2025-12-31
多模态大模型竞速
谷歌Gemini-3-Pro在SuperCLUE-VLM榜单断层领先，国产商汤、豆包、Qwen3-VL紧随其后；阿里开源Qwen-Image、腾讯开源HY-Motion1.0文生3D动作模型，显示中美在视觉-语言-动作一体化赛道进入密集迭代期，直接决定下一代交互与内容生成标准。
2025-12-16
国产小模型与开源竞速
Nanbeige4-3B以小博大硬刚Qwen3，国产三强并列开源榜首；蚂蚁数科开源数据智能体，IBM CUGA开源助手任务完成率超60%，国内厂商通过开源小参数、高推理速度模型抢占边缘场景，推动AI民主化与信创替代。
2025-10-17
多模态大模型突破
李飞飞团队RTFM实现单卡实时3D世界生成，谷歌Gemini 3.0 Pro、百度PaddleOCR-VL等刷新OCR与推理纪录，开源LLaVA-OneVision-1.5登顶多模态榜单，显示视觉-语言-动作统一模型正快速走向实用化，为下一代交互与内容生产奠定基础。
2025-10-13
扩散语言模型推理突破
蚂蚁集团开源dInfer框架，首次将扩散语言模型推理速度提升10倍，超越自回归范式，为大模型高效落地奠定新基座，被视为后Transformer时代的重要里程碑。
2025-10-05
蛋白质语言模型可解释突破
InterPLM利用稀疏自编码器从ESM-2表示中提取数万个人类可读特征，首次揭示PLM以“叠加”方式编码结合位点、结构基序等概念，为药物设计提供可解释基石。
2025-06-15
混合架构新范式崛起
康奈尔Eso-LM将扩散模型与自回归融合，速度提升65倍，英伟达下注；Transformer“混血”引发对自回归范式的再思考，或成通往AGI的又一技术路线，学术与资本同时加注。
2025-05-17
端侧轻量视觉语言模型
苹果开源FastVLM，在iPhone端实现85倍速视觉问答，证明高压缩视觉Token方案可行，为移动端AR/VR、实时翻译等场景打开落地窗口，或改变“云端大模型”垄断格局。
2025-03-24
多模态大模型技术突破
谷歌Gemini Live上线屏幕共享与实时视频交互，伯克利TULIP、腾讯混元-T1、阿里LHM等视觉-语言-动作模型集中发布，标志着多模态理解与生成交互进入可用阶段，为机器人、自动驾驶、3D内容创作打开新空间。
2025-02-20
多模态模型突破
视觉-语言模型密集升级：DeepSeek-R1推理框架首次迁移到视觉领域，谷歌推出PaliGemma 2 Mix与Gemini2.0虚拟科学家，VLM-R1、VideoRoPE、Muse等新品刷新长视频、游戏、科研等多模态任务SOTA，降低创作与研究门槛。
2025-01-28
VideoWorld纯视觉学习突破
豆包联合高校提出VideoWorld，首次在无需语言标签的条件下让模型通过纯视觉信号完成折纸、打领结等复杂任务，验证“视觉本身即足够”的假设，为机器人与视频生成开辟新路径。
2025-01-20
AI安全与幻觉治理
MIT等揭示视觉语言模型无法理解否定表达，淘天提出新对齐方法抑制视觉幻觉，ChatGPT API被曝DDoS漏洞，凸显大模型安全与可信研究紧迫性。
2024-12-14
AI 医疗与生物交叉突破
《自然医学》将三项 AI 临床试验列入 2025 年度关键名单，清华团队用 82 个“锚点”压缩 1048 倍基因序列空间，BiMediX2 阿拉伯语医疗多模态模型获联合国关注。医疗 AI 从论文走向临床与公共卫生，打开超过 4 亿非英语用户市场，吸引监管与资本双重加码。
2024-11-16
大模型数学与推理能力瓶颈
FrontierMath新基准测试揭示主流大语言模型在复杂数学推理上正确率不足2%，凸显其逻辑推理短板；同时业界持续争论LLM是否具备真正“推理”能力，提示通往AGI仍有关键缺口，亟需新算法与评测体系突破。
2024-10-27
AI+药物研发新范式
DEL+AI、化学语言模型、AlphaFold免代码使用等多篇顶刊成果集中出现，显示AI已贯穿靶点发现、分子设计到结构验证全链条，显著缩短研发周期，降低门槛，将重塑制药工业成本曲线。
2024-07-02
AI4Science与生物计算突破
ESM3蛋白质生成模型获3.72亿美元融资，BioCLIP获CVPR最佳学生论文，ESM-AA、Vabs-Net等多尺度蛋白质语言模型入选顶会，AI筛查13种癌症准确率98.2%。大模型正成为生命科学基础设施，加速药物发现与生物制造。
2024-06-18
区域AI竞赛与政策布局
迪拜启动“百万提示者”计划、谷歌Gemini支持九种印度语言、阿联酋与印度争夺AI高地，显示中东与南亚正通过政策+资本+数据场景组合拳，力图在全球AI格局中抢占战略席位。
2024-05-18
视觉-语言与开源生态
Google开源PaliGemma多分辨率VLM家族，HuggingFace发布视觉大模型训练 cookbook，腾讯光子开源ID-Animator实现照片+文字生成定制视频，降低多模态门槛并丰富开源工具链。
2024-05-10
AI for 生命科学新工具链
除 AlphaFold 3 外，ESM-Fold、ESM-2 等蛋白语言模型亦登 Science，利用多序列比对与语言模型实现原子级结构预测；同时谷歌与哈佛发布十年人脑 3D 图谱，结合 AI 与显微镜技术绘制史上最精细人脑图，为脑科学与疾病研究提供开源数据。
2024-05-07
生物医疗AI新框架
Google HEAL评估医学AI公平性，西湖大学蛋白质语言模型定向改造碱基编辑器，BIOBRIDGE用知识图谱桥接多模态生物模型，医疗AI向可解释与可信赖迈进。
2024-04-27
AI4Science与复杂系统新工具
基因组语言模型、点云补全PoinTr、复杂网络涌现实验平台等研究，将Transformer、几何感知与多智能体仿真引入生物、物理、材料等基础科学，降低跨学科门槛，加速科学发现。