字节跳动 Seed 团队开源多模态基础模型 Bagel，支持视觉理解、文生图和图像编辑

字节跳动旗下「豆包大模型团队」发文表示，全新图像生成基础模型「Seedream 3.0」技术报告正式发布。 Seedream 3.0 是一个原生高分辨率、支持中英双语的图像生成基础模型，亮点如下： 原生 2K 直出，适配多比例场景：无需后

Google 开发者在线课程 开始学习 8 月 31 日，百度、字节、商汤、中科院旗下紫东太初、百川智能、智谱华章等 8 家企业 / 机构的大模型产品已经首批通过《生成式人工智能服务管理暂行办法》备案，可正式上线面向公众提供服

字节跳动 Seed 最新思考模型 Seed-Thinking-v1.5 技术报告发布，涵盖在数据体系、奖励模型、RL 算法、基础设施等维度的探索： 通过数据层面的精细化处理提升推理能力，融合可验证数据和非可验证数据，并提出全新的评测基准

：https://github.com/Kwai-Kolors/Kolors 可图大模型是由快手AI团队自研打造的文生图大模型，具备强大的图像生成能力，它基于大语言模型与跨模态模型实现精准的用户意图理解，可以支持古诗词等中文特色的内容理解与生成，并且

种模态，同时以流式方式生成文本和自然语音响应。开发团队表示，他们对 Qwen2.5-Omni 进行了全面评估，与类似大小的单模态模型和 Qwen2.5-VL-7B、Qwen2-Audio 和 Gemini-1.5-pro 等闭源模型相比，该模型在所有模态中均表现出色。 在需

推出大规模、可漫游的3D场景生成模型。 腾讯重申拥抱开源，已实现图像、视频、3D、文本等全模态开源，未来将持续推出多尺寸模型并开源更多多模态基础模型及插件。 腾讯也正在推广其AI IDE“Genie IDE”，目前已开放预约

AI 科技评论独家获悉，字节 AI Lab 即将全部收归 Seed 团队下。 字节 AI Lab 是 Seed 成立之前字节主要的 AI 研发部门，目前由李航管理，自2024年开始向 Seed 时任负责人朱文佳汇报。今年2月下旬，原 Google DeepMind 副总裁吴永辉入职字

M模型通常仅支持224分辨率。在Qwen-VL 的基础上，通义千问团队使用对齐机制，打造了基于LLM的视觉AI助手Qwen-VL-Chat，可让开发者快速搭建具备多模态能力的对话应用。 在四大类多模态任务（Zero-shot Caption/VQA/DocVQA/Grounding）的标准

尽管 MM1.5 模型在多项基准测试中取得了优秀表现，苹果团队仍计划通过进一步融合文本、图像和用户交互数据，设计更复杂的架构，来提升模型对移动设备 UI 的理解能力，加强“苹果牌”AI 的实力。 论文地址：https://arxiv.org/

根据《科创板日报》的独家消息，蚂蚁集团技术研发团队正在自研语言和多模态大模型——内部命名为“贞仪”，该项目获得了蚂蚁集团管理层高度重视，已启动数月。 多模态大模型指的是将文本、图像、视频、音频等多模态

务上的表现来全面评估它们。昆仑万维天工大模型多模态团队的Skywork-MM模型位列综合榜单第一，其中，感知榜单排名第一、认知榜单排名第二. 感知榜单排名第一 认知榜单排名第二 昆仑万维天工大模型多模态团队最新一篇

限，取得72.2分； 基于司南OpenCompass开源评测框架，研究团队对InternVL3进行了全面系统的评估，包括多学科推理、文档理解、多图像 / 视频理解、现实世界理解、多模态幻觉检测、视觉定位、多语言能力以及以语言为中心的基准

入普及应用的新时期。 智源研究院2020年搭建大模型攻关团队，2021年6月推出当时规模最大、性能领先多模态大模型“悟道2.0”。为了推动大模型方向的协同创新，在“科技创新2030”新一代人工智能重大科技项目支持下，2023年

、图像、视频三种模态数据的理解和生成。 目前 Emu3 已开源了关键技术和模型。 公告称，Emu3在图像生成、视频生成、视觉语言理解等任务中超过了 SDXL 、LLaVA、OpenSora等知名开源模型，但是无需扩散模型、CLIP视觉编码器、预