多模态[47]
Meta Connect 2025前瞻：智能眼镜、Meta AI与Llama模型领衔创新看点
Meta Connect 2025发布两款智能眼镜：高端带屏Hypernova（800美元，与Prada合作，探索AR技术）和大众无屏Ray-Ban Meta（300美元，主打日常使用）。Meta AI月活超10亿，但Llama 4模型开发推迟；元宇宙Horizon Worlds将引入AI NPC。展现其AR/AI/元宇宙协同布局与市场分层策略。
PaddlePaddle发布OCR堆栈重大更新 聚焦解决VLM文本定位与幻觉难题
通用VLM处理密集文档OCR时存定位不准与内容幻觉痛点，阻碍金融医疗等行业落地。PaddlePaddle PP-OCRv4以分治策略优化，通过PP-YOLOE检测、SVTR识别模块，密集文本定位F1-score达0.95，幻觉率降75%，大幅提升行业数据处理准确性。
高德AI出行智能体“小高老师”月活破4亿 日调用量达12亿次
高德AI出行智能体“小高老师”上线不足一月月活破4亿，日调用达12亿次。支持自然语言交互，融合海量POI与实时数据，提供个性化行程规划、酒店预订等一站式服务，推动地图从工具进化为“先于思考”的智能决策伙伴，开启出行“智能体时代”。
ORCA-DL AI大模型突破海洋气候预测范式：厄尔尼诺预报时长20个月优于传统模型
海洋是地球气候关键“能量库”，传统物理模型因计算限制难突破。ORCA-DL AI大模型通过学习CMIP6数据，以神经网络捕捉海洋三维动态，实现厄尔尼诺20个月预警、海洋热浪精准捕捉及十年尺度稳定模拟，重塑气候预测范式，助力防灾减灾与气候决策。
Vidu Q1参考生图全球上线：支持7张参考图刷新AI生图技术上限
Vidu Q1参考生图全球上线，支持一次性上传7张参考图，远超谷歌Nano Banana等主流工具（最多3张）。多图融合助力创意合成、时尚穿搭、专业海报及跨次元合照，主体一致性强，操作简洁，可生成1080p高清图。现免费试用，开启AI图像创作新可能。
顶级大模型“扰动文字”测试集体“翻车”
顶级视觉语言模型（如GPT-4o、Gemini等）在扰动文字前识别能力大幅下降，人类却可轻松解读，暴露AI非标准文本理解局限。因AI依赖模式匹配缺乏结构理解，在中文成语切割重组、英文彩色叠加等实验中近乎崩溃，且在多书写系统中普遍存在。此缺陷致教育、文献处理受限，更存安全漏洞，攻击者或用扰动文字绕过AI审查。研究建议通过强化结构先验知识、扩充复杂训练数据等改进，揭示AI与人类认知本质差异。
腾讯开源混元图像2.1：原生2K生图性能逼近商业模型，Hugging Face榜单跃居全球第三
腾讯混元图像2.1开源引发全球关注，原生2K生图达商业级水准，支持中英文复杂语义。采用DiT架构与双文本编码器，提升生成效率与质量，Hugging Face榜单快速攀升至第三。开源生态完善，助力开发者高效创作，推动视觉AI普惠化。
YouTube多语言音频功能全面开放 创作者国际观看时长显著增长
YouTube多语言音频功能已面向全球创作者开放，支持AI生成40+语言配音，大幅降低国际分发成本，非主要语言观众观看时长平均增超25%。配合多语言缩略图测试及数据洞察工具，助创作者精准定位全球受众，提升国际互动率与观看量，突破语言壁垒触达更广阔市场。
2025服贸会上小猿全系智能软硬件亮相
2025服贸会上，小猿全系智能软硬件亮相，AI学习机T4的超拟人1V1老师、销量破百万的墨水屏学练机（护眼+AI学练）及免费AI软件引关注，以教育AI融合推动个性化辅导与校园数字化，助力教育普惠新路径。
商汤「日日新V6.5」多模态大模型登顶OpenCompass全球榜单 超越Gemini 2.5 Pro与GPT-5
商汤「日日新V6.5」多模态大模型在OpenCompass评测中以82.2分超越Gemini 2.5 Pro与GPT-5，成全球领先。核心「图文交错思维链」技术贴近人类认知，优化视觉编码器与多模态网络，推理效率提升超三倍，标志中国AI在多模态通用智能领域迈入新阶段。