过去几年，多模态模型在理解任务上快速演进，图像问答、OCR、视觉推理、跨模态对话等能力不断提升；与此同时，图像生成模型也在视觉质量、指令遵循和细节表达上持续突破。下一步一个自然的问题是：能否用同一个模型，同时做好理解与生成？这正是统一多模态模型（Unified Multimodal Models, UMMs）正在回答的问题。
一家企业花了七周时间部署 AI：第 1 周精准回答行业分析问题，团队欢呼；第 3 周反复回答相同的错误结论，因为它“忘了”上周的修正；第 5 周在董事会汇报中引用了已被否定的数据，造成决策偏差；第 7 周项目暂停，“AI 不可信”成为共识。问题不在于 AI 不够聪明，而在于它每次醒来都是一张白纸。
36氪获悉，以AI为核心的数字内容公司珀乐互动科技（下称“珀乐互动”）已完成天使轮融资，金额为数千万元人民币。本轮投资由星连资本领投、春华创投跟投，资金将重点用于技术研发、团队扩充与IP商业化开发，全面加速公司多模态泛娱乐生态的战略布局。
随着多模态大语言模型（MLLM）支持更长上下文，高分辨率图像和长视频会产生远多于文本的视觉 Token，在自注意力二次复杂度下迅速成为效率瓶颈。
开源多模态生成领域，迎来架构级的底层突破。
一张蓝锥嘴雀的图片，你能认出它是“鸟”，但能认出它是“鸟纲-雀形目-唐纳雀科-锥嘴雀属-蓝锥嘴雀”吗？
多模态大模型，到底有多“嘴硬”？ 浙江大学联合阿里巴巴、香港城市大
今天，机器之心获悉，腾讯 TEG 技术工程事业群组织架构发生了部分调整，AI Lab 被撤销，蒋杰不再担任 AI Lab 主任，但其他管理职责不变。此次调整过后，原 AI Lab 部分人员调整至混元团队向姚顺雨汇报。产学研合作中心保留。多模态部负责人向 TEG 总裁卢山汇报。
打破多模态视觉+语言拼接套路！
统一多模态生成编辑模型，正在走向“重器化”
