首次在統一框架內實現理解與生成的“雙優表現”，打破了多模態統一建模的僵局!複旦大學和美團的研究者們提出了UniToken——一種創新的統一視覺編碼方案，在一個框架內兼顧了圖文理解與圖像生成任務，並在多個權威評測中取得了領先的性能表現。UniToken通過融合連續和離散視覺表征，
......
本文由站長之家合作伙伴自媒體作者“量子位公衆號”授权发布于站長之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（舉報）
上海码极客在WAIC2025展会上展示了四大核心产品线：1）MAGX系列空间智能本体，赋予机器感知与行动能力，其中智能卸货机器人效率提升33%；2）UU系列多模态交互智能体，包括随身AI助手UU Holo和视频分析智能体UU Video Agent；3）工业AI检测产品，如Mini LED AOI和晶圆外观检测设备；4）城市治理空间智能体"悠然智擎"，实现全域感知与智能决策。公司由申恒涛院士领衔，拥有200+自主知识产权，服务500+头部客户，致力于通过空间智能和多模态世界模型技术推动产业智能化升级。
【AI日报】主要内容： 1. B站测试"花生AI"视频工具，3分钟可成片，同时推进自研大模型和多语言翻译功能 2. 昆仑万维开源多模态模型Skywork UniPic 2.0，实现高效统一的多模态生成能力 3. 马斯克指责苹果偏袒OpenAI，苹果回应称平台设计公平公正 4. 腾讯混元发布52B参数多模态理解模型Large-Vision，支持任意分辨率输入 5. DeepSeek官方否认8月发布R2模型的传闻 6. OpenAI推出超值ChatGPT Go套餐，仅399卢比降低使用门槛 7. AI新贵Perplexity豪掷345亿美元收购谷歌Chrome 8. Anthropic的Claude Sonnet 4模型支持100万token上下文 9. ChatGPT重大更新：恢复GPT-4o默认模式，为GPT-5引入多模式选择，优化交互体验
GfK中怡康數據顯示，2025年上半年，中國冰箱市場穩健上行。線下市場零售額規模達到99.3億元，同比增長7.4%;零售量規模約爲139.2萬台，同比增長3.7%。市場格局方面，TOP3品牌地位穩固，海爾系、海信系、美的系分別以46.4%、16.4%、15.5%的份額占據市場前三，截至7月，海爾系份額進一步漲至47%。那麽，在世界冰箱業版圖中，中國品牌的表現又如何呢?根據世界權威機構歐睿國際最新?
浙江大學與魔芯科技團隊合作，基于昇騰平台NPU開發了首個三維模型生成算法Img2CAD。該技術突破性地將草圖、圖片等多模態輸入通過Transformer結構高效轉化爲三維幾何信息，無需可微渲染器，完整在NPU上實現訓練和推理。研究成果可生成高精度3D模型，直接導入CAD軟件編輯，已應用于3D打印、數字制造等領域。項目完成3篇論文，包括1篇中科院1區期刊和2篇CCF-A類會議論文，部分成果實現商業化落地。該技術標志著智能三維內容創作進入"低門檻、高效率、高質量"新階段，未來將爲工業設計、AR/VR等行業提供創新動能。
《AI日报》精选AI领域最新动态：1)OpenAI发布GPT-5模型，具备强大多模态能力但推理任务仍有局限；2)知网推出AIKBase V2.0多模态数据管理系统；3)Ideogram新增"角色"功能实现图像风格统一；4)Cursor发布CLI版本支持终端AI编程；5)百度即将推出全新推理模型和文心5.0大模型；6)dots.ocr推出1.7B参数多语言文档解析工具；7)特斯拉解散Dojo超算团队转向英伟达合作；8)谷歌Pixel 10引入AI相?
【AI日报】今日AI领域重要动态：1）阿里开源WebAgent项目WebShaper，GAIA评测超越Claude4-Sonnet；2）Moonvalley推出草图转视频功能，支持手绘生成电影级视频；3）腾讯X-Omni模型实现圖文理解重大突破；4）百度搜索测试AI应用中心入口；5）Midjourney+新增个性化推薦功能；6）GPT-5或于2025年夏季发布；7）Ollama推出桌面客户端；8）OWL团队开源多智能体协作工具Eigent；9）OpenAI年收入激增至120亿美元；10）英伟达H20芯片因安全风险被约谈；11）万兴科技天幕2.0模型国内排名第四，与华为云共建AI视频实验室。
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的熱點内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、智谱GLM-4.5V开源发布:全球100B级最佳视觉推理模型智谱宣布推出并开源了全球100B级效果最佳的开源视觉推理模型GLM-4.5V，这是该公司在通向通用人工智能（AGI）道路上的又一重要探
本文探讨了如何从众多AI大模型中选择最适合自身需求的模型。文章提出应从四个核心维度进行评估：1)核心能力对比，包括通用任务表现和特定领域专长；2)成本与效率，考量API调用成本和响应速度；3)本地化与数据安全，满足合规要求；4)生态与社区支持，关注开发者活跃度和文档完善度。为解决模型对比难题，推薦使用专业平台如AIbase模型广场，可一站式对比主流模型的多维参数和评测数据。通过系统化评估，开发者能更高效地选择契合业务需求的AI模型。
豆包App近期升級視覺推理能力，支持在思維鏈中運用圖像思考。用戶上傳圖片提問時，豆包能主動分析圖片內容，智能放大局部細節確保不遺漏關鍵信息。對于複雜圖片，還能智能裁剪並調用搜圖功能提供更准確結果。升級後的豆包可智能調用多種工具輔助分析圖片，無論是日常識物、商品查詢，還是工作學習中分析圖表、專業圖片，都能給出更精准實用的答案。據悉，豆包是國內首個實現這一能力的産品，用戶可免費體驗。
2025年中国互联网大会在北京开幕，聚焦"数驱新质·智创未来"主題，重点探讨AI、5G/6G、低空经济等前沿技术。大会指出AI发展正从大模型转向智能体(AI Agent)时代，微软CEO纳德拉等科技巨头已布局智能体产品。专家分析智能体由"大模型+记忆系统+工具调用+规划能力"构成闭环系统，能自主完成任务并优化结果。微美全息等企业正推进多模态大模型技术重构行业服务模式，构建"技术-产品-行业"一体化生态。行业共识2025年将成为智能体爆发元年，尽管尚处早期阶段，但微软、谷歌、OpenAI等已加速布局，如OpenAI推出的ChatGPT Agent。智能体被视为实现AGI的重要路径，将推动人机协作进入新阶段。
