多模态AI黑马vivago2.0（智小象AI）由AI大牛梅涛团队打造，功能强大，支持图片、视频、播客生成，自带百种特效模板，用户可轻松创作。其核心亮点包括“唇形同步”功能，让AI配音与人物口型自然匹配，以及Image Agent，通过自然语言即可完成生图和修图任务。vivago2.0还提供300+特效模板，让用户秒变特效大师。该工具结合了开源模型HiDream-I1的能力，具备图像生成、视频生成、AI播客、特效模板等多种玩法。HiDream-I1在文生图领域表现卓越，开源后迅速登顶排行榜，成为国内领先的开源模型之一。智象未来团队由梅涛带领，成员来自全球知名企业，技术实力雄厚。公司自2023年成立以来，已发布多个重要成果，并获得多轮融资，商业化前景广阔。vivago2.0的推出，标志着多模态AI技术的进一步突破，为AIGC领域带来新的可能性。

5月17日消息，开源大语言模型服务工具Ollama推出自主研发的多模态AI定制引擎，逐步摆脱对llama.cpp框架的依赖。该引擎针对本地推理性能进行了优化，特别是在处理大图像生成大量token时表现优异。Ollama团队强调，其引擎采用golang独立开发，未直接借鉴llama.cpp的C++实现...

标题：UniToken：多模态AI的“全能选手”，一次编码搞定图文理解与图像生成！ 复旦大学和美团的研究者提出UniToken，一种创新的统一视觉编码方案，能在单一框架内同时实现图文理解与图像生成任务，并在多个权威评测中表现出色。 UniToken通过融合连续和离散视觉表征，解决了以往方法中“任务干...

《科创板日报》26日，微软在官网开源了多模态AI Agent基础模型Magma。与传统Agent相比，Magma具有跨数字、物理世界的多模态能力，可自动处理图像、视频、文本等多种类型数据。Magma还内置了心理预测功能，增强对视频中人物或物体意图及未来行为的理解。

阿里巴巴在最新财报中表示，未来AI推动的云智能集团收入增速将持续提升。公司致力于推进多模态AI技术发展，并扩大开源计划。该消息发布于2月20日。

财联社1月28日电，DeepSeek近日发布了开源多模态AI模型Janus-Pro。该模型Janus-Pro-7B在GenEval和DPG-Bench基准测试中表现优异，超越了OpenAI的DALL-E 3及Stable Diffusion。

商汤最新发布的“日日新”融合大模型在多模态AI领域取得了突破，解决了长期存在的“跷跷板效应”，实现了单一模型在图文场景、纯语言、推理等场景上的全面优秀表现。该模型在OpenCompass多模态评测和SuperCLUE测评中均名列前茅。实测显示，“日日新”能准确识别手写数学题、分析玩偶细节，并解读复杂图表进行推理分析。未来将在智能硬件、在线教育、机器人等领域广泛应用，助力企业降本增效。商汤的技术突破有望引领中国AI行业实现‘换道超车’。

OpenAI 于 12 月 3 日宣布在瑞士苏黎世设立首个欧洲办公室，旨在进一步拓展欧洲市场。苏黎世作为欧洲重要的科技中心，拥有苏黎世联邦理工学院等知名研究机构，成为 OpenAI 设立研发中心的理想之地。此次设立新办公室也是 OpenAI 全球扩张计划的一部分，该计划包括在纽约、西雅图、布鲁塞尔、巴黎、新加坡等多地设立新的办事处。此外，OpenAI 还吸纳了三位来自谷歌 DeepMind 的 AI 专家——Lucas Beyer、Alexander Kolesnikov 和翟晓华，共同推进多模态人工智能的研发。翟晓华曾是谷歌大脑和谷歌深度思维的高级研究员和经理，专注于多模态、表征学习、深度学习和人工智能的研究，并且是著名 Vision Transformer (ViT) 的作者之一。此次招聘将进一步推动 OpenAI 在多模态 AI 领域的发展。

OpenAI 于12月4日宣布，从谷歌 DeepMind 聘请了三位高级计算机视觉与机器学习工程师：Lucas Beyer、Alexander Kolesnikov 和 Xiaohua Zhai，他们将加入 OpenAI 在瑞士苏黎世新设立的办公室，专注于多模态人工智能（multimodal AI）...

11月22日，AI应用方向相关个股逆势上涨，拓尔思、二六三、竞业达、佳都科技等多股涨停，易点天下、立方数科、三六零等个股盘中也曾触及涨停。开源证券分析指出，海外龙头公司借助AI实现业绩增长，持续验证AI应用的产业趋势；同时，国产AI Agent取得积极进展，大模型调用量迅速增长，反映出市场需求旺盛，国产大模型技术实力的提升也将加速AI应用的繁荣。该现象表明AI应用方向的活跃度有望持续。（财联社11月23日电）