#多模态

Meta搞了个Muse Spark 1.1，专门做智能体任务，工具调用和编码更强了，值得关注。

官方账号Meta AI@AIatMeta原文

Meta新出的多模态推理模型，百万token上下文，工具调用很强，但写代码不如Opus和GPT。

官方一手marktechpost@Asif Razzaq原文

Meta 新出的 Muse 在 agent 任务上直追 GPT-5.5，还有 1M 上下文和主动记忆管理，跑长任务再也不怕忘事了。

小互@imxiaohu原文

字节新出的 Seedream 5.0 Pro 能一键生成复杂信息图，还能像修图一样精准编辑图像，图文匹配和质感都更强了。

英伟达出了个Audex，30B参数但只激活3B，能听能说还不掉文本能力，MMLU-Redux得分86.4比原来还高一点。

腾讯混元直接从OpenAI挖研究员带队多模态，看来铁了心要在多模态大模型上发力。

官方一手Pandaily@contact@pandaily.com (Pandaily)11 个信源在谈原文

腾讯混元从OpenAI挖来田永龙负责多模态，看看国内大厂怎么抢人才的。

官方一手pandaily@contact@pandaily.com (Pandaily)11 个信源在谈原文

NVIDIA发了款新模型Audex，能同时搞定音频理解、语音识别、翻译、TTS和音频生成，而且几乎没牺牲原有文本模型的性能。

官方一手marktechpost@Asif Razzaq11 个信源在谈原文

Meta把图像生成做成了agent，能调用工具和自我改进，还能和Muse Spark配合做多媒体，挺有意思的。

官方账号Meta AI@AIatMeta原文

Meta新出的Muse Image和Muse Video，图像生成能精准按指令做，视频还带原生音频，比之前的模型强不少。

官方账号Meta AI@AIatMeta原文

Notion 出了个 Agents iOS 应用，能自动处理语音笔记、草图照片和夜间提问，就像口袋里有个团队帮你干活。

Notion@NotionHQ2 个信源在谈原文

中科院的？不是，Wiener Intelligence 这家做数据生成的公司直接把多模态模型发上了 Nature 子刊，医疗预后分析这事儿他们真干出来了。

官方一手pandaily@contact@pandaily.com (Pandaily)原文

Weina Intelligence 成了第一个发 Nature 子刊的中国数据生成公司，论文讲多模态深度学习模型做风险分层，挺有意思。

官方一手Pandaily@contact@pandaily.com (Pandaily)原文

日本政府打算砸1万亿日元搞AI机器人，到2040年铺1000万台，软银、索尼这些公司一起上，缺劳动力的可以关注。

字节豆包 Seedance 2.5 要上线体验中心了，能生成 30 秒视频还能同时用 50 个素材编辑，实打实提升视频创作效率。

阿里和蚂蚁团队搞了个优化，Qwen3-Omni实时对话延迟从6秒降到0.6秒，吞吐还翻了5倍多，推荐看技术博客。

官方账号vLLM@vllm_project原文