海外多模态大模型进展 - OpenAI于10月1日上线Sora2/Pro App，支持最长15秒文生视频，物理运动更精准并支持用户客串生成内容，发布三天后登上美区App Store第一名 [1][1] - OpenAI在10月7日开发者大会上宣布ChatGPT可直接调用第三方应用，并推出GPT-5Pro、Sora2 API等开发者工具，标志其从单一对话工具向AI应用及社交平台转型 [1] - xAI于10月6日推出视觉生成模块Imagine，可从文字生成高质量图像与视频，Grok由问答助手升级为多模态创作AI，构建社交+搜索+创作一体化平台 [1] - Anthropic于9月30日发布Claude Sonnet 4.5编程模型，强调构建生产就绪级AI Agent能力，推动智能体从原型验证迈向实际部署 [1] - 多模态理解与生成技术已突破具备商业化价值临界点，AI生成视频动作可控性与内容观赏度显著提升，用户主动创作与付费意愿大幅提升 [1] 国内多模态能力发展 - 快手可灵2.5 Turbo于10月2日在全球视频生成模型榜单中登顶图生视频与文生视频双榜首，体现其视频生成与内容质量的国际领先水平 [2] - 字节跳动于10月2日与UCLA推出Self-Forcing++视频生成技术，可生成4分15秒高清视频，视觉稳定性提升至2.6倍 [2] - 字节跳动旗下豆包1.6-Vision模型于9月30日更新，通过工具调用将图像融入思维链，提升视觉理解精度 [2] - 腾讯于9月28日推出并开源混元图像3.0，作为业界首个开源工业级原生多模态生成模型，快速登顶Hugging Face热榜并保持领先 [2] - AI应用落地竞争核心从单一语言智能转向多模态生成与理解能力，国内头部厂商正快速补齐该关键环节并在国际基准测试中崭露头角 [2] 国产算力投资逻辑演变 - DeepSeek于9月30日发布DeepSeek-V3.2-Exp，DSA架构使得推理成本更低且支持更长上下文，模型支持国产开发生态tilelang语言，并实现与寒武纪、海光、昇腾等芯片的首日适配 [3] - 智谱于9月30日开源GLM-4.6，在Agentic Coding等关键能力上显著提升，代码生成性能已对齐Claude Sonnet 4，并完成与国产GPU的联合优化 [3] - 阿里巴巴于10月4日发布并开源Qwen3-VL系列多模态模型，实现昇腾芯片的0Day适配，加速国产硬件生态落地 [3] - 投资逻辑从因H20限售驱动的供给侧替代逻辑，演进为多模态能力突破带来的需求侧拉动，AI应用自身增长牵引形成国产算力原生成长路径 [3] - 随着多模态生成与实时推理场景不断丰富，国产算力有望进入内生驱动的新一轮成长周期 [3]