2025-08-15
视觉大模型开源竞速
Meta开源DINOv3，自监督性能首次全面超越弱监督，成为视觉新基座；Midjourney升级全民高清视频生成，国内字节DreamVVT商用换装，多模态视觉进入“开源+消费级”双轨爆发。
2025-06-08
多模态慢思考与评估基准
复旦等发布首个多模态逻辑推理基准，Gemini 2.5 Pro仅得60分；VL-Rethinker框架让视觉模型学会“三思后行”，超GPT-o1近7个百分点，揭示多模态推理仍是短板，慢思考成提升核心路径。
2025-03-06
多模态大模型技术突破
Cohere发布Aya Vision 8B/32B、智源开源BGE-VL多模态向量模型，谷歌推出Whisk Animate图生8秒视频，腾讯混元图生视频全面开源，显示多模态理解与生成在视觉、语音、视频多域同步跃进，为内容创作、搜索、机器人提供新基座。
2024-06-25
多模态大模型突破
苹果4M-21、微软Florence-2等模型实现20+模态统一处理，标志视觉-语言一体化进入新阶段，将重塑内容生产、机器人交互与行业解决方案，成为AGI关键基础设施。