全球科技公司竞发AI大模型新版本，赋能多领域智能体验

近日

全球科技公司“你追我赶”

竞相发布了新版本人工智能（AI）大模型

这些模型

或具备更快速的回答能力

或有更强的多模态能力

或增强了推理与生成能力

持续带来更加智能的使用体验

并为各行各业注入新动能

一起来回顾

↓↓↓

当地时间4月23日

OpenAI发布了全新图像模型

GPT-image-1

并通过API向开发者开放使用

该模型可以控制生成图像的

敏感度、生成效率、背景

输出格式、渲染质量、压缩质量等

OpenAI于4月16日发布的

新款AI模型o3和o4-mini

则能够处理、裁剪和转换图像

例如o3可以分析用户上传的

草图、图表以及其他图像

并生成答案

o4-mini作为o3的轻量级版本

适用于需要快速响应的场景

此前一天

OpenAI还推出了

GPT-4.1系列模型

在多模态处理、代码能力

指令遵循和成本方面实现提升

其最大亮点是

支持100万token的

上下文处理能力

能够处理超长文本

适用于法律、金融

编程等领域的复杂任务

4月21日

生数科技视频大模型

Vidu Q1上线

目前支持生成5秒、1080P

高质量视频

运用其首尾帧功能

仅需两张图就能生成

流畅自然的中间镜头

还可实现一系列

衔接自然的镜头运动

同时上线的AI音效功能

通过录入一句话

就能生成精准专属音效

还可实现多种音效叠加

谷歌公司4月17日宣布推出

Gemini 2.5 Flash Preview

预览AI模型

它是一个混合推理模型

具备“动态且可控”的计算能力

开发者能够

根据查询请求的复杂程度

灵活调整处理时间

谷歌在其博客文章中提到

“这款工作型模型

针对低延迟和降低成本进行了优化

是响应式虚拟助手

和实时总结工具的理想引擎”

与谷歌同日

字节跳动发布了

豆包1.5深度思考模型

该模型采用MoE架构

总参数200B、激活参数20B

低于同类模型参数规模的50%

具备显著的推理成本优势

该模型还能结合视觉理解技术

提供更多功能

如根据照片分析地貌

或完成项目管理流程图等

此外，豆包文生图模型

Seedream3.0也已开放

支持2K分辨率直出

在生图结构准确性方面

具有优势

4月15日，快手旗下

可灵2.0视频生成模型

及可图2.0图像生成模型发布

一般情况下

AI视频制作者往往

通过文字生成图片

再用图片生成视频

而可灵2.0

可将文字、图片、视频等

不同格式的文件

结合起来编辑生成视频的

多模态视频编辑功能

值得一提的是

在近期召开的

2025年世界互联网大会亚太峰会

人工智能大模型论坛上

来自全球的专家学者、企业代表

围绕“共促大模型

高水平开发与应用”这一主题

展开深入探讨

与会嘉宾认为

人工智能正深度融入

经济社会发展各领域

释放出普惠性价值

同时也面临

技术、伦理与协作等多重挑战

要以开放促合作，以创新谋突破

让人工智能大模型

为人类社会发展注入更强动能