多模态场景直接选Gemini Omni，ChatGPT只在纯文本和工具链上有优势_办公软件

1. 东大和漂亮国，AI实力的全面对比#AI #Deepseek #chatgpt #Gemini #AI技术

2. #千问Qwen3.5大模型发布#刚刚阿里正式发布全新一代大模型千问Qwen3.5-Plus。用户可在千问APP、千问PC端体验，点击页面顶部千问图标，即可切换模型，体验Qwen3.5-Plus。Qwen3.5已经从纯文本模型进化到原生多模态模型，不管是推理能力，还是多模态理解与更高效的运行体验#how i ai##过个有ai年#

3. 谷歌发布 Gemini3Pro，其多模态理解和生成能力将如何影响 AI 发展？

4. 谷歌闷声放大招：Gemini 3 Pro 的多模态杀手锏曝光

5. 多模态大模型这条赛道，阿里云开始拉速度了

6. 阿里千问与“AI Layer”崛起：一场重塑互联网的“操作系统”生态战【硅谷101】

7. 【直播回放】解析谷歌Gemini 3：“AI 全模态”时代与Scaling Law的极致执行

8. 把手教你用上开源版Claude Code，Windows系统接入保姆级教程！

9. DeepSeek发布多模态论文又连夜删除

10. GPT‑5.4深夜发布，百万网友“养”的龙虾，终于有了灵魂

11. GPT-5.4：OpenAI做了个Kimi K2.5 +MiniMax M2.5？

12. 如何评价OpenAI最新发布的GPT-5.4 mini和GPT-5.4 Nano?

13. 手写办公本怎么选？热门产品汉王M10 mini与科大讯飞Air2 Pro对比评测

14. 商汤SenseNova U1：原生多模态统一模型的范式革命

15. #Google发布Gemini3.1Pro#Gemini3.1 Pro在核心推理能力上更进一步。在ARC-AGI-2（一个评估模型解决全新逻辑模式能力的基准测试）测试中，3.1 Pro获得了77.1%的验证分数，在推理表现上达到3 Pro的2倍。其他专业领域都有突破: 学科知识:在 GPQA 钻石级测试中得分为 94.3%；编码:在 LiveCodeBench Pro 上 Elo 得分为 2887，在 SWE-Bench Verified 上得分为 80.6%；多模态理解：在 MMMLU 测试中达到了 92.6%。即日起，3.1 Pro 将陆续上线。#过个有AI年##HOW I AI#

16. Google 放大招！Gemini 3.1 Pro 正式发布，推理能力翻倍！免费使用方法来了 | 零度解说

17. OpenAI 把 ChatGPT 做成了 Google Sheets 插件，现在可以直接在表格里用自然语言建表、编辑、分析数据。今年 3 月，OpenAI 先发布了 ChatGPT for Excel 测试版，当时就预告了 Google Sheets 版本即将到来。现在这个承诺兑现了。用户可以从 Google Workspace Marketplace 直接安装。用法很直观：打开一个空白表格，用自然语言告诉 ChatGPT 你想做什么，它会帮你建表、填数据、写公式、做分析。官方举的例子从婚礼策划到咖啡店商业计划再到财务规划，覆盖面很广，核心卖点就是"不用学公式，说人话就行"。Anthropic 已经有了 Claude for Excel，而 OpenAI 选择同时覆盖 Excel 和 Google Sheets 两个生态。Google 自己的 Gemini 也在往 Workspace 里深度整合 AI 能力。三家的战场正在从聊天窗口转移到办公工具里，谁能在用户日常工作流中站稳脚跟，谁的护城河就更深。对普通用户来说，以前想在表格里用 AI，要么装第三方插件（GPT for Sheets 之类的），要么在 ChatGPT 和表格之间来回复制粘贴。现在官方亲自下场，体验和稳定性理论上会好不少。目前 ChatGPT for Excel 的测试版已经开放给 Business、Enterprise、Edu、Pro 和 Plus 用户，Google Sheets 版本的具体订阅要求还没有明确公布，感兴趣的可以先去 Marketplace 页面看看自己的账号是否有权限安装。ChatGPT for Google Sheets Listing: 网页链接

18. 北交&地平线提出DIVER：扩散+强化的多模态规划新框架

19. 当前，如何评价Gemini、Claude、ChatGPT、DeepSeek和Grok的综合表现?

