搜索结果：多模态

共找到 10 条结果

直出4K分辨率！谷歌全新Gemini Omni 1.1 Flash视频模型重磅登场

谷歌发布视频生成AI模型Gemini Omni1.1 Flash，最高支持4K超高清输出，并在场景扩展、运镜控制与生成效率上全面升级，面向开发者和专业创作者。该模型主打多项功能亮点，用户可直接进行场景扩展等操作，推动多模态视频生成向更高清、更长时方向演进。

3 天前19.3K

通义千问发布Qwen3.8-Flash-Next，提前剧透Qwen4架构

阿里通义千问团队近日开源全新多模态MoE模型Qwen3.8-Flash-Next，作为Qwen4架构早期预览版。该模型采用高度稀疏的混合专家设计，总参数1250亿，另搭配510亿参数N-gram嵌入表和40亿参数多token预测模块，以极低计算开销实现越级性能表现。

4 天前15.7K

国产大模型打出王炸！智谱GLM-5.3-Flash原生多模态颠覆行业价格战

智谱AI发布GLM-5.3-Flash，即开源社区神秘模型“Ox-Alpha”。作为GLM-5系列首个原生多模态模型，其性能对标全球顶级旗舰，并以颠覆性价格和全国产算力底座改写行业竞争规则。

4 天前16.6K

价格砍至四十分之一！智谱开源原生多模态大模型GLM-5.3-Flash

智谱开源原生多模态模型GLM-5.3-Flash（320B-A18B），以领先性能和极致定价推动AI普惠。该模型测评获57分，与Claude Opus4.8持平，编程能力相当，综合性能超越GLM-5.2。发布前以匿名“Ox-Alpha”公开测试，登顶OpenCode、OpenRouter平台调用。

4 天前17.8K

千问开源Qwen3.8-Flash-Next架构，轻量化多模态大模型实现效能突破

阿里千问发布多模态MoE模型Qwen3.8-Flash，并开源下一代架构Qwen3.8-Flash-Next（Qwen4雏形）。模型总参数125B，搭载51B N-gram Embedding，每token仅激活6B；原生支持26万token，可扩展至100万。训练成本为前代1/9，API定价输入每百万Tokens 1元、输出3元。

4 天前16.3K

全球首个真实数据训练烹饪AI基础模型发布，炒菜机器人进入“具身智能”新时代

8月23日，橡鹿机器人发布全球首个基于真实厨房数据训练的多模态烹饪AI基础模型“CookingMuse厨启”，标志烹饪AI从指令执行迈向深度理解与真实场景应用。同步推出3K视觉AI炒菜机器人和具身烹饪机器人“现炒方舟”，技术布局覆盖烹饪全流程。

08-2419.5K

Kimi K2.5 月底退役：月之暗面第一代万亿参数多模态模型谢幕

月之暗面官宣第一代万亿参数多模态模型Kimi K2.5将于本月底结束服役。该模型今年1月推出并开源，是Kimi迄今最全能模型，采用原生多模态架构，支持视觉与文本输入、思考/非思考模式、对话与Agent任务，在Agent、代码、图像、视频及通用智能取得开源SOTA。K3将接力，参数规模再上台阶。

08-2413.4K

长眼！DeepSeek Flash视觉模型突发更新，支持多模态

DeepSeek工具链升级至0.1.1-rc.1版，在V4Flash与V4Pro基础上新增视觉模型体验版V4Flash Vision-Exp。此前v0.1.0-rc.8已打通多模态能力，支持原生图片请求，/goal、/plan等指令实现图文混合输入。

08-2135.8K

阿里开源 Qwen-UI-Agent：真机多模态基座模型登场

阿里巴巴推出 GUI 智能体基座模型 Qwen-UI-Agent，以真实世界为中心，覆盖移动端、电脑端、网页端及深度搜索，旨在突破模拟测试限制，实现复杂真实设备无缝操作。其在 MobileWorld 移动端测试中获 82.1% 高分，领先多个主流模型，综合性能全面超越行业旗舰。

08-2133.4K

商汤科技开源8B轻量多模态大模型：原生4K输出、全能视觉编辑

商汤开源8B轻量级统一多模态模型SenseNova U1.5Lite，核心视觉任务表现超越同级，部分复杂排版与文字渲染媲美大规模商业模型；原生支持3-4K上下文，可同时处理主体、数量、空间关系、文字、布局、风格等多重约束。

08-2132.5K