Multimodal

• Alibaba Cloud 於 2026 年 5 月 8 日推出全新的多模態 agent 套件 Tongyi AgentStudio，將視覺、語音和文件處理能力整合至單一的企業導向平台中。 • 該套件每個會話最高支持 128 個併發工具調用，能夠自主管理採購、HR 工單及多雲成本優化工作流；在中國銀行的早期試行中，內部服務周轉時間減少了 32%。 • 阿里巴巴表示，針對大型企業合約，Tongyi AgentStudio 的定價目前為每百萬輸入 token 1.20 美元，低於西方同類 agent 的價格，強化了其削弱全球雲端對手競爭力的策略。

• OpenAI 於 4 月 19 日揭曉 GPT-5，根據該公司的研究部落格，此版本具備進階的多模態推理能力，可同時處理文字、圖像與音訊，性能較 GPT-4 提升了 40%。 • 該模型展現了更強的思維鏈（chain-of-thought）推理能力，能以顯著提高的準確率解決數學、程式碼及科學分析等多個領域的複雜多步驟問題。 • 行業分析師預測，GPT-5 將加速企業對 AI 的採用，並加劇在大語言模型市場中與 Anthropic 的 Claude 及 Google 的 Gemini 之間的競爭。

Red Hat 加入了 vLLM Semantic Router 的上游開發，這是一個用於混合模態 AI 模型中智慧請求路由的框架，於 2026 年 3 月 13 日宣布。該框架能根據查詢訊號在推論時選擇最佳模型，解決了多樣化 LLM 部署中的挑戰。此舉提升了混合雲 AI 擴展的效率。該計畫旨在透過可靠的基礎設施支持企業級 AI 的擴張。 • Red Hat 加入 vLLM Semantic Router 上游開發，旨在實現多模態 AI 模型的高效請求路由。 • 該框架能根據查詢訊號在推論階段自動選擇最佳模型，優化 LLM 部署。 • 此舉有助於提升混合雲環境中 AI 擴展的效率，並為企業 AI 擴張提供可靠基礎。