搜尋結果：多模態

共找到 10 條結果

直出4K分辨率！谷歌全新Gemini Omni 1.1 Flash視頻模型重磅登場

谷歌發佈視頻生成AI模型Gemini Omni1.1 Flash，最高支持4K超高清輸出，並在場景擴展、運鏡控制與生成效率上全面升級，面向開發者和專業創作者。該模型主打多項功能亮點，用戶可直接進行場景擴展等操作，推動多模態視頻生成向更高清、更長時方向演進。

3 天前18.2K

通義千問發佈Qwen3.8-Flash-Next，提前劇透Qwen4架構

阿里通義千問團隊近日開源全新多模態MoE模型Qwen3.8-Flash-Next，作爲Qwen4架構早期預覽版。該模型採用高度稀疏的混合專家設計，總參數1250億，另搭配510億參數N-gram嵌入表和40億參數多token預測模塊，以極低計算開銷實現越級性能表現。

4 天前15.7K

國產大模型打出王炸！智譜GLM-5.3-Flash原生多模態顛覆行業價格戰

智譜AI發佈GLM-5.3-Flash，即開源社區神祕模型“Ox-Alpha”。作爲GLM-5系列首個原生多模態模型，其性能對標全球頂級旗艦，並以顛覆性價格和全國產算力底座改寫行業競爭規則。

4 天前16.6K

價格砍至四十分之一！智譜開源原生多模態大模型GLM-5.3-Flash

智譜開源原生多模態模型GLM-5.3-Flash（320B-A18B），以領先性能和極致定價推動AI普惠。該模型測評獲57分，與Claude Opus4.8持平，編程能力相當，綜合性能超越GLM-5.2。發佈前以匿名“Ox-Alpha”公開測試，登頂OpenCode、OpenRouter平臺調用。

4 天前16.7K

千問開源Qwen3.8-Flash-Next架構，輕量化多模態大模型實現效能突破

阿里千問發佈多模態MoE模型Qwen3.8-Flash，並開源下一代架構Qwen3.8-Flash-Next（Qwen4雛形）。模型總參數125B，搭載51B N-gram Embedding，每token僅激活6B；原生支持26萬token，可擴展至100萬。訓練成本爲前代1/9，API定價輸入每百萬Tokens 1元、輸出3元。

4 天前17.3K

全球首個真實數據訓練烹飪AI基礎模型發佈，炒菜機器人進入“具身智能”新時代

8月23日，橡鹿機器人發佈全球首個基於真實廚房數據訓練的多模態烹飪AI基礎模型“CookingMuse廚啓”，標誌烹飪AI從指令執行邁向深度理解與真實場景應用。同步推出3K視覺AI炒菜機器人和具身烹飪機器人“現炒方舟”，技術佈局覆蓋烹飪全流程。

08-2419.5K

Kimi K2.5 月底退役：月之暗面第一代萬億參數多模態模型謝幕

月之暗面官宣第一代萬億參數多模態模型Kimi K2.5將於本月底結束服役。該模型今年1月推出並開源，是Kimi迄今最全能模型，採用原生多模態架構，支持視覺與文本輸入、思考/非思考模式、對話與Agent任務，在Agent、代碼、圖像、視頻及通用智能取得開源SOTA。K3將接力，參數規模再上臺階。

08-2412.4K

長眼！DeepSeek Flash視覺模型突發更新，支持多模態

DeepSeek工具鏈升級至0.1.1-rc.1版，在V4Flash與V4Pro基礎上新增視覺模型體驗版V4Flash Vision-Exp。此前v0.1.0-rc.8已打通多模態能力，支持原生圖片請求，/goal、/plan等指令實現圖文混合輸入。

08-2135.8K

阿里開源 Qwen-UI-Agent：真機多模態基座模型登場

阿里巴巴推出 GUI 智能體基座模型 Qwen-UI-Agent，以真實世界爲中心，覆蓋移動端、電腦端、網頁端及深度搜索，旨在突破模擬測試限制，實現複雜真實設備無縫操作。其在 MobileWorld 移動端測試中獲 82.1% 高分，領先多個主流模型，綜合性能全面超越行業旗艦。

08-2133.4K

商湯科技開源8B輕量多模態大模型：原生4K輸出、全能視覺編輯

商湯開源8B輕量級統一多模態模型SenseNova U1.5Lite，核心視覺任務表現超越同級，部分複雜排版與文字渲染媲美大規模商業模型；原生支持3-4K上下文，可同時處理主體、數量、空間關係、文字、佈局、風格等多重約束。

08-2132.5K