阿里云发布的新视觉模型Qwen2.5-VL包含三个版本，旗舰版在13项评测中超越GPT-4o和Claude3.5。该模型能够准确解析图像和视频，支持复杂操作，如发送祝福和订票，并在视觉理解、文档解析和动态视频处理方面有显著提升，开发者可基于此模型创建AI智能体。

BiomedParse是微软团队开发的生物医学图像解析模型，整合九种成像模式，提升对象识别精度，减少用户交互。用户可通过自然语言提示快速识别、检测和分割图像目标，标志着生物医学图像分析的新阶段。

Anthropic发布了Claude 3.5 Haiku和改进版Claude 3.5 Sonnet，后者能够像人类一样与计算机GUI互动。Claude 3.5 Haiku是最快的模型，性能优于GPT-4o等。新功能依赖于图像解析，尽管目前速度较慢且易出错，但具有自动化多种业务流程的潜力。