一句话看懂：腾讯于7月23日宣布，将其多模态模型部门与大语言模型部门合并，组建新的基础模型部，由腾讯首席AI科学家姚顺雨统一管理。此举旨在打破图像理解和语言生成两条技术路线的研发壁垒，集中资源冲击全模态大模型的上限。
事件核心：发生了什么
据媒体报道，腾讯在7月23日完成了一次重要的组织架构调整：将负责多模态模型（能理解图像、视频）的部门与负责大语言模型（能对话、推理）的部门合并，正式成立“基础模型部”。该部门将由腾讯首席AI科学家姚顺雨全面负责。此次合并早有征兆——去年12月，姚顺雨已出任大语言模型部门负责人。此次将多模态和语言两条线并入同一领导、同一部门，意味着腾讯在混元技术路线上将“能看图像”和“能对话”的能力整合在一个统一指挥中枢之下，为研发真正的全模态模型铺平了组织道路。
为什么重要
这一调整对AI行业具有明确的指向意义。首先，它反映出当前大模型竞争已从单一文本能力升级到多模态融合能力。此前，许多公司的大语言模型和多模态模型分属不同团队，导致“看到的”和“说出的”之间存在认知不一致、训练协同效率低的问题。腾讯此次合并，意味着在研发层面将图像理解、视频理解与语言生成视为一个整体问题来求解，这更接近人类感知与表达的自然统一方式。其次，在商业化层面，全模态模型能直接赋能腾讯的社交、游戏、广告、云服务等核心业务，例如实现更精准的图片内容审核、更自然的视频对话交互、更高效的AIGC内容创作。从行业竞争看，此举也表明腾讯正在加速追赶OpenAI的GPT-4V、谷歌Gemini等全模态领先产品，试图在组织效率上形成突破。
对用户/开发者/创作者的影响
对普通用户来说，未来使用腾讯混元系列产品时，可能会更早体验到“看图说话”与“对话推理”无缝衔接的连贯服务，例如用户上传一张照片后，AI能同时进行画面描述、风格分析并主动提问，而不是像现在这样分模块调用。对于开发者和创作者，组织合并可能带来API接口上的整合利好：未来腾讯混元的开放平台有望提供统一的多模态API，开发者只需调用一个端点，就能同时获得图像理解、文本生成、图像生成等能力，减少集成成本和调试难度。此外，内容创作者在高频使用AIGC工具（如AI作图、文案生成、视频脚本）时，也能获得更自然的产品体验，不再需要手动切换不同模型。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，以下三点值得持续跟踪：第一，合并后的基础模型部是否会在近期发布“混元全模态”新版本或对外演示视频，以展示组织整合后首个具体成果。第二，腾讯混元的API定价策略是否会因模型统一而调整，例如是否推出全模态混合计费或免费额度增加。第三，其他国内大模型公司（如百度、阿里、字节）是否也会跟进类似的组织合并，推动内部多模态与语言团队一体化，这将是检验行业趋势是否成真的重要信号。
来源：AIbase
