图像生成
图像,绘画
沉浸式翻译团队新品：BabelDOC PDF，无损翻译 PDF，免费用户可用
沉浸式翻译团队最近开源了其PDF翻译工具——BabelDOC PDF，该工具在很大程度上解决了PDF机翻中常见的排版乱码、串行等问题，能够直接输出对版的精准PDF。BabelD...
o3解读：OpenAI发力tool use，Manus们会被模型取代吗？
OpenAI近期发布了o3和o4-mini两个新模型，标志着其在推理和多模态能力上的重大突破。o3模型凭借其全面的推理能力、丰富的工具使用方式以及全新的多模态CoT（C...
图像编辑开源新SOTA，来自多模态卷王阶跃！大模型行业正步入「多模态时间」
全球AI大模型的发展正迅速进入“多模态时代”，这一趋势不仅体现在技术进展上，也反映在应用和落地的需求中。多模态技术已成为AI领域的关键能力，尤其是在智能...
「拍照问夸克」，从「Know-What」到「Get it Done」的跃迁
夸克近期推出的「拍照问夸克」功能，标志着AI多模态入口的进一步升级。通过将相机作为与AI交互的核心工具，夸克AI相机不仅简化了用户的操作流程，还提供了更...
毛骨悚然！o3精准破译照片位置，只靠几行Python代码？人类在AI面前已裸奔
OpenAI的o3模型展示了通过照片识别地理位置的强大能力，引发了广泛的关注和讨论。Django Web框架的创始人Simon Wilson通过实验发现，o3能够通过Python代码和...
GPT-4o偷偷升级，变身聊天鬼才！新版STEM智力飙升，生图却惨遭削弱？
OpenAI近期对GPT-4模型进行了更新，此次更新在多个方面带来了显著的变化。首先，模型在智力和个性方面有了进一步的提升，尤其是在STEM领域的问题解决能力上表...
DeepMind CEO 放话：未来十年赌上视觉智能，挑战 OpenAI 语言统治地位
Demis Hassabis，作为AI领域的先驱，其职业生涯始于对国际象棋的痴迷，并最终引领了通用人工智能（AGI）的研究。Hassabis从小展现出非凡的国际象棋天赋，13岁...
英伟达开源「描述一切」模型，拿下7个基准SOTA
为了实现这些功能，DAM 采用了两个关键创新：焦点提示（focal prompt）和局部视觉骨干网络（localized vision backbone）。焦点提示通过提供完整图像和目标区...
“DeepSeek不是万能的”，李彦宏今年押注AI 应用：模型价再“打骨折”，重点布局多智能体、多模态
在百度 Create 开发者大会上，百度创始人李彦宏发布了两款新的大模型——文心大模型 4.5 Turbo 和文心大模型 X1 Turbo，并宣布了一系列支持开发者全面拥抱 MCP...
最新实测！文心4.5T/X1T双卷王登场效果惊人，骨折价卷到DeepSeek
百度最新发布的两款大模型——文心大模型4.5 Turbo和文心大模型X1 Turbo，标志着其在多模态、深度推理和低成本方面的显著突破。这两款模型不仅在性能上超越了市...
