1
阿里发布 Qwen3.8-Omni-Flash 全模态模型：音视频能力提升，百万 Token 图文音视频输入 0.8 元
IT之家 9 月 18 日消息，阿里千问今日正式上线新一代原生全模态模型 Qwen3.8-Omni-Flash，并已在千问 AI 平台提供。该模型可同时处理文本、图像、音频和视频输入，支持 1M 上下文。 全模态模型指可同时处理文本、图像、音频、视频等多种输入形式。官方称，该模型在保持同尺寸文本模型…
2
微信 WeMM-Embedding 多模态模型已在微信大规模使用：覆盖朋友圈搜索等，每天调用量 10 亿次
IT之家 9 月 8 日消息，微信 AI 官方在 9 月 4 日宣布， 将通用多模态嵌入模型 WeMM-Embedding 开源 ，包含 2B、4B、9B 三个版本，支持文本、图像、视频、视觉文档以及任意交错的多模态输入。 据微信员工 @客村小蒋 分享，微信视觉团队最近开源的多模态模型 WeMM-E…
3
月之暗面第一代万亿参数多模态模型 Kimi K2.5 官宣月底结束服役
2.8万亿参数开源模型Kimi K3发布，刷新开源规模纪录，月之暗面大模型新里程碑。
IT之家 8 月 24 日消息，月之暗面 Kimi 官方微博今日宣布， 其第一代万亿参数多模态模型 —— Kimi K2.5 本月底即将结束服役 。 据IT之家此前报道， 今年 1 月，月之暗面宣布推出并开源了其最新的 Kimi K2.5 模型 。同时，Kimi 智能助手 K2.5 版本正式上线。用…
4
Multimodal Model Diffing for Feature Discovery and Control
用模型差分法定位多模态模型内部特征，实现精准控制与可解释性，干货满满。
arXiv:2608.09928v1 Announce Type: cross Abstract: Multimodal Large Language Models (MLLMs) exhibit strong visual understanding, yet the internal featu…
5
GRM: Utility-Aware Jailbreak Attacks on Audio LLMs via Gradient-Ratio Masking
音频大模型也难逃越狱攻击？GRM通过梯度比掩蔽实现效用感知攻击，兼顾攻击效果与音频质量，为多模态AI安全防御敲响警钟。
arXiv:2604.09222v2 Announce Type: replace-cross Abstract: Audio Large Language Models (ALLMs) enable spoken interaction but introduce new jailbreak vu…
6
资本重仓端侧物理AI：前海母基金数亿元押注，Om AI联汇加速端侧AI商业化落地
前海母基金数亿元押注，端侧原生物理AI模型开源，Om AI联汇加速商业化落地。
7
原生支持 4K 图像生成，商汤科技开源多模态模型 SenseNova U1.5-Lite-Preview 预览版本
商汤开源轻量级多模态模型，原生4K图像生成，性能多项超越上代，开源社区可玩。
IT之家 8 月 3 日消息，商汤科技今日宣布，面向社区开源轻量级统一多模态模型的预览版本 SenseNova U1.5-Lite-Preview。 ▲ SenseNova U1.5-Lite-Preview 生成 据介绍，得益于多项能力强化，U1.5-Lite-Preview 在多项主流生成 / …
8
小米 MiMo Code 官宣 7 月 26 日结束免费使用阶段
小米 MiMo Code 免费时代即将落幕，7月26日起收费，背后还有组织架构调整与新版模型发布，开发者需注意。
IT之家 7 月 23 日消息，小米 MiMo 官方今日宣布， 自 7 月 26 日 18:00 起，MiMo Code 将结束免费使用阶段 。 据介绍，限免结束后，用户可前往 Xiaomi MiMo API 开放平台订阅 Token Plan，继续享用 MiMo Code。 首次订阅 Token …
9
10
Six months of AI in 2026, and a whole lot of noise
2026上半年AI发展回顾：创新井喷但方向混乱，Agent Swarm等模型凸显失控风险。
Article URL: https://jatniel.dev/en/bytes/six-months-of-ai-in-2026-and-a-whole-lot-of-noise Comments URL: https://news.ycombinator.com/item?id=4858147…
11
Unified Multimodal Model for Brain MRI Imputation and Understanding
早录MICCAI 2026，提出统一多模态模型同步实现脑MRI数据补全与理解，打通医学影像分析新路径。
arXiv:2606.16484v1 Announce Type: cross Abstract: Multimodal large language models (MLLMs) hold great potential for medicine, as they inherit knowledg…
12
GRIP: Feedback-Guided Prompt Retrieval for Large Multimodal Models
大型多模态模型的提示检索新方法，利用用户反馈动态优化提示，提升生成质量与适应性。
arXiv:2606.12744v1 Announce Type: new Abstract: In-Context Learning (ICL) has become a powerful mechanism for adapting Large Language Models (LLMs) to…
13
Navigating Gigapixel Pathology Images with Large Multimodal Models
在arXiv上追踪前沿AI病理图像研究，一键访问最新多模态论文
arXiv:2511.19652v2 Announce Type: replace Abstract: Recent advances in large multimodal models have allowed for the development of interactive chat mo…
14
15
小米 MiMo Code V0.1.0 探索性 AI 编程助手发布并开源：基于 OpenCode 二次开发，采用 MIT 协议
小米开源探索性AI编程助手MiMo Code v0.1.0，基于OpenCode二次开发，支持多模态模型与语音控制，采用MIT协议。
IT之家 6 月 11 日消息，小米 MiMo 官方今日凌晨正式发布并开源 MiMo Code V0.1.0 —— 一款运行在终端里的探索性 AI 编程助手。 据介绍， MiMo Code 基于开源项目 OpenCode 二次开发，发布并开源，采用 MIT 协议 。它还内置限时免费多模态模型 MiM…
16
Large Language Models as Modal Models in Linguistics
探讨LLM作为语言学模态模型的新视角，论文从理论层面解析大语言模型的语言学应用价值
arXiv:2606.10467v1 Announce Type: new Abstract: The rapid advancement of large language models (LLMs) has intensified debates about their significance…
17
PaCX-MAE: Physiology-Augmented Chest X-Ray Masked Autoencoder
生理信号增强胸部X光自编码器，多模态基础模型新突破，被ICML 2026 Workshop接收。
arXiv:2606.01537v1 Announce Type: cross Abstract: Clinical diagnosis often requires combining imaging with physiological measurements, yet deployed mo…
18
Video Reasoning without Training
无需昂贵训练与冗长思维链，探索视频推理的高效新路径。
arXiv:2510.17045v2 Announce Type: replace-cross Abstract: Video reasoning using Large Multimodal Models (LMMs) relies on costly reinforcement learning…
19
BilliardPhys-Bench: Benchmarking Physical Reasoning and Visual Dynamics of Multimodal LLMs
首个针对多模态大模型物理推理的台球基准，测试从静态图预测动态的能力
arXiv:2605.30900v1 Announce Type: new Abstract: Current multimodal models handle static image recognition well, but intuitive physical reasoning remai…
20
从Token无上限到全员Agent：MiniMax的AI Native组织进化实践
MiniMax从Token无上限到全员Agent，揭秘AI Native组织的进化实践与多模态模型布局
与其焦虑AI，不如加入AI