多模态模型
BAAI EmuEmu是由北京智源人工智能研究院（BAAI）开发的多模态大模型，旨在通过统一的框架处理图像、文本和视频等多种模态数据。Emu 模型的核心特点是其强大的多模态生成和理解能力，能够实现从多模态输入到多模态输出的无缝转换。
StarVectorStarVector是一个由 ServiceNow Research、Mila – Quebec AI Institute 和 ETS Montreal联合开发的开源多模态视觉语言模型，专门用于将图像和文本转换为高质量的可缩放矢量图形（SVG）代码。
日日新SenseNova日日新SenseNova是商汤科技推出的一系列多模态融合大模型，旨在通过强大的多模态处理能力，实现文本、图像、视频等多种信息的原生融合，突破传统模型的限制。
GPT-4oGPT-4o是OpenAI推出的一款强大的多模态语言模型，其名称中的“o”代表“Omni”，即全能的意思，凸显了其多功能的特性。能够实时进行音频、视觉和文本推理等多模态交互，该模型可以实时响应用户对话，甚至在语音对话中能捕捉用户声音中的情
腾讯混元腾讯混元大模型（Tencent Hunyuan）是由腾讯公司全链路自主研发的通用大语言模型，具备强大的中文理解与创作能力、逻辑推理能力以及可靠的任务执行能力。该模型拥有万亿参数规模，采用混合
冒泡鸭冒泡鸭是由国内人工智能初创公司阶跃星辰推出的一款基于自研多模态大模型技术的AI互动平台。它为用户提供了一个集智能体互动、角色扮演、创意写作、情感陪伴等多功能于一体的AI体验。
Gemini谷歌Gemini是由Google DeepMind开发的下一代生成式人工智能模型家族，具有多模态能力，能够处理文本、图像、音频和视频等多种形式的输入。
讯飞星火讯飞星火是由科大讯飞推出的新一代认知智能大模型，具有强大的跨领域知识和语言理解能力，能够基于自然对话方式理解与执行任务。
MiniMaxMiniMax 是由国内领先的通用人工智能科技公司 MiniMax 团队开发的一系列先进的人工智能模型，专注于多模态通用大模型的研发。
SoraSora是一个功能强大的视频生成模型，具备高分辨率支持、多模态输入、视频编辑和互动能力。它通过扩散 Transformer 模型和时空编码块技术，实现了高效且高质量的视频生成。
GPT-4GPT-4是由OpenAI开发的大型多模态模型。GPT-4是基于Transformer架构的预训练模型，能够接受图像和文本输入，并输出文本。它在模型规模和性能上都比前代产品有了显著提升。