AI TOP100 搜您想要的

阿里云接入 DeepSeek-V4.1-Flash：开发者又多了一个「高性价比」的多模态选择

当地时间9月1日，李飞飞创办的World Labs正式发布首个多模态世界模型Atlas。该模型原生支持文本、图像、视频与3D数据联合处理，具备像素级相机控制生成、空间重建、时空模拟及图像生成四大能力。通过创新的空间上下文机制，Atlas可在3D空间中保持内容一致性并补全未见区域，为机器人、影视、VR等领域提供高保真世界生成与模拟基础，标志着空间智能迈入新阶段。

DeepSeek正式上线实验性多模态视觉模型V4-Flash-Vision-Exp，纯文本能力持平V4-Flash，多模态Agent性能逼近Opus-4.8，支持1M上下文与384K输出。同步推出免费Files API，实现图像一次上传多次复用，单图最大64MiB。定价与V4-Flash一致，兼容OpenAI格式，配合Harness 0.1.1原生支持，助力开发者高效构建视觉理解与工具调用结合的A

阿里通义千问于7月19日发布Qwen3.8-Max预览版，2.4万亿参数MoE多模态大模型，原生支持图文视频混合输入，全栈代码与长程Agent能力大幅升级。预览版已开放Token Plan、Qoder、QoderWork三大使用渠道，个人版月费低至39元。官方定位综合性能仅次于Claude Fable 5，正式版将开放完整权重，与Kimi K3形成政企与个人开发者的差异化竞争格局。

2026年6月23日法国Mistral AI推出OCR4专用文档识别模型，覆盖170种语言，实测性能超越GPT 5.5 Pro、Gemini 3.1 Pro等主流多模态模型，以轻量化垂直路线切入企业文档智能赛道，平价分层API大幅降低文档结构化处理成本，重塑全球OCR市场竞争格局。

LongCat-Next 全量开源：原生统一多模态，终于把图文音频放进同一种“语言”里

2026年6月2日，阿里通义千问发布Qwen3.7-Plus多模态智能体，以GUI+CLI双端通吃、视觉语言一体化为核心，在Vision Arena拿下全球前五、中国第一。实测11小时无人干预完整开发APP，高保真复刻macOS原生应用，支持云控制台无人值守运维，标志国产多模态AI从理解时代正式迈入执行时代。

2026年6月1日，MiniMax正式发布旗舰大模型M3，集1M超长上下文、原生多模态、顶级Coding三大能力于一身，是国内首个、全球唯一开源实现该水准的通用大模型。其自研MSA稀疏注意力架构将1M上下文计算量降至1/20，SWE-Bench Pro得分59.0%超越GPT-5.5，API限时5折开放，定价仅为Claude的1/15，标志国产开源正式进入Frontier区间。