AI TOP100 搜您想要的

2026年5月11日，面壁智能联合清华开源MiniCPM‑V 4.6端侧多模态大模型。该模型以1.3B参数实现同尺寸性能登顶，打破参数迷信。依托LLaVA‑UHD v4架构与混合Token压缩技术，其在4090单卡下实现毫秒级响应与高并发，且仅需消费级硬件即可运行。目前已服务于汽车、手机等多领域，标志着端侧AI普惠新时代的开启。

商汤科技 5 月 8 日推出 SenseNova 6.7 Flash-Lite 轻量化多模态模型，采用原生多模态架构取消视觉转文本中间层，实现"看、想、做"一体化。Token 消耗较纯文本智能体降低 60%，毫秒级响应适配高频互动场景。同步推出 Token Plan 限时免费（首月 1500 次调用额度）与 SenseNova-Skills GitHub 开源，降低开发者接入门槛。

字节跳动火山引擎正式开放Seedance 2.0视频生成模型API申请，支持文字、图片、音频、视频四种模态输入。该模型以强角色一致性、导演级相机控制和原生声画同步著称，被誉为可控性最强的AI视频模型之一。此次开放标志着AI视频从娱乐实验转向商业生产力工具，短剧制作、电商营销等专业领域将率先受益。

谷歌在全球200多个国家和地区正式上线Search Live功能，搭载全新Gemini 3.1 Flash Live模型，实现摄像头实时AI搜索与语音交互。这一举措标志着移动搜索从传统检索向实时多模态交互的全面转型，用户可通过摄像头对准物体即时获取AI解答，物理世界与数字信息的边界正在被打破。

在影视动画制作中，传统 AI 配音因难呈现复杂情绪、精准口型匹配等问题，发展受限。就在行业苦寻突破之际，通义实验室发布并开源首个影视级多场景配音多模态大模型Fun-CineForge。它攻克四大核心挑战，以创新技术带来卓越表现，开启影视配音AI 新篇章。

DeepSeek尚未发布的下一代模型V4 Lite已悄悄流入推理服务商的测试环境，代号「Sealion-lite」，不仅将上下文窗口从128K直接拉升至 100 万 tokens，还实现了原生多模态架构——这是DeepSeek旗舰系列的历史性首次。消息一出，国内外AI圈瞬间炸锅。

2026年，电商行业AI赋能进入实效落地阶段。环球网与虎嗅均指出，AI正全方位重塑跨境电商。字节跳动推出的Seedance 2.0多模态视频大模型，凭借技术优势重构电商内容生产逻辑。ClipClap AI搭载该模型，将技术优势转化为商业价值，为电商卖家“降本、增效、拓市”，开启电商行业增长新篇章。

国内多模态大模型公司公司生数科技宣布完成超6亿元人民币 A+ 轮融资。本轮由中关村科学城公司、星连资本领投，万兴科技、视觉中国、拓尔思战略投资。公司进一步明确了 “数字世界到物理世界” 的战略叙事，依托 Vidu 视频大模型矩阵，从商业内容生成向端到端机器决策的世界模型演进。