静态训练数据无法适应快速变化的信息，导致模型只能进行猜测。本文介绍了多模态大语言模型（LLM）的原理，通过将文本、图像和音频转化为统一的数学表示，模型实现了跨模态推理，能够实时理解和响应。

OpenAI推出了ChatGPT Atlas，这是一款将ChatGPT集成到浏览器中的新工具。Atlas能够实时理解网页内容、回答问题、协助任务，并具备记忆功能，能回忆用户的历史访问。目前仅支持macOS，未来将推出Windows、iOS和Android版本，用户反馈褒贬不一。

StreamBridge是一个有效的框架，将离线视频大语言模型转化为流媒体模型，解决了多轮实时理解不足和缺乏主动响应的问题。通过记忆缓冲和轻量激活模型，StreamBridge构建了Stream-IT数据集，显著提升了离线视频模型的流媒体理解能力，超越了GPT-4o和Gemini 1.5 Pro等专有模型。

谷歌的Project Astra是一个AI助手，能够通过摄像头实时理解环境并提供个性化帮助。它具备记忆功能，能够与用户自然对话。基于Gemini 2.5 Pro，部分功能已在Google Pixel 9和Samsung Galaxy S25上推出，未来将成为日常生活中的智能助手。

在CES 2025展会上，面壁智能发布了新模型MiniCPM-o 2.6，具备GPT-4o水平，能够实时理解视频和声音，反应迅速。该模型通过技术突破实现低延迟和高效压缩，适配终端硬件。随着消费者对端侧AI产品需求增加，未来设备将具备更强的AI计算能力，推动行业发展。