多模态大模型

上海人工智能实验室发布InternLumina-U2，尝试将文本、图像、视频与3D纳入同一框架，以多码本扩散架构和约160亿参数MoE模型支撑统一处理，单次推理激活参数约10亿。它或可减少多模型串联，服务内容生产、客服、工业视觉和数字孪生，但公开评测仍是初步、部分结果，企业究竟该如何验证其真实能力与部署成本？

DeepSeek V4.1 Flash采用原生视觉与MoE架构，输入、输出阶段分别激活约80亿和160亿参数，并以较小KV缓存支持长上下文与高并发。企业选型不能只看5520亿总参数，还应综合权重显存、专家通信、视觉输入、缓存管理及端到端成本，在目标硬件和业务负载下实测。

ADSE2026六大核心展区就位，全维进化启幕   北京AI数字科技智慧医疗展（ADSE）六大核心展区全部规划就位，AI智慧医疗产业全维进化正式启幕。展会定于2027年6月26-28日在北京亦创国际会展中心举办，展览面积3.5万㎡…

DeepSeek启动V4.1 Flash限时内测，该版本采用新架构并原生支持多模态，旨在提升能力与速度并降低成本。正式版预计9月10日前后发布，届时将实施峰谷分时计费。过渡期内V4 Pro请求将路由至此版本并按Flash价格计费。

智谱推出GLM-5.3-Flash，保持320B总参数，激活仅18B，层数45层并采用稀疏线性混合注意力，使推理成本降至前代十分之一（输入0.15美元/百万Token，输出0.50美元），支持视觉，适用于前端、游戏和3D仿真等场景。

GLM-5.3-Flash以320B总参数、18B激活参数和混合注意力架构，体现大模型竞争由参数规模转向推理效率、长上下文成本与部署可行性。其原生多模态、开源及适配信息，为企业评估智能体、编程和自动化场景时同步衡量能力、成本与交付能力提供样本。

智谱GLM-5.3-Flash以320B总参数、18B激活参数和原生多模态能力开放API，价格下探不等于智能体总成本降低。团队应基于真实任务，统筹上下文、工具调用、重试与人工介入，按成功任务评估端到端成本和稳定性。

GPT-6 Astra于9月6日前后分阶段上线，覆盖ChatGPT Work、Codex和API，核心从问答转向跨页面、跨工具完成任务。其支持文本与图像输入、105万token上下文，并提供企业智能体能力；企业仍需评估成本、权限、审批、数据安全和人工复核。

本届赛逸展总展览规模3.5万㎡，定向甄选395家优质科创企业参展，汇聚2.6万名付费专业观众，集结10支海外采购团与5家国际财团，打造国际化、专业化、市场化的产业对接平台。展会依托北京亦庄顶尖的科创产业集群优势，联动本地三百余家产业链企业，为海外品牌落地中国提供全方位生态支撑。

OpenAI发布GPT-6 Astra，将文本与图像输入统一接入任务执行链路，可生成文档、表格、演示文稿及代码。OSWorld 2.0完成准确率72.6%，任务耗时较上代缩短约47%。企业可优先探索文档批量生产、图像理解入流程及长任务代码辅助，但需权衡数据接入成本、安全边界与任务可靠性。

从“看懂人”到“行动如人”，Human-Centric AI正成为基础模型研究新焦点。研究路径可拆为外观感知、空间几何与行动推理三层，强调对人的连续状态建模，而非孤立任务堆叠，推动模型从识别转向理解与交互。