302.AI | 基准实验室

8月底，Gemini-2.5-flash-image（代号 Nano Banana）正式上线，持续数周的热度早已把全球网友的创作热情点燃。什么3D手办，跨界联名、赛博合影，纷纷依靠这个香蕉模型一一实现

在文档数字化的进程中，我们始终面临一个核心难题：如何让机器真正“理解”一份结构复杂的文档——无论是布满合并单元格的财务报表、公式交织的学术论文，还是版式迥异的商业合同。传统的 OCR 工具往往在此折戟

昨晚，Google 终于公开了其最新图像生成与编辑模型 gemini-2.5-flash-image-preview——这正是前段时间在 X 上爆火的 Nano Banana

DeepSeek 19 日晚在 Hugging Face 发布了其最新升级模型 DeepSeek-V3.1-Base。

快手近期开放了其图像生成模型 Kolors 2.1 的 API 接口，Kolors 2.1 自 7 月官宣发布以来，凭借卓越性能广受用户好评。

视觉语言大模型（VLM）作为智能系统的核心基础，正在不断从基础的“识别”向更深层的“推理”跃迁。今年上半年，多模态大模型在视觉领域呈现百花齐放之势，各厂商竞相布局。然而，视觉能力的下一站是“推理”..

在 AI 生图技术日趋成熟的当下，"去 AI 感"已成为各大开发者竞相突破的核心战场。Black Forest Lab 向来在拟真度方面持有绝对话语权......

尘埃落定，当地时间 8 月 7 日，OpenAI 终于发布了最新的旗舰 AI 模型 GPT-5。OpenAI 宣称，GPT-5 是其迄今为止最智能、最快、最实用的模型。

2025 年 8 月 5 日，OpenAI 突袭发布了两款全新的开源推理模型——gpt-oss-120b 和 gpt-oss-20b。

2025 年 6 月 26 日，FLUX.1 Kontext-Dev 终于迎来了开源版本的发布。这个消息对于 AI 开发者和设计师来说，无疑是一次技术普及和创新的重大推动。

在 AI 图像生成领域，从“能画”到“画得好”，再到“画得惊艳”，技术迭代的速度远超想象。在对新版本进行接入测试前，让我们回顾下 2025 年 4 月推出的 Kling V2.0 模型

北京时间 7 月 11 日，人工智能领域迎来重磅消息！月之暗面（Moonshot AI）正式发布并开源了其旗舰级大模型 Kimi K2。

2025 年 7 月 10 日，全球 AI 领域再次迎来一场震撼级的技术革新。埃隆·马斯克旗下的 xAI 公司，在这一天正式向世界揭开了其最新一代大型语言模型 —— Grok 4 的神秘面纱...

2025 年 6 月 6 日，字节跳动 Seed 团队正式发布图像编辑模型 SeedEdit 3.0。该模型可处理并生成 1K 以上高清图像，在精细且自然地处理编辑区域的同时，还能高保真地维持其他信息

Higgsfield AI 在海外社交媒体平台 X 宣布推出文生图模型 Higgsfield Soul，官方介绍这是一款高端美学照片模型，一上线即凭「一键高定时装」与「实时姿态驱动」两大黑科技刷爆社媒

这期横评选取了八款 2025 上半年度最具代表性的多模态模型，统一以“图片＋问题”这一高频交互范式，对其理解深度、推理准确率与响应时延展开全流程实测，为开发者与产品经理提供真正可落地的选择推荐参考。

2025 年上半年，AI 图像生成领域再次迎来爆发式增长，从 ChatGPT、Sora 等模型的突破性进展，到国产大模型的飞速赶上，各大模型在拟真度、风格化一致性及对复杂提示词的理解能力上都取得了突破

6 月，各大模型厂商的新品发布纷至沓来。 火山引擎正式发布的 Doubao-Seed-1.6，MiniMax 正式开源其最新研发的大语言模型 M1，以及谷歌进一步升级的 2.5 Pro 和 Flash

5月29日,Black Forest Labs 官网发布了全新模型：FLUX.1 Kontext 系列，能够同时使用文本和图像进行提示，无缝提取和修改视觉概念，从而生成全新、连贯的渲染效果。

5 月 29 日 DeepSeek 正式官宣了 R1 模型已完成小版本升级，目前版本更新为 DeepSeek-R1-0528，更新后的 R1 模型性能较之前是否有提升？与国际顶尖模型相比又表现如何呢？