标签：多模态
确认！DeepSeek多模态AI已经开测
视觉能力的落地建设直接依托核心研发团队的专项攻关。多模态研究组负责人主导了整体架构设计与跨模态对齐方案，其前期统筹的统一多模态框架及基于稀疏专家的...
阿里HappyHorse开启灰测，720P视频生成低至0.44元/秒
阿里巴巴视频生成模型已正式开启灰度测试，面向多元用户群体构建分级服务矩阵。专业机构与企业客户可依托独立官网及阿里云生态完成服务部署，大众用户则通过...
马斯克来抖音卖老干妈了？？
近期网络流传的马斯克直播带货及游戏联动截图，实则均为人工智能生成内容，这展示了最新图像生成模型的真实水平，标志着“有图为证”时代的终结。该模型最显著...
再封神！OpenAI掀翻AI图像生成，极度逼真，立刻商用
OpenAI 再次引发行业震动，传闻中的 GPT-Image-2 正处于灰度测试阶段，其表现被外界视为又一次技术封神。此前 GPT-4o 的发布已对原有的 AI 生图工作流造成巨...
去掉像素中介！上海交大让AI边看边想边画，用同一个“大脑”跨模态推理
来自国内外知名高等学府与合作实验室的人工智能专家团队，近期攻克了一项关键技术创新点。他们开发的新型架构彻底移除了图像编码至语义分析的像素级中转过程...
雷军刘强东，投了个29岁哥大学霸
作为近年刚诞生的新型组织，其核心管理层展现出极高的专业水准，创始人由一位出生在 1997 年的年轻学人担任。他在全球知名研究机构从事深度学习课题研究，并...
GPT-6，曝光了
伴随技术迭代的节奏，企业内部管理结构也随之进行了深刻的重组。为了确保新项目研发所需的计算资源，多款非核心的前沿试验项目已被中止或推迟。由此波及到与...
实时交互 AI 技术基建，Soul 打出了王牌
Soul平台正通过持续的开源动作，构建覆盖多模态实时交互能力的AI生态系统，推动社交从功能工具向情感连接本质回归。其核心路径聚焦于“真实场景可用”与“多模态...
五百行代码打造SOTA视觉智能体！UniPat AI最新开源
SWE-Vision是一种极简的视觉智能体框架，旨在通过让模型编写并执行Python代码来弥补其在基础视觉任务中的精度缺陷。研究发现，尽管当前多模态大模型在编程能...
AI的七窍打通了！谷歌发布Gemini Embedding 2原生多模态嵌入模型
谷歌正式发布了名为 Gemini Embedding 2 的新型基础架构，实现了 AI 像人类一样用五种感官同步感知世界。这个系统将文字、图像、视频、音频和文档数据全部整...
