AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:视觉理解×
6月18日
15:52
15:52IT之家(博客/媒体)
DeepSeek 识图模式已在网页和 App 端正式上线,App 端标注“图片理解功能内测中”,网页端无此提示。该模式与快速模式、专家模式并列,支持用户上传图片让 DeepSeek 解读。其能力不仅是文字提取,还能理解图像内容。背后的多模态模型技术已于今年 4 月公开,核心框架名为“Thinking with Visual Primitives”。
AI产品DeepSeek识图模式多模态视觉理解Thinking with Visual Primitives

推荐理由:DeepSeek 现在能识图了,App 和网页都能用,不只是 OCR,还能理解画面,背后有专门的多模态技术。
原文
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月2日
06:41
06:41IT之家(博客/媒体)
精选
阿里千问大模型推出 Qwen3.7-Plus,定位为多模态交互混合智能体,在保留文本、编码、工具使用等能力基础上,强化了视觉理解、视觉推理和跨模态任务处理。该模型支持图像、视频、屏幕、网页和文本输入,可在 GUI、CLI 和工具环境中完成复杂软件与办公流程。在 Vision Arena 评测中,阿里凭借该模型进入全球前 5、中国第 1,多模态测试在 BabyVision、MathVision 等基准上提升明显。模型已通过阿里云百炼和 Qwen Studio 提供服务。
AI模型Qwen3.7-Plus多模态智能体阿里千问视觉理解

推荐理由:Qwen3.7-Plus 把视觉与语言统一到智能体基座,做多模态应用或办公自动化的团队可以直接在百炼上试,能省掉不少模型拼接的麻烦。
原文
精选全部日报登录