模型权重、训练代码、数据集完全开源！BLIP3‑o：CLIP + Flow Matching，理解生成一条龙服务
解与生成两项功能在同一框架内统一支持。它采用了基于
CLIP 特征的 Diffusion Trans
多模态大模型
刚刚，小米又开源一大模型，22个公开测评SOTA
小米公司正式开源声音理解大模型MiDashengLM-7B，其在22个公开评测集上刷新多模态大模型最好成绩，并在推理效率和数据利用率方面表现突出。该模型基于Xiaomi Dasheng作为音频编码器和Qwen2.5-Omni-7B作为自回归解码器训练而成。
拿下1.5亿美元融资，市占率超29%！AI合规独角兽Vanta是如何炼成的？
近几年全球监管收紧，企业对合规需求激增。Vanta利用AI+SaaS技术，在合规工具市场快速崛起，成为行业第一。其通过多模态大模型和动态知识库实现高效合规审核，帮助客户节省大量时间和成本，并提高信任度。
多模态大模型在OCR生成上表现如何？多页文档理解数据集Doc-750K
2025年7月23日，北京晴。文章介绍了多模态大模型在OCR生成任务和长文档问答数据集方面的进展。前者评估了最新多模态模型在多种OCR生成任务上的表现；后者则针对多页理解问题，通过开源数据集Doc-750K研究提升模型处理复杂文档的能力。
独家｜孵化中国版“GPT-4o”的无界方舟连续完成亿元级融资，基于自研多模态大模型，打造AI应用的“最强大脑”
无界方舟宣布完成Pre-A & Pre-A+轮亿元级别融资，公司利用自研多模态大模型打造AI应用。创始人曾晓东博士拥有深厚的技术背景和产业化经验，目前公司已推出国内SOTA的EVA多模态模型，并实现商业化落地，覆盖生物医药、金融等多个领域。
密室逃脱成AI新考场，通关率不足50%，暴露空间推理短板丨清华ICCV25
清华大学团队提出EscapeCraft，一个3D密室逃脱环境来评估多模态大模型在视觉推理任务中的能力。通过分析不同模型的表现，揭示了它们是否能像人类一样进行推理和决策，并发现了模型存在的多种错误类型。