马斯克旗下xAI公司近日为其AI模型Grok增添了图像理解功能，X平台付费用户现可向AI助手上传图片并进行相关提问。这项更新已经由xAI员工和Grok官方发言人在X平台正式确认。马斯克在平台上展示了Grok的新能力，称其不仅能理解图片内容，还能解读图片中蕴含的幽默元素。不过他也坦言，目前这项功能仍处于早期阶段，团队将持续改进完善。值得注意的是，自今年8月面向高级用户推出Grok-2模型以来，xAI一直在积极扩展其功能范畴。通过与黑森林实验室（Black Forest Labs）的FLUX.1模型合作，Grok已

在近日的发布会上，阿里国际 AI 团队揭晓了其最新研发的多模态大模型 Ovis，这一创新的 AI 技术无疑为各行业带来了新的机遇。Ovis 具备强大的图像理解和数据处理能力，让人耳目一新。Ovis 的多模态能力极其强大，它能够处理文本、图像等多种数据，展现出优秀的综合实力。与传统的大语言模型相比，Ovis 不仅能理解文本，还能对图像等非文本信息进行深入分析。比如说，用户只需上传一张菜品的照片，Ovis 便能迅速识别并提供详细的烹饪步骤，帮助用户轻松做出美味佳肴。Ovis通过对图片

​阿里巴巴达摩院的通义千问团队在2024年8月30日宣布了其最新成果——Qwen2-VL模型的重大更新。Qwen2-VL模型在图像理解、视频处理和多语言支持方面均实现了显著提升，为关键性能指标设定了新的基准。

微软发布Phi-3.5-vision，一款轻量级、多模态开源AI模型，专为处理文本和视觉输入设计，支持128K上下文长度。该模型适用于资源受限环境，具备图像理解、OCR、图表解析、多图像摘要等功能，展现出色性能和低延迟。由42亿参数构成，通过高质量数据训练，确保性能和隐私。包含三款模型：轻量级AI、专家混合和多模态模型，均在图像和视频处理基准测试中表现出优异成绩。此模型适合AI驱动应用，特别是端侧运行和复杂视觉推理，提供强大支持。