Doubao 在 AI 視覺性能方面領先全球,表現超越 Google 的模型
根據 SuperCLUE-VLM 於 2026 年 4 月發布的最新評估報告,中文多模態視覺語言模型領域已取得顯著進展。 經對全球17款頂尖大型模型進行全面評估後發現,國內人工智慧開發者正展現強勁的進步勢頭。這些模型不僅在解析中文內容方面表現優異,更在所有評估指標上均超越國際頂尖同類模型。
字節跳動位居榜首,多款國內模型躋身頂尖行列
評估結果顯示,字節跳動的「Doubao-Seed-2.0-Pro-260215」獲得90.66分,位居總排名首位。 此分數超越了此前被視為強勁競爭對手的 Google Gemini-3.1-Pro-Preview(89.35 分)。 此外,其他國內模型,如阿里巴巴的「Qwen 3.5」系列、商湯科技的「SenseNova」以及智普的「GLM」,表現同樣出色,穩居領先行列。 相較之下,OpenAI 的 GPT-5.4 和 X.AI 的 Grok 等知名海外模型,在這項中國多模態評估中則落入中游水準。

橫跨三大關鍵領域的深度評估,展現先進的基本認知能力
本次評估框架全面,涵蓋三大核心領域:基礎認知、視覺推理與視覺應用。評估內容包含 25 種不同情境,例如一般物件辨識、圖表分析及醫學影像等。 國產模型在基礎認知與數據分析類別中表現尤為出色,得分始終維持在90分以上,這反映出其技術成熟度高,且對中文語境具有強大的適應性。
專業領域仍面臨挑戰,工業與醫療推理被視為未來重點發展領域
儘管整體表現領先,評估數據也突顯出國內模型仍需改進的領域。在工業檢測和高精度醫學影像等高度專業化的視覺推理任務中,這些模型落後於全球領先者,部分特定情境的得分波動幅度頗大。
業界專家認為,近期排名的變化標誌著中國多模態人工智慧發展的重要轉折點。國內大型模型在深度理解與應用中文內容的能力上,現已確立了穩固的競爭優勢,這標誌著一個新時代的開始——這些模型不僅能與國際巨頭一較高下,甚至有望在該領域扮演領導角色。
相關文章
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
相關專題推薦
評論 (0)
0/500
根據 SuperCLUE-VLM 於 2026 年 4 月發布的最新評估報告,中文多模態視覺語言模型領域已取得顯著進展。 經對全球17款頂尖大型模型進行全面評估後發現,國內人工智慧開發者正展現強勁的進步勢頭。這些模型不僅在解析中文內容方面表現優異,更在所有評估指標上均超越國際頂尖同類模型。
字節跳動位居榜首,多款國內模型躋身頂尖行列
評估結果顯示,字節跳動的「Doubao-Seed-2.0-Pro-260215」獲得90.66分,位居總排名首位。 此分數超越了此前被視為強勁競爭對手的 Google Gemini-3.1-Pro-Preview(89.35 分)。 此外,其他國內模型,如阿里巴巴的「Qwen 3.5」系列、商湯科技的「SenseNova」以及智普的「GLM」,表現同樣出色,穩居領先行列。 相較之下,OpenAI 的 GPT-5.4 和 X.AI 的 Grok 等知名海外模型,在這項中國多模態評估中則落入中游水準。

橫跨三大關鍵領域的深度評估,展現先進的基本認知能力
本次評估框架全面,涵蓋三大核心領域:基礎認知、視覺推理與視覺應用。評估內容包含 25 種不同情境,例如一般物件辨識、圖表分析及醫學影像等。 國產模型在基礎認知與數據分析類別中表現尤為出色,得分始終維持在90分以上,這反映出其技術成熟度高,且對中文語境具有強大的適應性。
專業領域仍面臨挑戰,工業與醫療推理被視為未來重點發展領域
儘管整體表現領先,評估數據也突顯出國內模型仍需改進的領域。在工業檢測和高精度醫學影像等高度專業化的視覺推理任務中,這些模型落後於全球領先者,部分特定情境的得分波動幅度頗大。
業界專家認為,近期排名的變化標誌著中國多模態人工智慧發展的重要轉折點。國內大型模型在深度理解與應用中文內容的能力上,現已確立了穩固的競爭優勢,這標誌著一個新時代的開始——這些模型不僅能與國際巨頭一較高下,甚至有望在該領域扮演領導角色。
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work





首頁






