Black Forest Lab发布了Flux3，这是首个能够生成20秒时长、实现音视频同步的原生多模态音频生成模型。Claude Opus语音模式经过升级，现已具备工具支持功能以及多语言处理能力。快手推出了AI互动内容创作平台，并开始招募创作者。小鹏人形机器人已启动小批量试生产，计划于2026年实现大规模量产。腾讯将多模态技术与大语言模型团队合并至姚顺宇的领导下。微软发布了MAI-Image-2.5-Pro与MAI-Voice-2-Flash，这两款技术将被应用于Bing和PowerPoint中。腾讯还推出了WorkBuddy Bench，用于对编码、网页处理、办公事务及安全防护领域的智能体进行测试。阿里巴巴则开源了OvisOCR2，这是一款参数量为0.8B的文档解析模型，在OmniDocBench评测中的表现处于领先地位。

评论 (0)