吉林大学团队：首创多模态AI错误识别评估框架
这项由吉林大学人工智能学院杨海琪、李金哲、李庚旭、常毅、吴元等研究者完成的重要研究，发表于2025年8月6日的计算机视觉领域权威期刊，探索了一个关乎AI安全性的关键问题。感兴趣的读者可以通过arXiv:2508.04017v1访问完整论文，研究代码已在GitH
模态
AI测试全攻略：零基础打造多模态模型评测平台
在AI技术日新月异的今天，如何有效评测大模型性能成为测试工程师面临的新挑战。本文将带您深入探索构建AI测试平台的实战过程，分享多模态模型评测的关键技术与设计思路。
研煌科技申请一种基于多模态大模型的数字人视频生成方法专利，推动AI数字人技术从实验走向大规模商业应用
国家知识产权局信息显示，浙江研煌科技有限公司申请一项名为“一种基于多模态大模型的数字人视频生成方法”的专利，公开号CN120472059A，申请日期为2025年04月。
高德地图联合通义千问推出AI出行智能体 支持语音、文本多模态交互
该智能体支持语音、文本多模态交互，其语音系统由双方联合研发，覆盖唤醒、识别、理解、播报全链路，应用全双工技术实现随时打断交互，并具备复杂声学环境抗回声能力。系统整合高德导航专用ASR模型、通用大模型ASR及综合理解模型，覆盖导航、本地生活及日常对话场景。
视觉中国跌0.53%，成交额4.41亿元，后市是否有机会？
微信公众号2024年12月6日发布，视觉中国宣布与国内知名短视频社交平台——北京快手科技有限公司（以下简称“快手科技”）达成战略合作协议，双方将共同研发和部署人工智能多模态大模型，以科技创新为驱动力，共同赋能视觉内容的创作与价值变现，引领行业进入智能化新时代。
【AI助手】一个标星36.1k多模态 AI 开发平台
OpenGithub社区：https://open.itc.cn/Github : https://github.com/OpenGithubs>>搜索开源推荐官头条社区: >>搜索开源推荐官知乎社区: >>搜索Open Github社区订阅榜单: >>Git
深聊GPT-5发布：过度营销的反噬与AI技术困局
与GPT-3到GPT-4的惊艳跨越相比，GPT-5的发布略显匆忙：翻车的数据图表、带bug的代码演示、误导的“博士级”科学原理解释，以及作为核心技术更新的“Router”（路由器）也被硅谷AI从业者指出是已经存在好几年的技术。
「一只手有几根手指」，你的GPT-5答对了吗？
今天，CMU 博士生、英伟达 GEAR（通用具身智能体研究）团队成员 Tairan He（何泰然）向 GPT-5 询问了这个问题，结果模型回答错了。
GPT-5发威，逼得马斯克 “放大招”？
2025年8月8日，OpenAI重磅推出GPT-5，这一消息瞬间点燃了全球科技爱好者的热情，也让整个AI行业为之一震。
三星Galaxy Z系列AI体验官北京站举行，多模态AI打造交互新范式
近年，人工智能（AI）正成为驱动智能手机行业创新与变革的核心引擎。8月7日，三星在北京举办了“Galaxy Z系列AI体验官”活动，展示了其最新一代折叠屏旗舰手机——Galaxy Z Fold7与Galaxy Z Flip7，及其搭载的创新Galaxy AI与
王潜：物理世界是所有智能的起点，也是所有智能的终点
“2025世界机器人大会”于8月8日至12日在北京经济技术开发区开幕，“AI 大模型赋能机器人与具身智能产业新范式交流活动”作为2025世界机器人大会的专题活动于8月8日同期召开。自变量机器人创始人兼CEO王潜出席并演讲。
腾讯张正友：具身智能必须回答的三个「真问题」
7 月 27 日，腾讯发布了具身智能开放平台 Tairos，以模块化的方式向行业提供大模型、开发工具和数据服务，试图为具身智能的研发和应用提供一套通用的支撑体系。
博时特发布AI数字人智能交互一体机
近日，博时特科技强势推出了一款商显智慧终端——AI数字人智能交互一体机。该款AI数字人智能交互一体机拥有人脸识别、语音互动、触控查询、导览解说、迎宾接待、业务办理等多功能服务模块，可以实现多模态交互、智能问答、场景化服务等功能。在客服、信息传播、教育、文旅等多
马斯克Grok4对决GPT-4o：谁才是AI王者？
当马斯克高调宣称Grok4"碾压所有研究生"时，OpenAI的GPT-4o却用实际表现给了当头一棒！这场科技巨头的AI对决，胜负早已藏在用户体验的细节里...
中信证券：GPT-5发布，性能&性价比不断提升，场景持续拓展
近期OpenAI发布GPT-5，引发资本市场关注。该模型推理能力进步明显，不仅在通用场景测试中得分较前代旗舰模型o3提升明显，而且在幻觉测试中错误率最低降低至0.7%；定价与Gemini 2.5 Pro等主流模型持平，性价比显著提升。而在垂类场景如编程和医疗上
GPT-5 没有惊喜，但信号拉满
但相比此前GPT-3到GPT-4所带来的全方位升级，许多人表示，这次GPT-5并没有带来更多的惊喜，从发布会规模、产品亮点、到性能升级，都显得较为平庸，相较当前主流SOTA模型，提升幅度并不显著。
OpenAI发布GPT-5：模型可靠性提升45%，多领域性能创行业新高
2025年8月7日，OpenAI正式发布GPT-5系列模型，该模型在编码、数学、写作、健康、视觉感知等领域的性能均实现显著突破，同时通过智能路由架构和深度推理模块大幅提升了可靠性。GPT-5被定位为OpenAI首个“统一”人工智能系统，整合了基础模型的效率与深
武汉理工数字传播工程申请基于多模态的声音生成方法专利，生成高质量的音频或音乐
国家知识产权局信息显示，武汉理工数字传播工程有限公司申请一项名为“一种基于多模态的声音生成方法”的专利，公开号CN120452412A，申请日期为2025年05月。
Skywork AI：1.5B小模型实现多模态图像处理
这项由Skywork AI多模态团队完成的研究发表于2025年8月，展示了他们开发的Skywork UniPic模型的卓越能力。有兴趣深入了解的读者可以通过GitHub（https://github.com/SkyworkAI/UniPic）和HuggingF
鸿蒙智行享界 S9T 旅行车智能底盘 & 途灵平台全系满配
华为智选车产品总监（享界系列）彭磊今日发文介绍鸿蒙智行享界 S9T 旅行车产品信息第七弹：智能底盘 & 途灵平台。据称，享界 S9T 旅行车一大“爆点”是全系满配空气悬架 + 连续可变阻尼减震器 CDC + 双叉臂前悬 + 多连杆后悬 + 华为途灵平台 3.0