谷歌推出多模态模型Gemini Embedding 2公开预览版，该模型旨在将文本和图像嵌入到同一个向量空间中，以实现跨模态检索和生成。...

1月30日，《每日经济新闻》报道，原新加坡Sea AI Lab高级研究科学家庞天宇即将入职腾讯，负责强化学习前沿算法探索。庞天宇是清华大学计算机系直博生，主要研究方向为机器学习。他将在腾讯混元多模态部Exploration Center开展研究工作。...

1月27日，Kimi正式发布并开源全新多模态模型K2.5，该模型拥有1万亿参数，支持视觉与文本输入、思考与非思考模式、对话与Agent任务，并在多个智能任务上取得开源state-of-the-art表现。...

智谱与华为合作推出全球首个在国产芯片上训练的SOTA多模态模型GLM-Image，实现了图像生成与语言模型的联合，API调用模式下生成一张图片仅需0.1元，标志着中国在人工智能领域自主创新能力的体现。...

清华大学教授唐杰在AGI-Next前沿峰会上表示，2025年可能是多模态模型的失意年。他认为，实现原生多模态模型仍是一个短板，需要解决多模态信息收集和统一感知的问题。...

AI行业人才争夺战加速，小米、字节跳动等巨头通过高薪、股权及创新激励计划争夺核心人才。AI岗位薪资涨幅显著，多模态方向需求暴增，具身智能领域热度上升，企业倾向吸纳高潜力年轻人才。...

2025年AI应用层加速爆发，10月22日LiblibAI完成1.3亿美元B轮融资，标志AI投资热点转向应用层。其成长为中国最大多模态模型与创作社区，发布2.0版本强化视频生成能力，融资后将加速全球化布局。...

谷歌市值突破3万亿美元，旗下AI应用Gemini超越ChatGPT登顶全球应用榜，其图像编辑模型Nano Banana引发AI技术革新，带动谷歌股价上涨。国内厂商字节跳动、生数科技等纷纷推出对标产品，多模态模型商业化加速，算力与应用侧投资机会凸显。...

2025智源大会在北京召开，业内人士围绕AI、具身智能等话题展开探讨。AI大模型正加速从数字世界迈向物理世界，多模态模型有望成为规模化落地拐点，数据集共享被视为开源协作的关键。...

阿里巴巴推出通义千问系列最新旗舰模型Qwen2.5-Omni，专为多模态感知设计，能处理文本、图像、音频和视频等多种输入，提供实时流式响应，展现AI技术最新进展。...

2月21日，阿里云魔搭社区发布全球参数量最大的开源视频生成模型Step-Video-T2V和业界首款产品级开源语音交互模型Step-Audio，已上架超过4万个开源模型，成为中国最大的AI模型社区。...

长江证券发布AI产业速递，称Janus-Pro采用创新性自回归框架，展现卓越的多模态理解和文本到图像指令遵循能力，超越Stable Diffusion和DALL-E 3，同时训练成本大幅降低，有望推动AI行业整体降本。...

DeepSeek在基座大模型上做出突破，引发舆论震动。其发布的R1模型获得高度赞赏，显著降低大模型开发成本，实现高效低价。DeepSeek的成功为中国AI初创企业带来“DeepSeek效应”，预计将在2-3年内解决算力卡脖子问题，实现中美公平竞争。...

DeepSeek发布Janus-Pro多模态模型，在文生图能力方面取得突破，击败顶尖图像生成模型。引发华尔街对美国公司模型成本的质疑和人工智能股票泡沫破裂的恐慌，导致美股科技股抛售潮。...

在2025中国信通院深度观察报告会上，专家指出大模型未来发展将呈现规模扩大与具身智能两大趋势，同时面临通用性、安全性等挑战。上海在5G基站及大模型应用上领先全国，实验室坚持开源开放，赋能学术界与产业界。...