ज़िyuán ने हाल ही में BGE-VL नामक एक नया बहुविधा सदिश मॉडल जारी किया है, जो खोज की क्षमता में क्रांति लाने का वादा करता है। यह मॉडल पाठ और छवियों दोनों को समझ सकता है और बेहतर खोज परिणाम प्रदान कर सकता है।

पोर्टकी एआई गेटवे एक ओपन-सोर्स समाधान है जो विभिन्न बड़े भाषा मॉडल को एक साथ जोड़ने में आसानी प्रदान करता है। यह डेवलपर्स को विभिन्न मॉडलों की क्षमताओं का उपयोग करने और एकीकृत अनुभव बनाने में मदद करता है।

कोहियर ने हाल ही में अपना नया मल्टीमॉडल AI मॉडल, आया विजन जारी किया है। यह मॉडल दो संस्करणों में उपलब्ध है: 32B और 8B। आया विजन विभिन्न प्रकार के कार्यों के लिए इस्तेमाल किया जा सकता है, जिसमें छवि वर्णन, छवि उत्पन्न करना और प्रश्नोत्तर शामिल हैं।

6 मार्च को, बीजिंग ज़ि युआन आर्टिफिशियल इंटेलिजेंस रिसर्च इंस्टिट्यूट ने बहु-मोडल वेक्टर मॉडल BGE-VL को ओपन-सोर्स करने की घोषणा की, यह उपलब्धि बहु-मोडल पुनर्प्राप्ति क्षेत्र में एक नई सफलता का प्रतीक है। BGE-VL मॉडल ने चित्र-पाठ पुनर्प्राप्ति, संयोजन छवि पुनर्प्राप्ति आदि जैसे कई बहु-मोडल पुनर्प्राप्ति कार्यों में सर्वश्रेष्ठ परिणाम प्राप्त किए हैं, जिससे बहु-मोडल पुनर्प्राप्ति के प्रदर्शन में उल्लेखनीय सुधार हुआ है।

सैमसंग ने हाल ही में घोषणा की है कि चीन में बिक्री के लिए उपलब्ध गैलेक्सी S25 सीरीज़ में DeepSeek-R1 बड़ा मॉडल एकीकृत किया गया है, जिससे इसके AI कार्यों में और सुधार हुआ है। सैमसंग चाइना के आधिकारिक सूत्रों के अनुसार, उपयोगकर्ताओं को अतिरिक्त ऐप डाउनलोड करने या खाता पंजीकृत करने की आवश्यकता नहीं है, बस सैमसंग लाइफ असिस्टेंट को नवीनतम संस्करण में अपडेट करें, या सैमसंग स्मार्ट होम, Bixby के इंटेलिजेंट एजेंट केंद्र में DeepSeek-R1 इंटेलिजेंट एजेंट का चयन करें, गहन चिंतन, ऑनलाइन खोज, भावनात्मक मूल्य, संदर्भ स्मृति और दृश्य विश्लेषण सहित कई AI कार्यों का अनुभव कर सकते हैं।

3 मार्च को, शंघाई मीटा नेटवर्क टेक्नोलॉजी कंपनी लिमिटेड ने घोषणा की कि इसके AI सर्च फ़ंक्शन में वीडियो सर्च मॉड्यूल जोड़ा गया है, जिससे मल्टी-मॉडल डेटा की कवरेज का दायरा और बढ़ गया है। यह नया फ़ीचर करोड़ों वीडियो कंटेंट के विश्लेषण और समझ पर आधारित है, जो उपयोगकर्ताओं को आवश्यक शिक्षा और मनोरंजन वीडियो संसाधन अधिक कुशलता से खोजने में मदद कर सकता है।

शेन्ज़ेन ने हाल ही में एक मूर्त बुद्धिमान रोबोट तकनीकी नवाचार कार्य योजना जारी की है, जो बहु-मोडल बड़े मॉडल के निर्माण पर ध्यान केंद्रित करती है। यह योजना उन्नत रोबोट तकनीक के विकास और इसके व्यावसायिक अनुप्रयोगों को बढ़ावा देने के लिए डिज़ाइन की गई है।

