能源、无限的算力和更简单的立法。LeCun则表示，DeepSeek击败美国，其实不过是中国内部竞争的副产品而已。