DeepSeek模型系列中的DeepSeek-V3在多模态AI应用领域取得了显著进展。研究团队通过该模型处理图像和文本数据集，成功实现了自动生成和描述图文内容的功能。此外，DeepSeek-V3还帮助开发者自动生成Python代码实现计算器功能，大幅提高开发效率。在多个基准测试中，DeepSeek-V3的性能优于其他开源模型，尤其在代码和数学领域表现突出，可与顶尖闭源模型相媲美。采用MTP技术，DeepSeek-V3在多项任务上的表现大幅提升，并支持推理优化如推测性解码。
在除夕夜，DeepSeek正式发布了一款开源的多模态大型人工智能模型。这款模型在性能上超越了OpenAI的DALL-E 3，引起了广泛关注。由于其极高的人气，DeepSeek现已对国外新用户实施了注册限制。这一举措不仅彰显了DeepSeek的技术实力，也反映了全球用户对其产品的高度认可。
谷歌云计算部门宣布，将文本、图像、视频、音频等非结构化数据与生成式人工智能（GenAI）技术相结合，形成多模态AI，预计将成为2025年五大人工智能趋势之一。谷歌将重点发展BigQuery湖仓一体技术作为核心支柱，推动这一创新技术的应用与发展。
根据谷歌云在2025年AI商业趋势报告，企业AI将在五个关键领域发挥重要作用。首先，多模态AI融合多种数据类型，提供更全面的分析能力。其次，AI代理能够代表用户执行任务，提高工作效率。第三，辅助搜索利用AI技术提升搜索效率和准确性，优化信息获取过程。第四，AI驱动的客户体验通过个性化服务改善客户服务。最后，AI增强的安全性将有效提升系统安全性，防范潜在威胁。这些领域的进步将为企业带来前所未有的机遇。
Sakana AI公司，由Transformer技术的核心开发者之一Llion Jones创立，联合麻省理工学院（MIT）和OpenAI等科研机构，提出了一种创新的人工生命（ALife）研究方法——ASAL（Artificial Life Automated Search）。该方法利用多模态大型人工智能模型来引导ALife的模拟过程，标志着ALife研究领域的新范式。通过这种新方法，研究人员能够更高效地探索复杂的生命系统演变，为人工生命研究带来了前所未有的机遇。
> 豆包公司推出了一项创新功能，其AI系统可通过分析应用程序截图自动生成代码。这项多模态AI技术的应用，不仅降低了技术门槛，还使得AI开发变得更加经济实惠。为了验证该技术的效果，豆包公司与OpenAI的GPT-4进行了对比测试。结果显示，在处理截图转代码任务时，豆包公司的AI系统表现优异，为更多开发者提供了便捷高效的工具。
