多模态 AI
按时间查看这条路线的关键转折。
GAN 提出对抗式生成训练
Ian Goodfellow 等人提出生成对抗网络，让生成器制造样本、判别器区分真假，两者通过同一个对抗目标训练。
DDPM 让扩散模型成为实用生成路线
Ho、Jain 与 Abbeel 提出 Denoising Diffusion Probabilistic Models，用逐步加噪和反向去噪生成高质量图像。
Stable Diffusion 开放文生图权重
Stability AI 与 CompVis 发布 Stable Diffusion 1.4 权重和代码，允许用户在本地硬件上生成、微调和改造文生图模型。
GPT-4 发布
OpenAI 发布 GPT-4。模型接受文本和图像输入，在模拟律师资格考试中达到约前 10%，并提高代码、专业问答与复杂指令表现。
Google 发布 Gemini 1.0
Google DeepMind 发布 Gemini 1.0，以 Ultra、Pro、Nano 三个规模覆盖数据中心、通用产品和端侧设备。
Sora 展示长时文生视频
OpenAI 公布 Sora 研究预览，可根据文字生成最长一分钟、保持较高视觉质量和镜头连贯性的视频。
GPT-4o 发布
OpenAI 发布 GPT-4o，以同一神经网络处理文本、视觉与音频，让实时语音和视觉交互第一次成为通用模型的原生能力。
Llama 4 发布
Meta 发布 Llama 4 Scout 与 Maverick，采用混合专家架构并原生支持多模态，把开放权重模型推向超长上下文和更高计算效率。