多模态模型

多模态模型正从实验室快速走向应用，各厂商密集发布支持文本、图像、视频乃至代码推理的新模型，并探索更自然的实时交互与终端部署。

当前焦点在于两个方向：一是从感官融合（文本+图像+视频）到实时交互（全双工），二是从云端大模型向终端轻量化迁移。未来值得观察：厂商能否在开放权重与闭源之间找到平衡，以及端侧模型是否能在复杂推理任务上取得突破。