2025年12月，Google联合Kaggle发布FACTS基准测试套件，首次系统评估AI模型的事实准确性。结果显示，包括GPT-5、Gemini 3 Pro、Claude 4.5 Opus在内的主流AI模型准确率均未突破70%，意味着每3次输出可能有1次错误。测试涵盖四大维度：内部知识、搜索能力、多模态解读和上下文忠实度。其中，多模态任务表现最差，领头模型Gemini 2.5 Pro仅达46.9%。研究强调，AI在关键场景中需人工审核，尤其在法律、金融、医疗等领域。FACTS测试或将成为企业采购参考标准，提示技术领导者根据具体需求选择模型，同时揭示AI仍处'信任但验证'阶段。

11月13日，百度旗下小度科技在百度世界大会上发布全新多模态AI助手“超能小度”，并宣布全系设备免费升级。超能小度具备视觉理解、推理思考等能力，支持声音、视觉和空间环境信息交互，大幅提升响应速度。新功能包括AI识物、AI翻译、会议纪要生成及家庭看护提醒等，覆盖智能音箱、智能摄像机和小度AI眼镜Pro等新品。数千万台已售设备将陆续完成升级，用户可通过小度App开启焕新体验。搭载超能小度的小度AI眼镜Pro新增“氛围歌单”和“AI随心看护”功能，可记录场景、生成备忘，甚至主动干预家庭场景事件。

苹果正研发名为Manzano的多模态AI模型，具备图像理解与生成能力，旨在解决开源模型在综合表现上的不足。据9月27日消息，该模型性能不逊于OpenAI GPT-4o和谷歌Nano Banana。Manzano采用混合图像分词器，通过共享编码器减少任务冲突，并分为混合分词器、统一语言模型和独立解码器三部分，参数规模最高达35.2亿。训练数据包括23亿图像-文本对，总计处理1.6万亿标记。内部测试显示，其在文字密集型任务中表现优异，扩展性良好。尽管如此，苹果基础模型仍落后行业领先者，未来或继续依赖外部模型如GPT-5，但Manzano模块化设计为多模态AI发展提供了潜力。

标题：AI 的未来不只是对话框，这家公司让真实世界成为AI的提示词 正文： 过去两年，人们对AI的印象大多停留在对话框中：输入问题，获得答案。虽然实用，但显得单调。AI难道只能困在虚拟世界里吗？ 最近发布的Looki L1或许给出了新答案。这款设备让我第一次感受到AI可以真正走进生活，理解我...

8月11日至15日，昆仑万维在技术周上连续发布六款多模态AI模型，覆盖视频生成、世界模型、统一多模态、智能体及AI音乐创作等核心领域，且大部分已开源。其中包括数字人直播带货模型SkyReels-A3、对标谷歌Genie 3的Matrix-Game 2.0、统一多模态框架Skywork UniPic 2.0、智能体引擎Skywork Deep Research Agent v2，以及音乐模型Mureka V7.5和角色语音合成框架MoE-TTS。这些模型在性能和应用场景上均取得突破，刷新多项SOTA纪录。昆仑万维凭借“All in AGI与AIGC”战略，持续加大研发投入，2024年研发费用达15.4亿元，占总营收27%以上，并通过开源推动行业生态发展，入选“中国AI开源16强”。此次技术周标志着其在垂直领域深耕和高频应用场景落地的新起点。

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。

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...

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）...