20. 你觉得AI终极对决里，生态护城河和单一爆款技术，谁能笑到最后？#大咖观察 #谷歌 #OpenAI #ChatGPT #红衣聊AI

21. #用声音马住中国年##微博声浪计划# 谷歌Gemini3.1Pro正式发布，推理能力翻倍，ARC-AGI-2测试得分77.1%，科学知识测试GPQA Diamond达94.3%。多模态升级支持100万token长上下文，定价维持不变，成本仅为竞品一半。但存在稳定性问题，中国用户暂无法直接使用。#谷歌Gemini3.1Pro正式发布# 酷车同学的微博音频

22. 多名用户反馈，DeepSeek在网页端和APP端进行了版本更新，支持最高1M(百万)Token的上下文长度。而去年8月发布的DeepSeekV3.1上下文长度拓展至128K。记者实测中发现，DeepSeek在问答中称自身支持上下文1M，可以一次性处理超长文本。(科创板日报)

23. OmniLottie，复旦及阶跃星辰等单位的研究成果。该研究提出了首个Lottie表征的矢量动画生成工具，只需要用户输入一张图片或一个指令就能生成矢量动画。下为作者介绍：Omnilottie：矢量动画的全新范式🎉 欢迎关注我们团队的新工作 OmniLottie，已被 CVPR 2026 接收！这是我们在矢量动画生成方向的一次全新探索，首次用大模型直接生成 Lottie 格式动画。和传统视频生成不同，Lottie 是前端原生的矢量格式：体积超小、无损缩放、还能直接编辑修改。💡 核心贡献：- 🧩 设计了一套 Lottie Tokenizer，将复杂 JSON 动画压缩到大模型可学习的粒度（约 10 倍压缩！）- 🎨 支持文本 / 图片 / 视频多模态输入，端到端直出可用的 Lottie- 📦 构建了 MMLottie-2M 数据集——200 万条多模态动画数据- 🚀 全面开源：模型权重 / 推理代码 / 数据集 / Benchmark / 在线 Demo#How I AI#

24. #Google发布Gemini3.1Pro# 2 月 19 日，Google 就发布了 Gemini 3.1 Pro，从第三方评测机构 Artificial Analysis 的数据看，Google 重新拿回了综合智能指数的榜首。3.1 Pro 最大的亮点在推理。ARC-AGI-2（测试模型解决全新逻辑模式的能力）得分从 Gemini 3 Pro 的 31.1% 跳到 77.1%，翻了一倍多。对比竞品：Claude Opus 4.6 得分 68.8%，GPT-5.2 为 52.9%。Humanity's Last Exam（高级学术推理）上 3.1 Pro 得分 44.4%，也高于 GPT-5.2 的 34.5% 和 Claude Sonnet 4.6 的 33.2%。GPQA Diamond（科学知识）拿到 94.3%，同样是所有模型最高。#过个有AI年##HOW I AI#

