🖼️ 多模态人工智能的兴起，使历史模拟更加生动，通过图像与文本交互生成历史场景。
多模态模型将更多地用于文档处理（但首先需要降低成本/延迟）。
目前，通义千问为用户提供了12种热门舞蹈模板，包括科目三、蒙古舞、划桨步、鬼步舞等。这一功能使得各种形象，如兵马俑、马斯克等，也能在网络上跳起各种热门的舞蹈。
Midjourney官方介绍称，V6版本使用户能够生成更真实、更详细的图像。同时，“快刀青衣”表示，Midjourney保留了对景点最美好的想象，不再有明显的AI痕迹。他的推文获得了超过62万的浏览量，近3千次点赞和标记。
它不仅可以从图片中提取信息并回答问题，还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等，展现出了强大的多模态能力。在性能上接近GPT-4的情况下，LLaVA具有更高的成本效益，训练只需要8个A100即可在1天内完成。