4月2日，智谱发布原生多模态Coding基座模型GLM-5V-Turbo，支持AI Agent走向实用化。该模型能融合视觉与编程能力，处理多模态信息，并在多个场景中实现性能提升。...

智谱发布GLM-5V-Turbo多模态Coding基座模型，该模型融合视觉与编程能力，处理多模态信息，擅长复杂任务。在核心基准上表现领先，引入视觉能力同时保持纯文本编程与推理能力。已开放接入智谱MaaS平台。...

智谱官微4月2日宣布发布GLM-5V-Turbo，这是一个面向视觉编程的多模态Coding基座模型，具备原生多模态Coding基座，兼顾视觉与编程能力，并深度适配Claude Code与龙虾场景。...

中国信息通信研究院人工智能研究所博士樊威表示，AI发展从“玩具”到“工具”，多模态融合成趋势。大模型发展注重实用性而非规模。此外，他强调了数据安全、算力管制以及生态建设的重要性。对于AI安全性问题，樊威建议加大安全投入并发展安全预警技术。...

美团发布并全面开源原生多模态大模型 LongCat-Next，该模型打破了传统架构，将图像、语音与文本统一映射为同源的离散 Token，通过“下一个 Token 预测”范式，让视觉与语音成为 AI 的“原生母语”。...

商汤科技在AI技术方面取得突破，CEO徐立表示语言与视觉的深度融合是突破智能上限的高效路径。公司2025年收入创历史新高，生成式AI业务收入大幅增长。未来，商汤将继续深耕产业智能化，推动AI从辅助工具进化为生产力。...

中信建投和OpenAI等公司在AI技术领域取得新进展，多模态世界模型与自动化研发有望重塑产业格局。这些技术将推动AI在金融、法律等垂直场景的深度渗透，并加速商业化落地。...

2月14日，字节跳动发布豆包大模型2.0系列，提供三款不同尺寸的通用Agent模型，全面升级多模态理解能力，并强化了LLM与Agent能力，广泛应用于生活场景。同时，Seedance2.0和Seedream5.0也提升了视频生成和图像创作的能力。...

豆包视频生成模型Seedance 2.0 已正式接入豆包App、电脑端和网页版，支持原声音画同步、多镜头长叙事、多模态可控生成，但暂不支持上传真人图片作为主体参考。...

腾讯正加速AI布局，引入原生人才，强化大模型与元宝产品的协同。同时，腾讯混元团队在开源图像3.0版本和多模态研发方面也取得进展。...

商汤科技于1月29日正式开源了多模态自主推理模型Sense Nova-MARS，该模型支持动态视觉推理和图文搜索深度融合，能自己规划步骤、调用工具，让AI具备“执行能力”。...

中信建投研报指出，AI技术在多模态工具中的应用正在从娱乐转向生产力，AI漫剧成为新的增长极。AI加速IP影视化进程，有望重塑广告与游戏资产生产逻辑。未来，原生多模态与世界模型技术将共同演进，重塑多个下游产业格局。...

百度发布并上线原生全模态大模型文心5.0正式版。该模型参数达2.4万亿，具备全模态理解与生成能力。目前已可在文心APP和官网体验。...

2025年上半年，AI初创企业吸纳全球53%风险投资。启明创投发布AI十大展望，涵盖多模态、AI Agent、AI应用、具身智能等趋势。预测未来一到两年，200万Token上下文窗口成标配，通用视频模型将出现，AI员工将进入企业，具身智能在拣选等场景规模化部署。...

今年，AI技术在大语言模型和多模态方面取得新进展，多家科技公司推出新模型，实现重大突破。AI正逐步从通用大模型向多模态助手和智能体演进，加快科学进展，开创新发现和成就新时代。...