11月23日，青岛虚拟智能体产业大会暨人工智能创新应用先导区第七届“百企百景”对接洽谈会召开，会上发布国内首个支持全模态实时交互的大模型VisualGPT，并启动青岛市智能体训练平台。VisualGPT突破传统AI的“对话框”限制，实现从单一“文字流”到沉浸式“视觉界面直连”的跨越。智能体训练平台将整合算力与数据资源，聚焦多领域场景，推动产业升级与智能应用落地，为人工智能技术发展注入新动力。

11月18日，蚂蚁集团推出全模态通用AI助手“灵光”，支持30秒用自然语言生成小应用，号称业内首个全代码生成多模态内容的AI助手。上线仅两天，下载量突破50万，并在第三天冲上App Store总榜第七和免费工具榜第一。然而，11月20日，因用户量激增，“灵光”的闪应用功能崩溃，官方回应称正在紧急修复中，目前该功能尚未恢复。

2025年11月18日，蚂蚁集团正式发布全模态通用AI助手“灵光”，可在移动端实现30秒生成小应用，支持编辑、交互和分享。灵光首批上线三大功能：“灵光对话”提供逻辑清晰的可视化内容；“灵光闪应用”最快30秒生成个性化AI应用，如“溏心蛋时间计算器”；“灵光开眼”通过AGI相机技术实时解析物理世界。灵光采用全代码生成多模态内容，支持3D、音视频、图表等输出，并构建多智能体协作架构，提升用户体验。作为蚂蚁集团AGI战略的重要探索，灵光展现了从技术突破到场景落地的全链路能力，目前已登陆安卓与苹果应用商店。

11月18日，蚂蚁集团推出业内首个全模态通用AI助手“灵光”，支持自然语言30秒生成小应用，可输出3D模型、音频、图标、动画、地图等多模态内容。首批上线三大功能：“灵光对话”提供语音朗读、3D模型、图表生成等可视化答案；“灵光闪应用”快速生成交互式小工具；“灵光开眼”赋予手机智能探索能力，支持文生图、图生视频等创作。目前已登陆安卓平台，适用于办公、学习及生活场景，为用户提供高效便捷的AI体验。

2025年11月，百度正式发布文心5.0，主打原生全模态技术，支持文字、图片、音频、视频的全模态输入与输出。模型参数规模超2.4万亿，采用自回归统一架构和混合专家设计，激活比例低于3%，兼顾性能与效率。文心5.0 Preview已上线网页版、App及百度千帆平台，提供API服务，目前支持全模态输入+多模态输出，全模态输出版本将陆续推出。实测显示，其在多模态理解、推理、跨模态整合等方面表现突出，如精准分析视频情感、识别谐音梗图、生成新图像等。此前，文心5.0 Preview在LMArena文本排行榜中得分1432，位居全球第二、国内第一。此次发布是百度在底层架构与算法优化上的又一次突破，探索多模态‘强推理’与‘深理解’的新边界。

11月13日，在2025百度世界大会上，百度创始人李彦宏正式发布文心大模型5.0。该模型参数规模超2.4万亿，采用自回归统一架构和超稀疏混合专家架构，是新一代原生全模态大模型，支持理解与生成一体化。文心大模型5.0在全模态理解、创意写作、智能体规划、指令遵循等方面表现优异，尤其在语言、视觉理解、音频理解及视觉生成等测试中表现突出。百度现场演示了其在视频理解、视频生成（如《甄嬛传》片段二创）以及代码编写方面的能力，并表示模型持续学习进化中。目前，文心大模型5.0已上线百度千帆平台，用户可登录调用。

9月26日，斑马智行在2025云栖大会上全球首发全模态端侧大模型实车方案Auto Omni，独家合作通义及高通。该方案具备全模态感知、全时空记忆和全场景服务能力，支持90%场景断网使用，将助力车企实现智能座舱从指令交互到主动服务的升级。Auto Omni已与国内头部车企定点合作，预计2026年量产。斑马智行还联合网易云音乐等生态伙伴发起“AI车载平台服务联盟”，涵盖数字娱乐、本地生活等场景服务，并率先融合阿里云Qwen3-Omni模型。阿里巴巴正推进3年3800亿元AI基建计划，为技术发展提供强大支持。

9月26日，在2025云栖大会上，斑马智行联合阿里通义及高通全球首发全模态端侧大模型实车方案Auto Omni。该方案历时15000小时研发，具备全模态感知、全时空记忆、全场景服务能力，支持独家Qwen Omni定制与高通8397平台适配，预计2026年量产。会上还发起行业首个“AI车载平台服务联盟”，整合网易云音乐、喜马拉雅等生态伙伴，覆盖数字娱乐、本地生活、车辆服务三大场景。阿里巴巴CEO吴泳铭透露，阿里正推进3年3800亿元AI基础设施计划，并发布多款新模型，斑马智行率先接入Qwen3-Omni，推动智能座舱体验升级。

9月24日，阿里巴巴发布全模态预训练大模型Qwen3-Omni系列。该模型在36个音视频基准测试中，22项达SOTA水平，32项取得开源模型最佳效果，语音识别、音频理解与对话能力媲美Gemini2.5-Pro。Qwen3-Omni支持全模态输入输出，通过多模态混合训练实现“听”“说”“写”能力，预训练采用单模态与跨模态数据结合。其在音频、音视频能力突出的同时，文本与图像性能保持稳定，首次实现业内这一综合训练效果。

8月14日，字节跳动Seed团队发布并开源全模态PyTorch原生训练框架VeOmni。该框架采用以模型为中心的分布式训练方案，大幅降低工程开销，将数周的开发时间缩短至几天。相比传统框架如Megatron-LM需要一周以上研发，VeOmni仅需一天即可完成模型代码构建并开启训练任务，工程耗时压缩90%以上。实验显示，基于VeOmni，300亿参数的全模态MoE模型在128张卡上训练吞吐量超2800 tokens/sec/GPU，并支持160K超长上下文序列。目前论文与代码已公开，GitHub Star数超500。