什么值得买App下载 App ›
连续签到专享现金活动

全球首个多模态病理模型MUSK发布,GLM-4.6V开源|多模态大模型本周大事

本周多模态大模型领域迎来多项重磅进展:医学AI实现突破性融合,国产模型密集开源,视频生成与智能体能力持续升级。我们为你梳理了12月11日至17日的关键事件。
01全球首个多模态病理基础模型MUSK发布
  • 技术突破:12月17日,研究团队发布全球首个多模态病理基础模型MUSK,通过统一掩码建模框架融合病理图像与临床文本,在23个临床基准任务中表现卓越。该模型在分子标志物预测、跨癌种预后评估等任务上显著优于现有方法,为癌症诊疗提供新范式。1
02智谱AI开源GLM-4.6V系列多模态模型
  • 原生工具调用:12月16日,智谱AI正式开源GLM-4.6V系列多模态大模型,首次在架构中原生集成工具调用能力,支持“图像即参数,结果即上下文”的端到端流程。该模型在30多个基准测试中表现优异,轻量版GLM-4.6V-Flash完全免费开放,大幅降低应用门槛。5
03通义千问Qwen3-VL刷新开源多模态模型性能
  • 长上下文与空间推理:12月15日,阿里通义实验室发布Qwen3-VL技术报告,该模型支持256K token多模态输入,在Mathvision等复杂任务上表现优于Gemini 2.5 Pro。其创新的MRoPE-Interleave和DeepStack技术显著提升长视频理解与空间推理能力,视频大海捞针实验准确率达99.5%(1M tokens)。3
04Runway发布通用世界模型GWM-1及Gen-4.5视频模型
  • 世界模拟能力:12月12日,Runway一口气发布5项更新,包括旗舰视频模型Gen-4.5和首个通用世界模型GWM-1。GWM-1采用自回归逐帧预测架构,支持环境模拟、交互式数字人和机器人训练,标志着AI从“视频生成”迈向“世界模拟”。9
05360开源多模态嵌入模型RzenEmbed
  • 企业级多模态检索:12月14日,360 AI研究院开源多模态Embedding模型RzenEmbed,在国际MMEB基准评测中斩获总排名第一及VisDoc专项第一。该模型专为处理企业文档中的图表、表格等多模态内容设计,通过改进型InfoNCE损失和模型融合技术,显著提升复杂场景检索精度。12
06港科大等联合发布UnityVideo统一多模态视频生成框架
  • 零样本泛化:12月17日,港科大、港中文、清华大学与快手“可灵”团队联合发布UnityVideo,一个统一多模态与多任务的视频生成框架。该模型通过同时训练RGB视频、深度图、骨骼等多种视觉模态,在单人数据上训练后可泛化到多人场景及动物骨架估计,展现出强大零样本能力。2
07人大与百川提出ChronusOmni解决多模态时间理解难题
  • 音视频时间对齐:12月14日,中国人民大学与百川智能联合提出ChronusOmni模型,系统性提升多模态大模型在音视频+时间三者上的统一建模能力。该模型首次定义Audiovisual Temporal Grounding六大子任务,通过时间即文本的Token设计和交错表示,在ChronusAV数据集上多个指标提升超30%。7
本周多模态大模型发展呈现三大趋势:一是垂直领域深度融合,如MUSK在病理诊断的应用;二是基础能力持续突破,Qwen3-VL、GLM-4.6V等模型在长上下文、工具调用等方面树立新标杆;三是应用场景加速落地,从视频生成到企业知识检索,技术正快速转化为生产力。

评论

评论区空态插画

当前文章无评论,是时候发表评论了