25. 今天，也就是2026年2月14日，字节跳动正式发布了豆包大模型2.0（Doubao-Seed-2.0）系列，官方宣布这标志着豆包全面进入Agent时代。这次更新推出了Pro、Lite、Mini、Code全家桶，Pro版直接对标国际顶尖如GPT-5.2和Gemini 3 Pro，亮点非常多，尤其在真实世界复杂任务执行、多模态理解和性价比上表现出色。🔻主要亮点和技术升级1. 全面进入Agent时代，强化复杂任务执行 豆包2.0不再只是聊天工具，而是针对大规模生产环境系统优化，重点提升高效推理、多模态理解和复杂指令执行能力。能更好地处理多约束、多步骤、长链路任务，已具备支撑高价值真实世界任务的基础。比如长链推理、Agent规划执行等场景更可靠。2. 多模态能力大幅跃升，多数基准达SOTA 视觉与多模态理解更稳健：对复杂文档、表格、图表、图形、视频的解析显著提升，视觉推理、空间理解、运动理解、长视频分析等达到全球顶尖水平。Pro版在大多数视觉基准测试中拿最高分，支持更精准的多模态感知和推理。3. 数学、推理、编程能力顶尖 Pro旗舰版在IMO、CMO数学竞赛和ICPC编程竞赛中取得金牌成绩，在Putnam基准上超越Gemini 3 Pro，数学和推理能力已达世界顶尖。能尝试埃尔德什级数学问题、完成研究级科学编程任务。4. 全家桶灵活适配不同场景 • Pro：深度推理 + 长链路任务，旗舰对标GPT-5.2 / Gemini 3 Pro。 • Lite：性能与成本平衡，综合能力超上一代主力豆包1.8。 • Mini：低时延、高并发、成本敏感场景。 • Code（Doubao-Seed-2.0-Code）：专为编程优化，与TRAE（字节AI编程工具）结合效果最佳，支持多模态输入（如代码截图）。5. 超强性价比，token成本降低约一个数量级 Pro版定价（32k以内输入）：3.2元/百万tokens，输出16元/百万tokens，远低于Gemini 3 Pro和GPT-5.2。Lite输入仅0.6元/百万tokens。在长链路、大规模推理场景下，成本优势巨大，真正让AI“用得起”。🔻体验入口：豆包App切换“专家”模式即可用Pro对话；Code版已在TRAE接入；开发者可通过火山引擎API调用全系列。🔻简单对比GLM-5和通义千问（Qwen）M2.5等同批更新模型从当前公开信息看（2026年2月数据），豆包2.0 Pro在数学/推理（如IMO金牌、Putnam超Gemini 3 Pro）和多模态视觉理解上特别突出，整体对标国际前沿（如GPT-5.2级别），推理链更长、Agent执行更稳。GLM-5（智谱）和通义千问M2.5（阿里）也在2025-2026密集迭代，强在中文理解、工具调用和生态（如通义千问的图像/视频生成），但字节这次强调真实世界复杂任务+极致性价比，Pro在部分国际基准领先，成本更低一个量级，适合企业级大规模部署。国内模型差距已非常小，各有侧重：字节更偏多模态+Agent执行，阿里/智谱在开源和通用中文生态更成熟。你已经试过豆包2.0了吗？我是用了，确实好。字节真是国产之光。🚀 #豆包大模型2.0发布# #HOW I AI# #过个有AI年#

26. #科技先锋官# 机器人与实时视觉正成为全球AI技术竞争的核心赛道，各大巨头纷纷加码布局，通过多模态融合、本地智能升级、感知体系革新等创新方向。这一突破重构了机器人的环境交互能力，更拓宽了AI在工业、服务、创意等多场景的应用边界。谷歌DeepMind的创新极具颠覆性，其发布的Gemini Robotics On-Device实现关键突破，成为首个可在机器人本地独立运行的视觉-语言-动作模型。该模型摆脱云端依赖，通过多模态Transformer架构深度融合视觉感知、语言理解与动作规划，响应延迟降至毫秒级，弱网环境下任务完成率超95%，仅需50-100次演示即可让机器人掌握新技能，大幅降低部署成本。OpenAI则通过o3/o4-mini多模态模型强化视觉推理能力，实现带图思考的全新范式，能将图像融入思维链，在医学影像分析、图表解析等场景展现出精准的视觉理解与决策能力。腾讯鸿元发布HY-Motion 1.0模型，聚焦高质量3D动作生成，为机器人实时动画、虚拟人交互提供核心技术支撑；智谱与华为联合推出的GLM-Image多模态模型，在图像生成与编辑领域实现突破，适配国产算力底座。行业层面，DA3通用三维视觉模型、OpenTau开源训练平台等技术的涌现，正推动机器人视觉从多模型适配走向统一化、轻量化，为产业规模化落地奠定基础。#AI生活指南##一条vlog回顾2025##AI创造营# 种斌Marco的微博视频

