Multimodal

• 阿里巴巴云于 2026 年 5 月 8 日推出了全新的多模态智能体套件 Tongyi AgentStudio，将视觉、语音和文档处理能力集成到一个面向企业的统一平台中。 • 该套件支持每个会话最多 128 个并发工具调用，并能自主管理采购、人力资源工单以及多云成本优化工作流；在中国银行的早期试点报告显示，内部服务周转时间缩短了 32%。 • 阿里巴巴表示，Tongyi AgentStudio 目前针对大型企业合同的定价为每百万输入 token 1.20 美元，低于西方同类智能体的费率，进一步强化了其削减全球云竞争对手价格的战略。

• 根据 OpenAI 的研究博客，该公司于 4 月 19 日推出了 GPT-5，其特点是先进的多模态推理能力，可同时处理文本、图像和音频，性能较 GPT-4 提升了 40%。 • 该模型展示了增强的思维链推理能力，能够以更高的准确率解决涵盖数学、编程和科学分析在内的跨领域复杂多步骤问题。 • 行业分析师预计，GPT-5 将加速企业对 AI 的采用，并加剧在大型语言模型市场上与 Anthropic 的 Claude 以及 Google 的 Gemini 之间的竞争。

Red Hat 加入了 vLLM Semantic Router 的上游开发，这是一个用于混合模态 AI 模型智能请求路由的框架，于 2026 年 3 月 13 日公布。该框架根据查询信号在推理时选择最优模型，解决了多样化 LLM 部署中的挑战。这提升了混合云 AI 扩容的效率。该计划通过可靠的基础设施支持企业级 AI 的扩展。 • Red Hat 加入了 vLLM Semantic Router 的上游开发，这是一个用于混合模态 AI 模型智能请求路由的框架，于 2026 年 3 月 13 日公布。 • 它根据查询信号在推理时选择最优模型，解决了多样化 LLM 部署中的挑战。 • 这提升了混合云 AI 扩容的效率。 • 该计划通过可靠的基础设施支持企业级 AI 的扩展。