नेटफ्लिक्स सामग्री की सिफारिश और सुधार के लिए अपनी क्षमताओं को बेहतर बनाने के लिए मशीन लर्निंग वैज्ञानिकों और इंजीनियरों की भर्ती कर रहा है।

बैडू कंपनी अपने अगले पीढ़ी के कृत्रिम बुद्धिमत्ता मॉडल के लॉन्च की जोरदार तैयारी कर रही है, जिसके मार्च के मध्य में आधिकारिक तौर पर वेनक्सिन 4.5 संस्करण लॉन्च करने की उम्मीद है। आंतरिक सूत्रों के अनुसार, नया संस्करण कई मुख्य क्षेत्रों में, जैसे कि रीज़निंग में उल्लेखनीय क्षमता में वृद्धि करेगा, जो एआई तकनीक में बैडू की एक और महत्वपूर्ण सफलता को दर्शाता है।

माइक्रोसॉफ्ट ने हाल ही में फी-4 नामक एक नया मल्टीमॉडल और मिनी मॉडल जारी किया है, जो वॉयस, विज़न और टेक्स्ट प्रोसेसिंग में उन्नत क्षमताओं के साथ आता है। यह मॉडल विभिन्न प्रकार के कार्यों के लिए इस्तेमाल किया जा सकता है, जैसे कि ऑब्जेक्ट डिटेक्शन, इमेज कैप्शनिंग, और मशीन ट्रांसलेशन। इसके छोटे आकार के कारण, यह कम संसाधनों वाले उपकरणों पर भी इस्तेमाल किया जा सकता है।

माइक्रोसॉफ्ट ने हाल ही में अपना ओपन-सोर्स मल्टी-मॉडल एआई एजेंट, मैग्मा, जारी किया है। यह एजेंट खरीदारी और रोबोटिक्स ऑपरेशन जैसे क्षेत्रों में नए अनुभव प्रदान करने के लिए डिज़ाइन किया गया है। यह उपयोगकर्ताओं को अधिक सहज और प्रभावी तरीके से इन कार्यों को करने में मदद करता है।

हाल ही में, माइक्रोसॉफ्ट ने अपनी आधिकारिक वेबसाइट पर “मैग्मा” नामक एक बहु-मोडल एआई एजेंट बेस मॉडल को ओपन सोर्स किया है। यह नया कृत्रिम बुद्धिमत्ता डिजिटल और भौतिक दुनिया को पार करने की क्षमता रखता है, और एक साथ छवियों, वीडियो, पाठ जैसी कई प्रकार की डेटा प्रकारों को संसाधित कर सकता है। पारंपरिक एआई सहायकों की तुलना में, मैग्मा की विशिष्ट विशेषता इसकी मानसिक भविष्यवाणी क्षमता है, जिससे यह वीडियो में व्यक्तियों या वस्तुओं के इरादे और भविष्य के व्यवहार को अधिक सटीक रूप से समझ सकता है। मैग्मा के अनुप्रयोग परिदृश्य बहुत व्यापक हैं, उपयोगकर्ता इस एआई का उपयोग कर सकते हैं

25 फ़रवरी को, शंघाई टेक्नोलॉजी ने 2025 वैश्विक डेवलपर अग्रणी सम्मेलन में अपने AI उत्पादकता उपकरण - शंघाई शाओहुआन परिवार के व्यापक उन्नयन की घोषणा की, बहु-मोडल क्षमताओं को और मजबूत किया, AI अनुप्रयोगों के तेजी से कार्यान्वयन को बढ़ावा दिया, और AI एजेंट के विकास की ओर अग्रसर हुए। इस उन्नयन ने न केवल उपकरण के प्रदर्शन को बढ़ाया है, बल्कि AI को इसके सबसे सरल मिशन में वापस लाया है - एक शक्तिशाली उत्पादकता उपकरण बनना।

