多模态 大事记
AIHOT重要进展资料来源于AIHOT，不代表青峰联创已逐项独立核验。AIHOT专题 ↗
数据校验时间：2026-11-06 06:07:29 UTC；数据待更新，显示最近有效快照
重要进展 IMPORTANT_PROGRESS
2026-08-05 — 2026-08-05
重要进展 · 第 6 / 22 页
模型
字节 Seed 发布 SeedRealtime 音视频全双工大模型，走向全模态自然交互
多模态 精选历史资讯
AIHOT · 精选 · 不计入本站文章主题归属复核已到期或尚未完成；当前展示上次核验的历史缓存，不代表最新已确认的主题归属。
— · 4 条
精选资讯 · 第 1 / 2 页
PaddleOCR 发布 3.5 版本，正式将 Transformers 确立为运行 PP-OCRv5 及 PaddleOCR-VL 1.5 模型的可选推理后端之一。此次更新引入了更灵活的 `engine` 与 `engine_config` 参数，允许开发者自主选择后端并配置数据类型、设备等选项。其核心价值在于，显著降低了将文档处理能力集成至以 Transformers 为中心的主流开发栈（如 RAG、智能体、文档AI）的门槛，使开发者能更便捷地利用现有生态，减少集成阻力，从而专注于下游应用构建。
Grok可以处理视频了
[引用 @XFreeze]：你现在可以将整个视频上传给Grok，让它实时为你分析、总结、翻译、解释场景或提取重要上下文。
Grok能够理解完整的视频——而不仅仅是图像和文本。
它具备原生多模态能力和极其强大的视觉理解能力。
Grok Imagine
现已向所有 X Premium+ 订阅者开放
这是我们的图像生成模型，由 xAI 开发
