视觉模型落地：AI打工，干活全自动
AI 在字节发布的豆包1.5深度思考模型中应用了一项视觉理解模型，能支持对单目标、多目标等进行边界框或点提示定位，并支持3D定位。该模型已广泛应用于各类巡检商业化场景中。通过此技术，用户可以将图交给它识别所有寿司盘的位置，并输出坐标信息。
视觉理解模型
阿里开源多模态模型Qwen2.5-VL-32B，实测碾压Gemma 3 27B，可本地部署
作者｜子川来源｜AI先锋官新视觉语言模型Qwen2.5-VL-32B开源，相比72B规模更小但表现不俗。它在多个测试中击败了包括Gemma 3 27B在内的同尺寸模型。
拼大模型“全网最低价”，阿里紧跟字节的降价步伐
阿里云、字节跳动等纷纷推出视觉理解模型降价策略，其中阿里云Qwen-VL-Plus降价81%，一元钱可处理600张720P图片，意在推动应用生态发展及吸引客户使用云计算服务。
如何看待字节的AI战略：全方位布局、全面平推
字节跳动在近期的发布会上发布了豆包视觉理解模型和3D生成模型，并宣布全线降价。该公司的多款大模型产品也迎来更新，包括通用模型、音乐模型及文生图模型等。发布会吸引了外界对AI To B市场的关注，认为未来可能成为互联网巨头的竞争焦点。
杀疯了！豆包发布视觉理解大模型，又把价格打骨折
国内月活超过千万的 AI 应用中，豆包用户量达到5998万，位列全球第二。近日发布视觉理解模型，具备内容识别、推理和创作能力，并大幅降低价格战优势明显。