27. OpenAI深夜祭出GPT-5.4，暴击Claude！原生操控电脑，打工人悬了

28. 绘图和AI结合，提升你的图表创作效率。Next AI Draw.io 是一个基于 Next.js 的开源项目，将强大的大语言模型（LLM）能力与 draw.io 图表编辑深度整合，支持通过自然语言指令创建、修改和增强各种复杂图表。不仅可以通过文字命令快速生成 AWS、GCP、Azure 等云架构图，还能上传图片让 AI 自动复刻和优化，支持版本管理，可以随时回溯和恢复历史图表。内置交互式聊天界面，让你实时和 AI 交流，逐步完善你的设计方案。主要功能：- 利用大语言模型直接用自然语言生成和编辑 draw.io 图表- 支持上传图片，自动识别并复刻图表- 完整的版本控制，支持历史记录查看与恢复- 交互式聊天界面，实时调整图表内容- 专门支持 AWS 架构图及动态动画连接线绘制项目已在 GitHub 开源，适合架构师、产品经理、设计师和开发者使用，快速提高图表制作效率。 GitHub 地址：github.com/DayuanJiang/next-ai-draw-io 在线体验：next-ai-draw-io.vercel.app安装简单，支持多种 AI 服务商接入，满足不同需求。将 AI 助力融入日常设计，让复杂的图表工作变得轻松且高效。爱可可-爱生活的微博视频

29. Gemini，ChatGPT，Grok，Claude，Deepseek这五款大模型分别适用什么场景？

30. 【阿里千问发布全模态大模型 Qwen3.5-Omni】阿里云正式发布新一代全模态大模型 Qwen3.5-Omni，在音视频理解、识别、交互等 215 项第三方测试任务中取得 SOTA，成为目前全球最强的全模态大模型之一。关键数据 1：支持 113 种语言及方言的语音识别，36 种语言及方言的语音生成；关键数据 2：可处理超 10 小时音频输入，自然涌现“音视频编程”能力（口述需求直接生成代码）；时间 / 价格：用户可于 Qwen Chat 免费体验，企业可通过阿里云百炼平台调用 API。从“多模态理解”到“音视频编程”，Qwen3.5-Omni 将 Vibe Coding 推向新阶段，大模型正从“对话工具”进化为“跨模态生产力平台”，加速渗透影视制作、内容审核等高价值场景。#阿里千问 #Qwen3.5 #全模态大模型 #AIGC#

31. #阿里发布旗舰推理模型# 阿里发布旗舰推理模型Qwen3-Max-Thinking，是目前阿里规模最大、能力最强的推理模型，总参数量超万亿（1T），预训练数据量高达36T Tokens。经过大规模强化学习训练，该模型在涵盖事实知识、复杂推理、指令遵循、人类偏好对齐等19个公认的大模型基准测试中，刷新多项最佳表现纪录，整体性能可媲美 GPT-5.2-Thinking-xhigh、Claude Opus 4.5 和 Gemini 3 Pro。

32. ChatGPT、Claude、Gemini 分别擅长什么？

33. 阿里云发布多模态交互开发套件

34. 【#千问上线新模型#】3月30日，阿里千问宣布全模态大模型Qwen3.5-Omni上线。Qwen3.5-Omni系列包含Plus、Flash、Light三种尺寸的Instruct版本，支持256k长上下文，模型支持超过10小时的音频输入及超过400秒的720P(1FPS)音视频输入。模型在海量文本、视觉以及超过1亿小时的音视频数据上进行原生多模态预训练，该模型展现出卓越的全模态感知与生成能力。相比Qwen3-Omni,Qwen3.5-Omni多语言能力大大增强，能够支持113种语种和方言的语音识别和36种语种和方言的语音生成。（财联社）

