多模态正在合流：一个模型处理文本、图像与视频

从拼接走向原生

早期的多模态方案是多个专业模型的拼接，如今原生多模态架构在同一套参数中处理所有模态。

带来的影响

• 创作流程大幅缩短：一句话同时产出文案、配图和短视频
• 理解能力增强：看图提问、视频总结的准确率显著提升

值得关注的方向

实时多模态交互会成为下一个竞争焦点。