新加坡国立大学华人团队发布了NExT-GPT，这是一款支持任意模态输入和输出的大一统多模态大模型。该模型引起了AI社区的广泛关注，被认为标志着全能型大型语言模型（LLM）的到来。NExT-GPT能够处理文本、图像、音频、视频等多种模态输入，并具备通用理解能力。它采用了模态切换指令微调学习（MosIT）来提升多模态指令跟随和相应能力。未来的展望包括进一步提升多模态生成策略和降低多模态支持成本。