据DeepLearning.AI在X平台发布的信息，该机构与Snowflake联合推出多模态数据管道短课，实战内容覆盖利用OCR与ASR将图片与音频转为结构化文本、用视觉语言模型生成带时间戳的视频描述，以及构建可跨PPT、音频与视频检索的多模态RAG流程（来源：DeepLearning.AI）。据DeepLearning.AI报道，课程由Gilberto Hernandez授课，面向需要将非结构化企业数据纳入生产级数据栈的从业者，强调索引、特征抽取与跨模态检索的工程化路径，可降低人工标注成本并提升知识发现效率（来源：DeepLearning.AI）。据DeepLearning.AI称，与Snowflake的合作表明企业对原生多模态能力的需求上升，为数据团队在OCR/ASR标准化处理、引入VLM视频理解以及运营化多模态检索用于分析与合规场景带来商业机会（来源：DeepLearning.AI）。

根据 The Rundown AI 报道，Anthropic 上线了全新视觉模型 Glasswing，详情见 anthropic.com/glasswing。根据 Anthropic 公告，Glasswing 为多模态视觉模型，面向图像、文档与界面截图的理解与推理，适配合规审查、分析与代理自动化等企业场景。据 Anthropic 介绍，Glasswing 可与 Claude 及 API 工具链集成，支持基于检索的视觉问答、PDF 结构化抽取与逐步视觉推理，可在金融与医疗等高文档行业缩短人工审核时间并提升数据准确率。Anthropic 表示，其在图表理解、OCR 稳健性与多轮视觉对话等基准上较早期 Claude Vision 有明显提升，意味着在企业多模态场景上对 OpenAI 与谷歌形成竞争压力。根据 The Rundown AI 的页面链接，开发者文档与示例已上线，为 SaaS 厂商快速叠加视觉副驾、自动化报表与界面测试代理创造短期机会。

据DeepLearning.AI在Twitter披露，其重点推出4篇课程资源，面向发票处理、文档抽取、跨工具数据对接等高ROI场景，而非仅限聊天机器人。根据DeepLearning.AI，这一路径涵盖从OCR到Agent式文档抽取、面向LLM的非结构化数据预处理、结合LangChain的函数工具与智能体、以及提高LLM应用准确性的系统方法。依据DeepLearning.AI，这些教程聚焦生产落地：指导OCR与解析策略、字段与模式设计、检索与工具调用、评估与纠错，可帮助企业构建可靠文档流水线，降低人工成本并提升数据质量与合规性。

据@godofprompt分享，arXiv论文提出一款面向超高分辨率输入的视觉语言模型。根据arXiv，该模型可端到端处理4K图像，在零样本OCR、图表理解与文档问答上取得领先而无需特定任务微调。论文在arXiv指出，其在DocVQA与ChartQA上表现具竞争力，同时保持通用多模态推理能力；核心方法为瓦片级特征聚合与分辨率感知位置编码以保留小目标细节。根据arXiv的实验与案例，这对企业场景如自动化文档录入、发票解析、零售货架识别与高分辨率质检具有直接商业价值。

据DeepLearningAI在Twitter上的消息，DeepLearningAI与LandingAI合作推出新课程“文档AI：从OCR到智能文档抽取”，旨在帮助用户自动化文档数据提取和格式化流程。据DeepLearningAI报道，该课程教授先进的OCR和AI文档抽取工具，能显著减少手动录入，提高企业数据处理效率，为希望应用文档AI技术的专业人士带来实际生产力提升。

据DeepLearning.AI官方消息，其与LandingAI合作推出的“文档AI：从OCR到智能文档提取”课程，系统讲解了如何从包含手写公式、嵌套标题或重叠水印的复杂文件中智能提取信息。课程内容涵盖光学字符识别、版面检测及自动化文档读取，助力企业提升数据提取和处理效率，满足智能文档处理的行业需求。

据Andrew Ng（@AndrewYNg）在推特发布的信息，LandingAI推出了一门新课程《Document AI: From OCR to Agentic Doc Extraction》，由David Park和Andrea Kropp授课（来源：Andrew Ng推特，2026年1月14日）。该课程聚焦于如何从PDF、JPEG等非结构化文档中提取结构化数据，涵盖了构建基于AI的智能文档抽取系统的实用方法，包括先进的光学字符识别（OCR）和自动化流程。对于需要处理大量文档数据的企业来说，这一课程为实现文档工作流自动化、提升数据准确性和加快决策速度提供了AI落地应用和商业机会（来源：Andrew Ng推特，2026年1月14日）。