图像生成
图像,绘画
跟着Google出海：教你怎么落地Gemini
Founder Park 与 Google 合作推出的「从模型到行动」系列 AI 工作坊，旨在帮助开发者将顶尖 AI 模型的能力转化为实际商业价值。该系列工作坊将在深圳、上海和...
开源端到端语音大模型：直接从原始音频输入，生成语音输出
Step-Audio团队近期开源了一个端到端的语音大模型Step-Audio-AQAA，该模型能够直接理解音频输入并生成自然流畅的语音回答，而无需先将语音转换为文本。这一技...
95后，边改造业务边发AI顶会论文，是怎样的体验？
在AI时代的浪潮下，顶尖技术人才的市场价值被推升至前所未有的高度。无论是谷歌Transformer论文八子，还是从OpenAI出走的科学家，他们的选择直接影响企业技术...
文心大模型 4.5 系列正式开源，涵盖 10 余款模型
百度于6月30日正式开源了文心大模型4.5系列，涵盖10款不同参数规模的模型，包括47B、3B激活参数的混合专家（MoE）模型和0.3B参数的稠密型模型。这些模型已在...
强化学习也能预训练？效果可提升20倍，华人新作引爆RL新范式!
大规模预训练和微调的模式在机器学习领域取得了显著成功，但在强化学习（RL）中的应用仍面临挑战。强化学习需要对时间和意图进行推理，传统方法在处理长时间...
拯救P图废柴，阿里上新多模态模型Qwen-VLo！人人免费可玩
阿里最新发布的多模态模型Qwen-VLo在图像生成和编辑领域展现了强大的能力，引发了广泛关注。该模型在原有的多模态理解和生成能力基础上进行了全面升级，具备...
香港科技大学、Manycor开源空间大模型，超3000颗星
香港科技大学与Manycore联合开源了一种名为SpatialLM的空间大模型，专注于处理3D点云数据并生成结构化的三维场景理解输出。这一模型的目标是让机器能够像人类...
豆包大模型“考上”清北的背后
豆包大模型1.6（Seed 1.6-Thinking）在2025年高考中取得了文科683分、理科648分的成绩，位列全球顶级通用大语言模型的前列，具备冲击清华和北大的实力。这一...
2G 内存跑 Gemma 3n 完整版！全球首个 10B 内模型杀疯 LMArena：1300 分碾压记录
谷歌正式发布了Gemma 3n完整版，这是一款面向开发者的开源大模型，具备输入图像、音频和视频的能力，并支持文本输出。Gemma 3n的设计亮点在于其天生多模态和...
OpenAI员工爆料：已抢先体验GPT-5！7月上线，疑似完全多模态
关于GPT-5的讨论近期在科技界引发广泛关注，多个线索表明OpenAI可能已开始内部测试这一新一代模型。Sam Altman在X平台关注神秘人物Yacine的举动，结合OpenAI...
