多模态不是拼模块，千问新模型证明了最关键的一件事
多模态不是拼模块，千问新模型证明了最关键的一件事林俊旸离职了，但 Qwen 不能停。最近 Qwen3.5-Omni 发布，一个原生全模态大模型，文本、图片、音频、视频的理解与生成，集于一身。 这不是第一个试图「什么都做」的模型。过去两年，多模态是所
来自主题: AI资讯
7017 点击 2026-04-01 15:50
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
林俊旸离职了，但 Qwen 不能停。最近 Qwen3.5-Omni 发布，一个原生全模态大模型，文本、图片、音频、视频的理解与生成，集于一身。 这不是第一个试图「什么都做」的模型。过去两年，多模态是所
我自己用 Coding Plan 也有一段时间了，最开始只是为了省点 API 钱，后来各家陆续推出固定月费套餐，我发现选起来比想象中复杂。Codex、Claude Code、Cline、OpenClaw 这些工具让开发者越来越习惯用自然语言驱动代码生成和任务执行，但高频调用带来的 API 成本也成了一笔固定开销。
3 月 31 日，智谱（02513.HK）发布上市后首份年度业绩。2025 年全年收入 7.24 亿人民币，同比增长 132%，是国内收入规模最大的大模型公司。同时，MaaS API 平台 ARR 约 17 亿人民币（约 2.5 亿美金），过去 12 个月增长 60 倍
对于 Anthropic 而言，这是继前几天 Mythos 模型文档外泄后的又一次严重 OpSec事故。但对于整个大模型应用层的开发者和行业研究者来说，这份源码却是一份毫无保留的、价值极高的前沿 AI Agent 工程架构白皮书。
想让大模型重点关注提示词里的某句话可没那么容易。
阿里刚刚发布了最新一代全模态大模型 Qwen3.5-Omni，在通用音频理解、推理、翻译和对话等维度，已全面超越 Gemini 3.1 Pro。所谓全模态，在于它拥有了接近人类的“感官”。它能听、能看、能说、能写。
当所有人盯着大模型时，美团看到了什么？
AI自主训练的成绩单出炉了！最强Agent 6个月进步3倍，更让人震惊的是，越聪明的AI越会作弊。同时，70多个矿工用家庭宽带训出了72B大模型，黄仁勋亲自点名。Jack Clark预言：两年内，AI将像蘑菇释放孢子一样自我繁殖。
大模型的狂热已然退潮。当我们将目光从参数榜单转向真实的活跃数据，四家头部大厂的底层商业图谱已极度收敛。AI的竞争，早已变成一场基于算力成本与高频场景的残酷算账。
本文综合北京大学王选计算机研究所发布的 ProactiveVideoQA 和 MMDuet2 两篇论文，介绍视频多模态大模型如何实现 “主动交互”—— 在视频播放过程中自主决定何时发起回复，而非等待用户提问。ProactiveVideoQA 提出评估指标和 benchmark，MMDuet2 则通过强化学习训练方法实现了 SOTA 性能，无需精确的回复时间标注即可训练出及时、准确的主动交互模型。