35. 轻至 26g！AI录音+智能交互的眼镜能否解放双手？Vidda G11智能眼镜开箱体验

36. Seedance 2.0最强对手偷跑了

37. AI对决:ChatGPT在与Gemini 7项真实场景测试中胜出

38. 谷歌Gemini Omni突然曝光硬核能力改写AI视频格局

39. 谷歌发布多模态大模型旗舰Gemini Omini

40. 谷歌发布多模态大模型旗舰Gemini Omini

41. Gemini vs. ChatGPT: What's the difference? [2026]

42. 最强多模态大模型Gemini 3 Pro强在哪里？

43. 2026年AI多模态能力实测:GPT-5.2 vs Claude 4.5 vs Gemini 3图像/视频/音频处理全方位对比

44. Gemini 3.1 Pro 原生多模态架构深度拆解：统一表示与联合训练

45. 2026年Gemini 3 vs ChatGPT 5.4对比：两大顶级AI模型如何选择？ - 哔哩哔哩

46. 阿里发布Qwen3.5-Omni，多模态能力超越Gemini-3.1 Pro

47. 前端开发提效200%：ChatGPT5.4与Gemini 3 Pro联手打造UI代码生成工作流

48. Gemini 3.0 vs ChatGPT:谁更强?实测对比来了

49. AI 绘图双雄对决：Gemini 与 ChatGPT 谁才是真正的“流程图大师”？

50. Gemini 3深度实测

51. Gemini 3.1深度测评：号称最强多模态AI，实测到底有多强？

52. Gemini 3 API 和 GPT-5 API 怎么选？2026 实测对比 + 代码示例

53. 多模态大模型前沿算法与实战应用教程

54. 恐怖的多模态能力！一键将草图转前端页面 Qwen 3.5-Omni的多模态能力让我感到震惊，上一次有这种感受还是GPT4o发布的时候。我随手画了一个应用草图，它能读懂我的需求并和我沟通，在对话的过程中实时写代码。也能看懂我的视频及图片内容，给我优化建议。能听懂、看懂并把事情做好，这可能就是多模态模型的最终答案。 #qwen #qwen35omni #ai工具 #ai #aigc

55. ChatGPT能看懂视频了！Gemini最强能力被OpenAI偷家

56. 当语音融入对话框：ChatGPT 一体化多模态交互长什么样？

57. Google DeepMind 正式发布了 Gemini 3 Flash:多、快、好、省

58. AI大模型深度对比Gemini vs ChatGPT vs Claude Code谁是当下最优

59. 原生多模态碾压，Gemini3.0实现跨维度全能

60. Gemini 3及多模态模型专题解读

61. ChatGPT 怎么添加图片？

62. 2026年Gemini技术拆解：原生多模态能力解析与国内镜像实测

63. Gemini在多模态图像处理上的领先性核心在于底层原生多模态融合架构，而非简单的功能叠加；它可保留图像原生宽高比，实现像素级精准分析与空间感知，避免缩放裁剪的细节损失；兼具高准确率的图像文本解析能力，能完成图表数据提取等跨模态复杂任务，多模态推理表现突出，可处理多图序列并保持逻辑连贯；同时支持自然语言驱动的精准局部图像修改，让多模态图像处理更高效自然。

64. ChatGPT多模态图片添加教程：新手也能轻松上手，零门槛操作

65. Gemini多模态全能教程：图文音视频一键搞定，新手零门槛上手

66. ChatGPT、Gemini 哪个最强？该怎么选？

67. 实测干货！Gemini多模态高效用法，图文音视频全场景实操攻略

68. ChatGPT多模态功能实测复盘，图文音视频协同效率优化指南

69. 手撕大模型Day 12：多模态大模型主流架构详解

70. ClaudevsGemini 技术拆解对比：2026年两大顶级模型镜像站如何选

71. Gemini-AI图像瞬间变3D模型

72. Gemini 3 技术拆解：原生多模态与推理能力升级

73. Qwen2.5-Omni-7B｜开启多模态理解与生成的新纪元

74. Gemini多模态能力拆解：图表识别、OCR、视频理解的准确率实测

75. GPT claude和gemini哪个好点呢？

多模态场景直接选Gemini Omni，ChatGPT只在纯文本和工具链上有优势

精选参考来源