自回归+扩散！Salesforce开源统一多模态模型BLIP3-o，图像理解与生成全拿下
自回归+扩散！Salesforce开源统一多模态模型BLIP3-o，图像理解与生成全拿下OpenAI 的 GPT-4o 在图像理解、生成和编辑任务上展现了顶级性能。流行的架构猜想是：
来自主题: AI技术研报
10084 点击 2025-05-23 11:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
OpenAI 的 GPT-4o 在图像理解、生成和编辑任务上展现了顶级性能。流行的架构猜想是：
Mistral沉默好久，果然在憋大招。
全世界最大的电脑展之一——COMPUTEX台北电脑展正式拉开了序幕。 COMPUTEX大会自创办以来已有43年历史，是亚洲最大、全球第二的ICT产业盛会，本届展会以“AI Next”为主题，汇聚全球超2000家科技巨头与创新企业，不仅拥有着琳琅满目的参展品牌和产品，更重要的是，那些全球顶级的上游厂商、存储厂商和PC厂商们都会在这里公布全新一代产品。
当OpenAI、谷歌还在用Sora等AI模型「拍视频」，英伟达直接用视频生成模型让机器人「做梦」学习！新方法DreamGen不仅让机器人掌握从未见过的新动作，还能泛化至完全陌生的环境。利用新方法合成数据直接暴涨333倍。机器人终于「做梦成真」了！
今年，Google算是打了个翻身仗。
Veo 3实测来袭：从会说话的松饼到电影质感的短片，一句提示词就能打造电影质感短片，还能音画同步，好莱坞真的要慌了？DeepMind首席技术官更在访谈中透露，Deep Think模式像多线程大脑般并行推理，而AGI的竞赛早已超越单纯「堆算力」。
5月23-24日AICon上海站，聚焦Agent、多模态、端侧智能、Data for AI 等 50+ 热点话题，涉及 20+ AI 应用案例，兼具实操价值与未来洞见。
京东探索研究院关于大模型的最新研究，登上了Nature旗下期刊！
今夜，谷歌彻底杀疯！2小时发布会，Gemini提及95次点亮全场。Gemini 2.5家族全系升级，Pro深度思考模型正刷榜。全新Imagen 4生成细节超逼真，Veo 3首次实现音视频融合。
手绘草图一键变身专业游戏形象：