多模态
当前共 32 条相关资讯
LLM 0.37 发布:新增模型接入命令、默认模型降价一半、嵌入支持多模态内容类型
Simon Willison 的 LLM CLI 工具发布 0.37 版本

用 Amazon Nova 多模态嵌入和 Bedrock AgentCore 构建多智能体工程助手
多智能体自动组装航空零件替换证据

用 LFM3 构建专门化的多模态模型
Hugging Face 博客介绍基于 LFM3 定制多模态模型的方法

MIT 构建多模态 AI 模型,让模型“看见”晶体原子结构
MIT 多模态模型融合 3D 原子结构与语言描述,改进材料发现。

Higgsfield 借 GPT-6 Astra 将 AI 视频时长从 1 分钟拉到 10 分钟以上
OpenAI 客户案例:AI 视频生成时长突破 10 分钟,并走向语音创作

EmbeddingGemma 2:面向端侧的开源轻量多模态嵌入模型
谷歌开源 7.4 亿参数端侧多模态嵌入模型

openJiuwen 首发 workSwarm:全双工多模态,像聊天一样与 Agent 交互,原生亲和昇腾算力
openJiuwen 发布 workSwarm,支持全双工多模态 Agent 交互

Google 发布 Diffusion Controller:统一并简化 AI 图像生成控制
谷歌提出轻量「转向阻尼」网络,精准引导图像生成

微软发布 Quine:面向生物学复杂性的 AI 研究系统
微软研究院推出生物学多模态世界模型 Quine,候选化合物经湿实验验证

康泰纳仕如何用 Amazon Bedrock 打造多模态视频发现系统
康泰纳仕用 Bedrock 做多模态视频检索,找素材从 250 分钟降到 2 分钟

Google Research 推出自动化连贯长视频生成的多智能体框架
谷歌提出多智能体框架,让 AI 自动生成分钟级连贯长视频叙事
用 LFM2.5-VL-DSpark 加速视觉语言模型
LFM2.5-VL-DSpark:面向视觉语言模型的推理加速方案

MindTopo 基准揭示视觉语言模型的空间推理能力
新基准 MindTopo 评测多模态模型对拓扑关系的推理与规划能力。

推出 CARE-X:迈向临床可用的放射学视觉语言模型——辅助监督、奖励对齐学习与工具增强测量
微软发布胸部 X 光临床解读统一视觉语言模型 CARE-X
Meta 携 Muse Glimmer 回归:本地、代理、多模态且开源
Meta 发布 Muse Glimmer,主打本地运行、代理式交互、多模态与开源。

114B参数、6B激活,Sand.ai刚刚开源全球首个千亿MoE视频生成模型
Sand.ai开源全球首个千亿MoE视频生成模型,10秒1080P成本5毛钱

Kimi K3与DeepSeek V4之间,隔着原生多模态的时间差
探讨大模型原生多模态能力对长链Agent任务的价值,以及K3与V4背后的路线分歧。
摩尔线程完成MiniMax H3多模态生成模型适配
MiniMax开源H3模型,摩尔线程率先完成适配运行
36氪独家|曾爱玲入职B站担任AI视频生成业务负责人,向CEO陈睿汇报
前腾讯混元、Anuttacon研究员曾爱玲加入B站,负责AI视频生成业务。

视频后期,危!MiniMax H3手绘即特效,多模态的「Coding时刻」来了
MiniMax H3 发布,通过手绘即可生成视频特效,开启多模态交互新范式。
小鹏汽车、智元机器人等将率先接入Seedance 2.5
火山引擎发布视频生成模型Seedance 2.5,多家企业将首批接入API服务。

OPPO 端侧多模态大模型工程化实践
OPPO在AICon分享端侧多模态大模型落地经验

合肥又押中AI独角兽:多模态赛道,3个月融了21亿
合肥投资的多模态AI独角兽3个月融资21亿元

NASA 将谷歌 Gemma 大语言模型送入轨道
NASA 成功在轨演示视觉语言模型分析卫星图像。
独家|混元多模态理解负责人胡瀚离职创业,原团队或将聚焦世界模型
腾讯混元多模态理解负责人胡瀚离职,团队或转向世界模型研究。

WAIC 2026|从纳米抗体到环肽:分子之心30天两度验证AI底层设计力,筑牢生物经济“多模态新基建”
分子之心30天内两次验证AI设计纳米抗体与环肽的能力
商汤科技旗舰级SenseNova U1 Pro正式发布
商汤发布旗舰大模型U1 Pro,定位多模态智能体基座。
TimeLens2:基于多模态大语言模型的通用视频时间定位
提出通用视频时间定位方法,通过区间集监督和Wasserstein奖励提升性能。

豆包视频通话背后,火山引擎重构 Agent 时代多模态传输底座
火山引擎为豆包视频通话重构多模态传输底座
S1-Omni:面向科学理解、预测与生成的统一多模态推理模型
S1-Omni统一多模态科学推理模型,在60多项基准上超越GPT-5.5和Gemini-3.1-Pro。