相较于智谱、DeepSeek等聚焦通用大模型、推理及代码生成的厂商,模思智能更侧重语音、视觉及实时多模态交互,旨在让AI持续感知并理解真实环境,应用于AI眼镜、智能汽车、机器人等终端场景。同时,公司正探索“AI for AI”路径,利用AI参与数据生产、筛选和模型迭代。
半年发布20余款模型,瞄准全模态实时交互
2026年以来,模思智能加速模型迭代,半年内发布20多个模型并持续推进开源。已推出的MOSS-TTS、MOSS-Audio、MOSS-Transcribe-Diarize、MOSS-VL、MOVA等系列模型,覆盖语音生成、音频理解、语音识别、视觉理解及内容生成等领域。迭代速度方面,仅4月7日至13日一周,MOSS-VL和MOSS-Audio便连续迭代6个版本;7月初,团队又连续两天开源发布MOSS-Transcribe-Diarize 0.9B和MOSS-VL-Realtime两款模型。技术路线上,模思智能重点布局全模态实时交互,致力于让AI在动态真实场景中同步处理语音、画面、环境及设备状态信息,并按需实时反馈。据悉,模思智能即将推出全模态实时交互系统MOSS Live。该系统采用“前端交互+后端能动”协同架构:前端模型负责持续感知视觉、语音等信息并实时交流,后端模型处理复杂推理和任务执行,确保AI在执行任务时保持交互连续性。该系统将面向AI眼镜、智能汽车、家庭终端及机器人等场景。此外,模思智能正推进“AI for AI”技术路线,核心是利用生成模型生产多模态数据,再通过理解模型进行质量判断、筛选和反馈,将结果用于后续训练,以降低对人工操作的依赖。
创始团队源自复旦OpenMOSS,邱锡鹏任首席科学家
模思智能创始人兼首席科学家邱锡鹏为复旦大学教授、国家杰出青年科学基金获得者,兼任上海创智学院副院长及全职导师。邱锡鹏深耕自然语言处理与大模型研究,其著作《神经网络与深度学习》被广泛用于高校教学,多次入选全球前2%顶尖科学家榜单。2024年,他获CCF-ACM AI Award(中国计算机学会与美国计算机学会人工智能奖),为当年全球唯一获奖者。早在成立公司前,邱锡鹏团队已开展多年大模型研究:2016年起步预训练技术;2023年2月发布类ChatGPT开源模型MOSS;同年推出端到端语音交互模型SpeechGPT;2024年通过AnyGPT探索文本、语音、图像等多模态统一建模。模思智能CEO李世民同样出自邱锡鹏团队,曾在其指导下硕博连读。李世民以第一作者身份发表多篇CCF-A类论文,深度参与科技部“新一代人工智能2030”重点研发项目,研究方向涵盖拟人化人机交互等技术。