当人工智能不再局限于简单的"看图说话"或"文生图"，而是能够像人类一样在复杂环境中理解、规划并执行跨模态操作时，多模态AI正迎来前所未有的技术飞跃。2025年10月30日，北京智源人工智能研究院正式发布其革命性的新一代多模态世界模型——Emu3.5，首次将自回归式"下一状态预测"(Next-State Prediction，NSP)引入多模态序列建模，标志着AI从"感知理解"迈向"智能操作"的关键一步。
Emu3.5大模型：NSP架构引领多模态AI进入操作新时代
1
最新文章 
Hailuo 2.3：AI视频生成技术的突破与应用
11小时前
Glyph：视觉文本压缩技术如何重塑大模型处理能力
11小时前
GigaBrain-0：开源VLA具身模型如何重塑机器人操作的未来
11小时前
SoulX-Podcast：多说话人语音合成技术如何重塑播客制作
12小时前
FlowithOS：重塑数字交互的智能体操作系统革命
12小时前
Speech 2.6深度解析：MiniMax语音生成模型的革命性突破
12小时前
FIBO：首个原生支持JSON的开源图像生成革命
12小时前
Sonic-3：革命性实时语音对话模型重塑人机交互体验
12小时前
Composer编码模型革命：AI编程助手的新纪元
12小时前
Adobe Firefly Image 5：400万像素图像生成模型的革新与应用
12小时前