标签：多模态AI
世界模型有了开源基座Emu3.5！拿下多模态SOTA，性能超越Nano Banana
北京智源人工智能研究院最新发布的悟界·Emu3.5标志着开源原生多模态世界模型的重大突破。该模型以34B参数量实现图、文、视频任务的统一处理，其核心突破在于...
苹果传统强项再发力，视觉领域三种模态终于统一
苹果虽在大模型领域表现不佳，但在计算机视觉领域的智能研究是其传统强项。为解决视觉模型拆分、难以统一泛化的痛点，Apple研究团队提出了ATOKEN（A Unified ...
年仅24岁、博士退学、项目平平，却签下2.5亿美元天价Offer？Meta的这波操作，全网看懵了
在 AI 军备竞赛日益激烈的背景下，Meta 为 24 岁的 AI 研究员 Matt Deitke 开出 2.5 亿美元薪酬包，刷新行业纪录。今年夏天，Meta 首席执行官马克·扎克伯格邀...
刚刚，全网最懂图文调研的智能体模型震撼上线，看完我直接卸了浏览器
七月国产大模型开源成高频现象，各大厂商纷纷开源数十款模型，八月这一势头未减。昆仑万维在八月开启 Skywork AI 技术发布周，连续五天推出多个新模型，覆盖...
AI写代码新姿势：一个截图，代替千行代码
商汤科技在GDC全球开发者先锋大会上发布了办公小浣熊2.0和代码小浣熊2.0的升级版本，并推出开源框架LazyLLM及万象应用开发平台。办公小浣熊2.0通过融合多模态...
OpenAI前CTO 官宣新公司，Lilian Weng联创，阵容最豪华的AI创企出现了
前 OpenAI 首席技术官 Mira Murati 联合多位行业顶尖人才创立了 AI 公司 Thinking Machines Lab，团队成员包括前 OpenAI 安全研究副总裁 Lilian Weng、OpenAI...
从骁龙8至尊版，我看到了AI手机的未来 | 智在终端
2024年最后一季度，安卓市场因骁龙8至尊版的发布而再次火热。AI成为手机市场的核心关键词，各大厂商通过实际进展证明端侧AI已成为手机竞争的新焦点。骁龙8至...
Sora终于来了，但多模态AI呼唤实用主义
OpenAI发布的视频生成模型Sora Turbo在实测中未能超越市场上现有视频模型，存在视频时长、生成效果一致性、指令遵循等方面的不足。Sora项目被比作视频版GPT-1...
实时音视频领域拓荒者的十年
实时对话式AI的机遇正在被业界广泛讨论和探索。RTE（实时互联网）大会自2015年引入中国以来，已发展成为全球规模最大的音视频行业峰会，吸引了众多行业专家和...
CNCC 落幕：国产大模型已经进化到能在横店给我们点咖啡
在CNCC 2024上，智谱展示了其最新的多模态AI技术成果，其中包括AutoGLM，一个能够模拟用户操作手机和浏览器的智能体，以及GLM-4-Voice情感语音模型，后者以其...
