谷歌推出了Gemma 4 12B模型，旨在为标准笔记本电脑提供高性能的多模态智能。该模型内存占用比Gemma 4 26B小一半，但性能接近，支持本地运行，适合开发者使用。其统一架构可直接处理音频和图像输入，减少延迟和内存使用，吸引了开发者的关注。

商汤科技首席科学家林达华教授因其在人工智能领域的贡献荣获中银香港科技创新奖。他在计算机视觉和多模态智能方面取得了多项突破，推动了技术创新与产业应用。林教授的研究成果被广泛引用，并带领团队研发新模型，提升了对复杂图像和视频的理解能力。此外，他构建了SenseNova-SI框架，促进了多模态智能与现实世界的互动。

Mistral AI推出的Mistral Medium 3.1提升了多模态智能和企业应用性能，支持文本与视觉输入，成本比传统模型低8倍，适用于编码、文档智能和客户参与，具备高度定制性和灵活性，为企业提供经济高效的智能解决方案。

2025年2月27日，CCF与阿里妈妈发布第二期“科技袋基金”，聚焦多模态智能，设十个课题，申报截止至3月26日。基金支持金额为30万元，项目周期为一年，欢迎学者申请。