多模态

此前评估多模态模型时，常将错误归因于推理环节。PerceptionBench 将视觉感知与逻辑推理分离，揭示多数错误发生在早期图像读取阶段，这改变了人们对模型能力瓶颈的认知，有助于更精准地定位和解决基础感知问题。

多模态模型从任务专用走向统一模型，试图打通感知、理解、推理与生成，这一变化可能重塑模型架构和评测标准，对多模态 AI 产品的发展方向有潜在影响。

此前视频生成与编辑模型均为离线处理，需完整处理整段视频后才能查看结果，无法边播边改。JoyAI-Video-Edit首次将流式与实时结合，达到24帧流畅播放门槛，使实时编辑直播、视频通话等活视频流成为可能，改变了视频编辑的交互范式。

此前用户只能输入碎片化关键词获得蓝色链接列表；现在搜索框成为一个多模态对话界面，能接受文件、图片等，并引导用户提问。这是 Google 搜索产品定位的根本转变——从结果检索变为 AI 对话入口。

Qwen 3.8将超大参数规模多模态模型以开源权重形式开放，直接对标闭源领先模型，可能降低高端AI能力的获取门槛，推动开源生态竞争。

此前Black Forest Labs的视频生成模型仅输出无声画面，Flux 3首次实现视频与原生音频同步输出，时长达20秒，且内部测试成绩略超现有市场领先者Seedance 2.0，表明多模态视频生成质量迈上新台阶。

亚马逊此前同时在多个方向推进Nova模型（如文本、多模态、视频等），此次战略收缩意味着其放弃了多模型并行策略，转而集中资源打造一款旗舰级基础模型。这一变化可能影响依赖Nova API的现有客户，也表明亚马逊正在调整其AI竞争路径。

此前AI在骨科的应用主要集中于影像诊断，缺乏系统性梳理。该综述首次全面整合了AI在骨科学基础研究（如多组学整合、靶点发现）和临床应用（如诊断、手术导航、预后预测）中的进展，并指出多模态数据整合、模型可解释性等关键瓶颈，为该领域提供了整体研究框架，有助于推动骨科研究向智能化、精准化转型。