7月5日，在2025世界人工智能大会“可信大模型助力产业创新发展”论坛上，蚂蚁集团公布了其自研的百灵大模型最新研发进展：百灵大模型已具备能“看”会“听”、能“说”会“画”的原生多模态能力，可以直接理解并训练音频、视频、图、文等多模态数据。原生多模态被认为是通往agi的必经之路，在国内，目前只有为数不多的大模型厂商实现了这一能力。记者从大会现场的演示看到，多模态技术可以让大模型更像人一样感知和互动，支撑智能体体验升级，百灵的多模态能力已应用于“支付宝智能助理”上，未来还将支持支付宝上更多智能体升级。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

1. （蚂蚁集团副总裁徐鹏介绍百灵大模型原生多模态能力）

2. 百灵大模型的多模态能力，在中文图文理解MMBench-CN评测集上达到GPT-4o水平，在信通院多模态安全能力评测达到优秀级（最高），具备支持规模化应用的能力，能支持AIGC、图文对话、视频理解、数字人等一系列下游任务。
3. 多模态大模型技术能够使AI更好地理解人类世界的复杂信息，也让AI落地应用时更符合人类的交互习惯，在智能客服、自动驾驶、医疗诊断等多个领域展现出巨大的应用潜力。
4. 蚂蚁集团有着丰富的应用场景，百灵大模型的多模态能力，也已被应用在生活服务、搜索推荐、互动娱乐等场景。
5. 在生活服务上，蚂蚁集团使用多模态模型实现了ACT技术，让智能体具备一定规划执行能力，比如根据用户语音指定直接在星巴克小程序下单一杯咖啡，目前这一功能已在支付宝智能助理上线。
6. 在医疗领域，多模态能力为用户实现复杂任务的操作，可以对超过100多种复杂的医学检验检测报告进行识别和解读，还可以检测毛发健康和脱发情况，对治疗提供辅助。

   

   （观众在蚂蚁展厅现场体验使用支付宝智能助理点咖啡）

发布现场，蚂蚁集团副总裁徐鹏展示了新升级的多模态技术可实现的更多应用场景：

1. 通过视频对话的自然形式，AI助理能为用户识别穿着打扮，给出约会的搭配建议；
2. 根据用户不同的意图，从一堆食材中搭配出不同的菜谱组合；
3. 根据用户描述的身体症状，从一批药物中，挑选出可能合适的药，并读出服用指导，供用户参考等。

基于百灵大模型多模态能力，蚂蚁集团已在探索规模应用落地产业的实践。

易标AI

告别低效手工，迎接AI标书新时代！3分钟智能生成，行业唯一具备查重功能，自动避雷废标项

135 查看详情

论坛上同时发布的“支付宝多模态医疗大模型”，便是这一探索的实践。据了解，支付宝多模态医疗大模型添加了包含报告、影像、药品等多模态信息在内的百亿级中英文图文、千亿级医疗文本语料、以及千万级高质量医疗知识图谱，具备专业医学知识，在中文医疗LLM评测榜单promptCBLUE上，取得A榜第一，B榜第二的成绩。

基于百灵大模型多模态能力，由蚂蚁集团与武汉大学联合研发的遥感模型SkySense，也在论坛上公布了开源计划。SkySense是目前参数规模最大、覆盖任务最全、识别精度最高的多模态遥感基础模型。

“从单一的文本语义理解，到多模态能力，是人工智能技术的关键迭代，而多模态技术催生的‘看听说写画’的应用场景，将让AI的表现更真实，更接近人类，从而也能更好地服务人类。蚂蚁会持续投入原生多摸态技术的研发。”徐鹏说。

以上就是蚂蚁百灵大模型最新进展：已具备原生多模态能力的详细内容，更多请关注其它相关文章！

# 支付宝  # 多模  # 产业  # 喀喇沁网站推广  # 栾城区网站建设  # 抖音用户调研营销推广  # 场景搭配网站推广方法  # 雪糕冰淇淋营销推广文案  # 淘宝seo是什么思维  # 钢城区百度关键词排名推广  # 广东网站建设软件下载  # 黄石网站建设软件下载  # 推广营销方案网站怎么做  # 新能源  # 已在  # 五大  # 都能  # 最新进展  # 华纳  # 南极  # 这一 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 折叠屏手机哪个卖得最好  摩托车上power是什么意思  市盈率回落是什么意思  苹果16最近玩法有哪些  如何用命令查看数据库日志文件  市盈率中1stdv是什么意思  typescript的文件如何执行  shell如何执行sql脚本命令行  新三板市盈率是什么意思  driver是什么意思  汽车排量是什么意思  如何使用net命令  如何引用typescript中的方法  固态硬盘如何拆除  vs如何输入命令行参数  gs是什么意思  如何安装固态硬盘win10  冰柜power是什么意思这个黄灯怎么不亮  硬件如何执行命令  得物怎样降低手续费 得物如何降低手续费教程  mac 如何启动命令行模式  电信开通nfc功能是什么意思  油烟机上的power是什么意思  夸克po什么意思  课程伴侣电脑怎么登录  url解码什么意思  什么是泛域名解析  课程伴侣登不上怎么办  typescript中如何定义json  爱奇艺会员qq登录可以几个人用？  怎么更新typescript  一秒是多少毫秒  春运抢票极速版怎么抢票  nosql数据库的应用场景有哪些  typescript怎么写react  红米手机怎么设置变成5G手机  sql isnull函数如何使用  j*a怎么读取char数组  树莓派命令行如何新建文件  j*a数组怎么取元素  sofa是什么意思  什么是unix时间戳  animal是什么意思  旧固态硬盘如何卖出  ssd固态硬盘如何选择  如何在命令行写j*a程序  学typescript要求什么  J*a数组静态怎么打  vue组件typescript怎么用  苹果16系统有哪些系列