2026年05月14日-多模态AI观察

文档摘要

2026年05月14日-多模态AI观察今日焦点 OpenAI GPT-4o发布引领多模态融合新纪元 OpenAI于2026年5月13日发布GPT-4o（"o"代表"omni"全能），标志着AI多模态理解能力实现质的飞跃。GPT-4o能够在232毫秒内平均响应音频输入，达到人类对话响应速度，实时情感感知能力引发业界震动。技术前沿进展视觉语言模型（VLM）突破 Gemini Ultra 2.0性能登顶 Google DeepMind发布Gemini Ultra 2.0，在MMMU（多学科多模态理解）基准测试中达到62.1%准确率，首次超越人类专家平均水平（59.