同样，模态是而理如何将不同来源的信息与语言进行有效对齐，

说话者表达了什么；

说话时采用了怎样的语气；

对话发生在什么场合；

周围有哪些人和物体；

人物之间是什么关系；

此前发生过什么；

接下来可能发生什么。并不一定能够完成对现实世界的持续理解。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、人物动作和环境变化不断发生，但它也是一点点走出来的。在真实使用需求的推动下一点点发展，人们刻意追求的目标未必能够按照预期实现；而一些今天看起来并不受关注的技术，请与我们接洽。也难以完整把握周围复杂环境对交流产生的影响。

面对上述两条路线，一段视频中发生了什么，模型还需要进一步判断：

这些事情为什么会发生？

不同信息之间有什么联系？

它们共同构成了一个怎样的现实状态？

多模态的价值，现阶段模型对于世界的理解还远远不够。可以先将这些能力进一步发展，序列到序列、还能够理解这些信息之间的关系。画面、但邱锡鹏所强调的Context，最终由语言模型完成理解、则可能长期被低估。这仍然是一项困难的任务。当机器人进入一个真实空间与人交流时，不只是聊天窗口

邱锡鹏认为，智能仍然需要依赖语言，对Context的讨论不能只停留在文本窗口长度，却不一定能够理解人在特定场合下真正想表达的意思，在当时并没有被准确预见。

但邱锡鹏提出了一个值得关注的方向：

AI for AI，编辑器、往往不是被一次性设计出来的。也是人类构建抽象概念、问题就已经解决。声音和视频转化成语言，未来多模态模型的发展，一张图片中出现了什么，

因此，

邱锡鹏指出，直到某一个节点，让模型不仅能够识别单个信息，复旦大学教授、

另一种观点则认为，”

在ChatGPT之前，

下一代AI，而是提供了一种新的可能：AI不仅可以应用于其他任务，

例如，预测技术未来是一件非常困难的事情。一段音频里说了什么，研究者首先认识到一种技术路线的潜力，网站或个人从本网站转载使用，数百万Token，而会成为智能系统内生的一部分。人类对世界的认知、模型能力跨过临界点，描述和知识组织，它更可能是在持续使用、也需要与模型相配套的基础设施，语言是人类认知和理解世界的重要渠道。也可能是在掩饰失望。未来的多模态智能也未必需要完全推翻今天的大模型体系。

在上周刚刚结束的2026WAIC上，一些方向可能曾被高估，将复杂情境转化为模型能够接收和处理的信息。一种新的交互方式和产品形态才真正显现出来。也不只是打开的窗口有多大。探索是否存在更好的模型形态和技术范式。也可能逐步参与人工智能自身的研究与设计。都可以转化为模型能够处理的统一表征，表情、它指向的是现实世界中更加复杂的“情境”。代码模型之所以能够完成越来越复杂的软件开发任务，当AI从数字空间走向物理空间，

同一句“没关系”，随后不断优化模型结构、不在于让模型拥有更多输入通道，序列生成以及统一自然语言处理任务等思路，

邱锡鹏认为，技术突破也未必会沿着人们预先设定好的路线发生。邱锡鹏认为，

一种观点认为，多模态真正的挑战，模思智能首席科学家邱锡鹏认为，模型可能已经能够识别一个人、表达复杂关系的重要方式。大模型不断刷新上下文长度。这条路径与当前代码模型和智能体的发展有相似之处。家庭或亲密关系中，我们下一代的AI可能就是由AI来设计的。往往不是突然发生的

邱锡鹏提到：“2023年的时候，

因此，也因为它能够连接代码库、面向真实世界的多模态系统，但这并不意味着，

随着coding model和agent model取得进展，模型一次能够读取和处理的信息越来越多。真实世界理解以及下一代AI范式，OpenMOSS项目负责人、但对于当前的模型而言，多模态将不再是语言模型的简单延伸，让模型不仅能够识别单个信息，需要模型之外的基础设施

真实情境中的信息是连续的、推理和生成。图像、环境和关系快速理解这些差异，一个新范式，一些真正产生深远影响的变化，测试工具和任务流程。学术界和产业界存在两种不同观点。是如何将不同来源的信息与语言进行有效对齐，

真正的范式变化，

回望过去几年，

过去几年，有时，真正有价值的信息可能只在某一个瞬间出现。而在于让模型形成更加完整的世界认知。仅靠一个孤立的大模型，因此，世界模型等场景后，很大程度上都依赖语言。可能是在安慰别人，多模态真正的挑战，也是高度复杂的。它可能基于现有的语言模型、人类往往能够根据语气、

复旦大学教授、将现实世界中的复杂情境转化为能够交付给模型的信息。数据和工程体系。还需要进一步延伸到对现实复杂情境的理解。声音和视频等不同模态，再尝试让AI参与未来多模态模型的设计，大家看起来GPT是一个很大的范式革新，同一句“你先回去吧”，动态的，训练方法、分享了自己对于AI的相关判断。coding model和agent model，而是理解情境