自回归+扩散！Salesforce开源统一多模态模型BLIP3-o，图像理解与生成全拿下
自回归+扩散！Salesforce开源统一多模态模型BLIP3-o，图像理解与生成全拿下OpenAI 的 GPT-4o 在图像理解、生成和编辑任务上展现了顶级性能。流行的架构猜想是：
来自主题: AI技术研报
11743 点击 2025-05-23 11:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
OpenAI 的 GPT-4o 在图像理解、生成和编辑任务上展现了顶级性能。流行的架构猜想是：
普林斯顿大学与字节 Seed、北大、清华等研究团队合作提出了 MMaDA（Multimodal Large Diffusion Language Models），作为首个系统性探索扩散架构的多模态基础模型，MMaDA 通过三项核心技术突破，成功实现了文本推理、多模态理解与图像生成的统一建模。
5月23-24日AICon上海站，聚焦Agent、多模态、端侧智能、Data for AI 等 50+ 热点话题，涉及 20+ AI 应用案例，兼具实操价值与未来洞见。
谷歌Jules震撼发布！这款AI编程神器不仅能写代码，还能自动修Bug、生成PR，免费试用每日5次。多模态Gemini 2.5 Pro模型赋予Jules超强智慧，无论多复杂的代码库，它都能精准拿捏。
检索增强技术在代码及多模态场景中的发挥着重要作用，而向量模型是检索增强体系中的重要组成部分。
「三个点电荷 + Q、-2Q 和 + 3Q 等距放置，哪个向量最能描述作用在 + Q 电荷上的净电力方向？」
就在刚刚，智源研究员联合多所高校开放三款向量模型，以大优势登顶多项测试基准。其中，BGE-Code-v1直接击穿代码检索天花板，百万行级代码库再也不用怕了！
理想中的多模态大模型应该是什么样？十所顶尖高校联合发布General-Level评估框架和General-Bench基准数据集，用五级分类制明确了多模态通才模型的能力标准。当前多模态大语言模型在任务支持、模态覆盖等方面存在不足，且多数通用模型未能超越专家模型，真正的通用人工智能需要实现模态间的协同效应。
统一图像理解和生成，还实现了新SOTA。
多模态大模型（Multimodal Large Language Models, MLLM）正迅速崛起，从只能理解单一模态，到如今可以同时理解和生成图像、文本、音频甚至视频等多种模态。正因如此，在AI竞赛进入“下半场”之际（由最近的OpenAI研究员姚顺雨所引发的共识观点），设计科学的评估机制俨然成为决定胜负的核心关键。