15 जनवरी 2025 को, बीजिंग चाँद के अंधेरे पक्ष प्रौद्योगिकी कंपनी ने नया बहु-मॉडल चित्र समझने वाला मॉडल moonshot-v1-vision-preview आधिकारिक रूप से प्रकाशित किया, जो moonshot-v1 मॉडल श्रृंखला की बहु-मॉडल क्षमताओं को पूरा करता है और Kimi को दुनिया को बेहतर समझने में मदद करता है। विज़न मॉडल में शक्तिशाली चित्र पहचानने की क्षमता है, यह चित्र में जटिल विवरणों और सूक्ष्म अंतरों को सटीक रूप से पहचान सकता है, चाहे वह खाना हो या जानवर, यह समान लेकिन भिन्न वस्तुओं में अंतर कर सकता है। उदाहरण के लिए, 16

हाल ही में, दृष्टि चीन ने बीजिंग शेंग शु टेक्नोलॉजी कं, लिमिटेड के साथ रणनीतिक सहयोग संबंध स्थापित करने की घोषणा की है, दोनों पक्ष “दृष्टि उद्योग बड़े मॉडल प्लेटफ़ॉर्म और अनुप्रयोगों” की खोज और स्थापना के लिए मिलकर काम करेंगे। यह सहयोग दृष्टि सामग्री उद्योग में कृत्रिम बुद्धिमत्ता प्रौद्योगिकी के अनुप्रयोग को गहरा करने के लिए समर्पित है, और उद्योग के स्मार्ट अपग्रेड को बढ़ावा देने का लक्ष्य रखता है, जिसका उद्देश्य दुनिया भर के दृश्य सामग्री निर्माता और उपयोगकर्ताओं को अधिक कुशल और स्मार्ट सेवाएं प्रदान करना है।

26 सितंबर को, स्मार्ट रोबोट कंपनी वीलाब्लू टेक्नोलॉजी ने नए चार-पैर वाले रोबोट बेबीअल्फा ए2 को पेश किया, जिसके बहु-मॉडल इंटरएक्शन क्षमताओं और सस्ती कीमत के साथ, देश के स्मार्ट घरेलू बाजार में एक तूफान खड़ा कर दिया। बेबीअल्फा ए2 न केवल एक आकर्षक रूप वाला स्मार्ट साथी है, बल्कि परिवार के स्मार्ट बनावट की अग्रणी भी है। यह देश का पहला एआई चार-पैर वाला रोबोट है जो बहु-मॉडल इंटरएक्शन क्षमता के साथ है, जो एक लाख रुपये से कम की कीमत पर सामान्य परिवारों के लिए स्मार्ट जीवन के दरवाजे खोलता है। इस रोबोट में कई उन्नत सुविधाओं का एकीकरण किया गया है, जिसमें व्यक्तिगतकरण शामिल है।

हाल ही में गार्टनर आईटी सम्मेलन में, विश्लेषकों ने भविष्यवाणी की कि 2027 तक, जनरेटिव आर्टिफिशियल इंटेलिजेंस (GenAI) समाधान 40% बहु-मॉडल समेकन को प्राप्त करेंगे, जो 2023 की 1% की तुलना में काफी अधिक है। बहु-मॉडल GenAI का समेकन विभिन्न डेटा धाराओं के बीच संबंधों को कैप्चर कर सकता है और विभिन्न डेटा और अनुप्रयोगों में लाभों का विस्तार कर सकता है, जिससे मानवता को विभिन्न पर्यावरण में मल्टीटास्किंग को समर्थन मिलेगा। गार्टनर की रिपोर्ट में कहा गया है कि बहु-मॉडल GenAI और ओपन-सोर्स बड़े भाषा मॉडल अत्यधिक प्रभावशाली हैं, जो अगले पांच वर्षों में व्यवसायों के लिए महत्वपूर्ण होंगे।