加码多模态能力，夸克发布全新“AI相机”

4月27日，夸克AI超级框发布全新AI相机，上新“拍照问夸克”功能。

资料显示，基于视觉理解与思考推理的强大模型能力，夸克AI超级框从视觉出发创新下一代搜索体验，进一步理解和回答物理世界中的各类问题。

作为阿里巴巴AI旗舰应用，夸克AI超级框持续快速迭代，提升超级智能体的多模态能力，打造用户生活、工作、学习的AI超级入口。

功能入口 视频截图

据官方介绍，夸克AI相机功能多元。拍下景色照片既可以查找位置，也能让旅游助手制定行程；看见不了解的文物、动物、植物，拍照问夸克，给出答案的同时也会自带中外语音讲解；跨国旅行时，面对外文菜单，拍照问夸克，也能给出良好翻译回应；使用夸克AI相机，还可以对照片进行多余杂物的消除，调整表情、头发和服装，还能让AI代写朋友圈文案。

旅游出行助手功能 夸克官方

同时，使用夸克AI相机也可以充当生活管家。电脑蓝屏、电器显示故障时，拍下相关情况，能获取解决方法和故障原因；家里灯泡、变压器、螺丝等物品损坏，拍照即可知晓该购买哪一款，解决生活中的各种难题。

生活建议功能 夸克官方

夸克AI相机能在健康方面给予指导。看不懂体检报告数值，拍照可获得详细解释，并生成专属健康方案；吃药前拍一拍，能了解服用指南和禁忌症状；尿酸偏高时，还能依据身体状况生成符合口味的一周食谱，关注各类健康问题。

健康顾问功能 夸克官方

夸克AI相机也可以帮助工作学习。手写合同字迹潦草，拍照后AI自动补全信息并生成调整好的合同；拍摄复杂图表，能直接完成计算给出答案；学习代码遇到参考资料不完整，拍照可复现并添加注释，助力工作学习。

工作学习助手功能 夸克官方

今年3月，夸克发布“AI超级框”并不断迭代用户体验。随着“拍照问夸克”上线，“AI超级框”在交互上极大拓展了应用场景。

眼下，多模态能力已经是AI大模型竞争的新一环。

去年，OpenAI推出Sora，实现“一句话生成视频”；谷歌发布Gemini，能够无缝地理解、操作和组合不同类型的信息。而后，国内主要公司也开始陆续跟进，升级旗下AI的多模态能力。

目前，腾讯混元大模型在2024年11月正式上线视频生成能力，不断拓展其多模态能力；月之暗面在2025年1月22日发布了Kimi1.5多模态思考模型，融合文本和视觉数据，支持跨模态推理；字节旗下的豆包在2025年4月发布了豆包1.5・深度思考模型，其多模态理解与应用场景支持边想边搜和视觉推理，国内各大AI大模型纷纷下场，开始了在多模态方面的竞争。

本文系观察者网独家稿件，未经授权，不得转载。