NTT在原有轻量级国产大模型「tsuzumi 2」基础上推出多模态升级版「tsuzumi 2 Vision」，支持在单GPU、本地或私有云环境中，直接读取含表格、图表和流程图等的日文商务文档图片，并结合数值计算等逻辑推理能力，为金融、政府、医疗等高机密场景提供更安全的AI文档处理方案。

人工智能正逐步融入盲人和低视力人士的日常生活，但最新研究显示，现有多模态大模型在复杂视觉任务上的表现仍不稳定，亟需在可靠性与交互设计上进一步优化。

理光宣布完成多模态大规模语言模型「Qwen3-VL-Ricoh-32B-20260227」的开发。该模型专注于理解包含图表、图像和复杂版式的企业文档，并通过多步推理实现高精度文档理解，同时提供轻量版免费开放和自研推理评测基准。

UCLA Health 研究指出，当前多模态大模型缺少与人类类似的身体经验和内部状态监测机制，这种“内部具身性”的缺失，可能对 AI 的行为表现、安全性与可信度产生深远影响。