文档多模态RAG方案哪个更好？9类Embedding+3类MLLM+4类框架对比及古籍文档数据合成工具
文章介绍了多模态RAG进展和文档解析进展，包括评估数据集Double-Bench的亮点以及9个嵌入模型、4个MLM模型的选择，并探讨了不同框架的表现差异。同时提到了古籍文档合成工具及其特点。
大模型
大语言模型
实用工具：手写体OCR数据合成、UI代码转写及图文混排评测开源项目
2025年8月8日周五，北京下雨。文章介绍了文档OCR研发的手写体数据合成项目和图文混排Benchmark，还提到了前端界面代码转写模型ScreenCoder。
再见 GPT-4！刚刚，OpenAI 正式发布 GPT-5，免费用户也能用！附详细解读
GPT-5 正式发布，标志着OpenAI实现了模型的‘大一统’。它包括核心模型和思考模型，以及实时路由器。新推出三款不同功能的模型，支持多模态理解和深度推理，并公布了详细的API价格信息。
阿里开源Qwen-Image，AI会写汉字了！
阿里开源Qwen-Image模型，拥有20B参数的MMDiT多模态扩散变换器，支持多种语言文本渲染和多样化艺术风格图像生成。该模型在复杂文本渲染和精确图像编辑方面取得显著进展，已在HuggingFace上排名首位。
