本文介绍Mux Robots的“提问”功能，可对视频内容进行多模态分析（结合画面和字幕）。它用于内容审核（如检测脚部特写）、验证列表完整性、广告披露、工作证明及支持工单分类。示例显示，该功能能准确回答无对话视频（如Big Buck Bunny）中的问题，并跳过无法回答的查询，避免幻觉。

云知声推出的“山海・知医大模型5.0”标志着医疗AI从工具向临床协作者的转变。该模型具备全栈能力、高阶推理和多模态分析等核心功能，已在近400家医院部署，提升了诊疗效率和准确性。

AI原生测试平台LambdaTest推出了智能体对智能体测试的封闭测试版，旨在验证和评估AI智能体。该平台支持多模态分析，生成测试场景，提升测试执行速度70%，关注偏见和完整性等关键指标。

Clip-Embeddings模型由krthr维护，基于clip-vit-large-patch14生成文本和图像的CLIP嵌入，主要用于图像-文本相似性匹配和多模态分析，支持文本和图像输入，输出为数字数组形式的嵌入表示。