【#阿里发布Qwen3.7-Plus多模态大模型#】6月2日，阿里巴巴正式发布千问3.7系列多模态大模型Qwen3.7-Plus！该模型文本与视觉能力大幅跃升，荣登Vision Arena榜单中国第一、全球前五。作为多模态智能体新基座，它实现了“看、想、写、做、验”统一工作流，不仅能深度推理、自主编程，还能一键复刻手机APP及桌面端专业软件，轻松完成复杂长程任务。目前，该模型已全面上线阿里云百炼提供API服务，开发者与用户可通过Qwen Studio等平台抢先体验。多模态AI再迎重磅突破！

标题：寻找 AI 的「第三语言」：中间表示如何打通多模态鸿沟 ｜ CVPR 2026 正文： “请把杯子拿起来。” 这句话对你来说轻而易举，但对 AI 系统而言却涉及语言、动作、视觉、空间和执行间的多重复杂映射。传统方法通过直接映射让模型从输入生成输出，但在真实场景中往往失效，因为模态间的鸿沟太...

5月20日，第四届中国AIGC产业峰会在量子位举办，近20场演讲与对谈吸引了超千名线下观众和近400万线上观众参与。昆仑万维CEO方汉、商汤科技首席科学家林达华等业界领袖分享了关于AI Agent发展趋势、多模态智能及空间智能等前沿洞察。大会探讨了Agent是否会成为下一代超级入口、AI应用爆发点及非共识机会等行业热点问题。同时，量子位发布了《2026年中国AI应用全景图谱报告》及相关榜单，揭示年度值得关注的AIGC企业和产品。

5月20日，谷歌宣布推出Gemini 3.5 Flash模型，称其为迄今最快、最高效的多模态模型，可接受任何形式的输入，支持通过自然语言编辑视频。该模型能够处理日常任务及复杂创意项目，适应现实需求。谷歌表示，Gemini 3.5 Flash即日起向全球用户免费开放，用户可通过模型下拉菜单选择“3.5 Flash”进行体验。

5月20日，第四届中国AIGC产业峰会将在北京金茂万丽酒店举行。本次峰会聚焦AI领域的最新趋势与应用，涵盖Agent商业化落地、多模态模型突破、AI在文娱医疗等场景的纵深渗透以及算力范式变革等核心议题。18位重磅嘉宾将分享前沿洞察，包括智谱、亚马逊云科技、商汤科技等行业头部企业及港大、复旦等学术代表。峰会特设Agent主题圆桌，并发布年度榜单和中国AIGC应用全景图谱。活动线上线下同步进行，现场还有参会伴手礼。

2026年4月30日，DeepSeek识图模式灰度测试引发关注。实测显示，该模式可能基于独立于V4 flash/pro的新视觉模型，具备快速响应和深度思考两种模式。在空间推理与图片找不同测试中，非思考模式速度快但易出错，深度思考模式虽更精准但耗时较长（如4分钟解决一道推理题）。实用功能表现亮眼，OCR、表格识别及网页图片转HTML等功能高效且准确，但在色盲测试中偶有失误。值得注意的是，识图模式知识更新至2025年5月，却能获取2026年4月的信息，暗示其独立训练的可能性。DeepSeek研究员陈小康透露，灰度范围正逐步扩大。尽管多模态能力尚有改进空间，但其进展远超外界预期，未来或将在模型稀疏性等方向进一步探索。

4月27日，阿里ATH创新事业部研发的视频生成模型HappyHorse 1.0开启灰测，悟空率先接入并面向企业用户启动客户共创。HappyHorse支持文生视频、图生视频等多种功能，可输出15秒多镜头叙事内容，具备电影级画质和音画同步能力。悟空通过接入该模型，显著提升文生图和文生视频的创作能力，用户可通过自然语言生成高质量图片与视频，无需专业技能或切换工具。以电商为例，运营人员只需描述产品卖点即可快速生成推广视频，大幅缩短制作周期。这是悟空继4月2日接入千问3.6-Plus后，再次优先搭载ATH体系重磅模型，逐步成为覆盖文本、代码、图片、视频的多模态AI工作平台。

2026年4月，Meta推出首个由‘亿元天团’打造的大模型Muse Spark，主打多模态能力。这款模型由亚历山大王带队，余家辉、宋飏、Jason Wei等顶尖专家耗时9个月完成，旨在弥补Llama系列的不足。发布后，Meta股价一度上涨10%，市场反响热烈。Muse Spark在多模态理解、推理及医学领域表现出色，但在编程和长时间自主任务上仍有差距。Meta此次采取闭源策略，仅向部分合作伙伴开放API，但计划未来开源后续版本。此外，模型新增‘沉思模式’以提升复杂推理能力，并上线个性化购物推荐功能。第三方测评显示，Muse Spark已重回人工智能第一梯队，仅次于Gemini 3.1 Pro、GPT-5.4等顶级模型。然而，部分用户反馈其在编程任务中表现不佳，存在翻车案例。

4月2日，智谱发布首个多模态Coding基座模型GLM-5V-Turbo。该模型深度融合视觉与编程能力，可原生处理文本、图片、视频等多模态信息，擅长编程、长程规划及操作执行等复杂任务。GLM-5V-Turbo赋予OpenClaw龙虾真正的视觉能力，使其能看懂屏幕信息。目前，该模型已通过智谱MaaS平台开放接入，为开发者提供更强大的技术支持。（记者 李明明）

2026年3月19日，天工AI发布全新视频模型SkyReels-V4，直接登顶Artificial Analysis文转视频全球榜，超越Veo 3.1、Sora 2等强劲对手。相比一个月前Preview版本的全球第2名，此次升级实现了显著的能力跃升，特别是在全模态强化学习体系和新增关键帧参考与网格参考功能上的突破。SkyReels-V4能够生成逻辑连贯、画质达1080p、时长15秒的高质量视频，并支持复杂剧情与音画同步创作。该模型还被应用于天工AI旗下短剧平台DramaWave，后者月活已突破8000万，标志着AI视频生成迈向工业化生产阶段。据悉，SkyReels-V4将在月底中关村论坛年会正式发布，其多模态融合技术或为未来内容生态奠定基础。