标题：快手开源多模态推理模型Keye-VL 1.5：视频理解新标杆 快手开源了新一代多模态推理模型Keye-VL 1.5，具备128k超长上下文窗口、0.1秒级视频定位能力及跨模态推理功能。相比此前版本，新模型在时序定位和跨模态推理上显著提升，并创新性提出Slow-Fast双路编码机制，在性能与...

9月3日，上海AI实验室开源多模态大模型书生・万象3.5（InternVL3.5），参数覆盖10亿至2410亿，适用于多种场景。旗舰模型InternVL3.5-241B-A28B在多学科推理基准MMMU中获77.7分，超越GPT-5的多模态感知能力，并领跑开源文本能力。相比上一代，新版本在GUI交互、具身空间感知和矢量图形生成等任务显著提升。其GUI交互性能达92.9分，Windows自动化操作领先Claude-3.7-Sonnet；具身智能体测试中路径规划能力超Gemini-2.5-Pro；矢量图形生成刷新开源纪录。此外，InternVL3.5支持跨平台操作，具备复杂场景泛化能力，助力机器人高效完成物理交互任务。目前全系列下载量突破2300万次，相关代码与模型已开源。

9月3日，上海AI实验室宣布开源通用多模态大模型书生·万象3.5（InternVL3.5）。本次开源涵盖9种尺寸模型，参数量从10亿到2410亿不等。旗舰模型InternVL3.5-241B-A28B在多学科推理基准MMMU中取得77.7分，为开源模型最高分，其多模态感知能力超越GPT-5，文本能力领先主流开源多模态模型。相比InternVL3.0，新版本在GUI智能体、具身空间感知、矢量图像理解与生成等任务上显著提升。

2025年9月1日，朋友圈和社交平台被大量“3D打印手办”图片刷屏，这些图片实际由谷歌推出的AI模型Nano-banana生成。该模型自8月26日上线后，凭借图像生成与编辑能力迅速出圈，在海外AI排行平台LMArena中以1362分位列第一。Nano-banana可将人物或动物图片转化为“手办”样式，并支持多图融合、风格迁移等功能，展现跨图一致性与常识推理能力。目前，Adobe等多家海外平台已集成该模型，华福证券认为其代表多模态模型的重大突破。同日，A股3D打印概念股震荡拉升，海正生材等多股涨停。机构指出，多模态模型商业化潜力巨大，算力与应用领域将迎来投资机遇。

2025年8月29日，在中国国际大数据产业博览会期间，中国科学院地球化学研究所发布了“月球科学多模态专业大模型V2.0”。这一嵌入式专业大模型为“数字月球”云平台提供了智能化支持，赋予其高效运转能力。按计划，“数字月球”云平台将于2027年建成，并面向全球开放共享。这一成果标志着我国在月球科学研究和数字化领域迈出了重要一步。（新华社）

8月30日，中国科学院地球化学研究所在2025中国国际大数据产业博览会上发布“月球科学多模态专业大模型 V2.0”。该模型为“数字月球”云平台提供核心智能支持，大幅提升月球地质研究效率。针对月球表面直径1公里以上撞击坑超100万个的识别难题，AI模型可自动分析撞击坑形态、尺寸及形成年代，并生成完整描述。研发团队构建了含8700个撞击坑和7272个月球构造的标注数据集，模型在撞击坑分类与识别任务中准确率达88%-93%。“数字月球”云平台预计2027年建成并向全球开放，助力月球科学研究。

8月28日，SuperCLUE-VLM多模态视觉语言模型评测榜单发布，百度ERNIE-4.5-Turbo-VL以66.47分并列国内第一，仅次于Gemini-2.5-Pro和GPT-5(high)。本次评测覆盖15款国内外模型，围绕基础认知、视觉推理和应用三大维度展开，全面评估真实场景任务能力。分析指出，文心大模型在多模态领域表现突出，尤其在视觉推理与应用等高阶任务上进步显著，展现了中国在该领域的竞争潜力。此前，百度于6月30日开源文心4.5系列模型，其跨模态能力支持超100种语言交互，覆盖文档处理、视频管理等核心场景。依托全栈自研体系，飞桨文心已服务67万家企业，开发者超2185万。

8月26日，面壁智能宣布开源8B参数的MiniCPM-V 4.5多模态模型，称其为“最强端侧多模态模型”。该模型在视频理解、图片识别、复杂文档解析等任务中表现卓越，尤其具备行业首个高刷视频理解能力，支持每秒处理更多帧数，大幅超越Qwen2.5-VL 72B等模型。MiniCPM-V 4.5通过3D-Resampler技术实现96倍视觉压缩率，显著提升动态画面理解精度。此外，其在MotionBench、OpenCompass等多项榜单中达到同级SOTA水平，并兼顾性能与响应速度，提供常规模式和深度思考模式。模型已开源，可通过Github、Hugging Face及ModelScope获取。

2025年8月27日，面壁智能正式开源8B参数的MiniCPM-V 4.5多模态旗舰模型。该模型是行业首个具备“高刷”视频理解能力的多模态模型，在性能与效率上实现越级领先，超越Qwen2.5-VL 72B模型。MiniCPM-V 4.5最大支持6倍视频帧数量输入，达到96倍视觉压缩率，显著提升动态画面理解精度。在图片、长视频、OCR及文档解析等任务中均达SOTA水平，并支持短思考与长思考混合推理模式，适用于端侧设备。模型已开源，可通过GitHub、Hugging Face和ModelScope获取。

2025年8月22日晚间，当虹科技发布半年报显示，上半年营收1.33亿元，同比增长12.70%；归母净亏损收窄至615.24万元，同比减亏3562.64万元。公司AI产品及多模态大模型应用落地，传媒文化与车载智能座舱业务显著增长。毛利率提升8.83个百分点，减值损失减少766.48万元。第二季度实现盈利，归母净利润573.70万元。研发投入下降30.46%，占比营收31.92%。公司累计申请发明专利552项，授权208项，持续推动AI与超高清、5G技术融合，视频应用向多行业延伸。