多模态相关 AI 资讯

模型 Agent 与开发者官方一手78°13:05

蚂蚁集团开源Ling-3.0-flash-VL多模态模型

蚂蚁开源了带视觉反馈循环的124B MoE多模态模型，专为GUI和医疗任务优化。

#Ling-3.0-flash-VL #蚂蚁集团 #多模态 #MoE

官方一手pandaily@[email protected] (Pandaily)原文

模型 Agent 与开发者12:53

DeepSeek 4.1 Flash 测试结果

DeepSeek 推出了号称更快更强的 4.1 Flash，但实测网页开发任务耗时三小时，效率低下。

#DeepSeek #4.1 Flash #多模态 #网页开发

掘金本周最热@甲维斯原文

模型 Agent 与开发者多源确认73°11:54

OpenAI发布GPT-4o架构细节

OpenAI公开了GPT-4o的技术架构，开发者能了解其工作原理和性能优势。

#GPT-4o #OpenAI #多模态 #推理模型

事件专题

小互@imxiaohu11 个信源在谈原文

产品 Agent 与开发者10:47

Suno v6发布：支持多模态音乐生成

Suno出了v6，能根据文本、音频、图片、视频生成音乐，还和华纳、BMG合作了。

#Suno #AI音乐 #多模态 #华纳

向阳乔木@vista8原文

论文 Agent 与开发者精选73°09:38

VIP-Router实现视觉标记自适应剪裁

VIP-Router让MLLMs根据不同图像自动选择最佳剪裁策略，不修改底层算法，参数仅占骨干模型的0.017%。

#MLLMs #VIP-Router #视觉标记剪裁 #多模态

arXiv cs.AI@Haiji Liang 等 6 人原文

论文 Agent 与开发者精选09:32

OmniMed-FL：多模态联邦学习临床诊断框架

医疗AI新框架OmniMed-FL，用联邦学习解决医疗数据隐私问题，多模态融合效果提升明显。

#OmniMed-FL #联邦学习 #多模态 #医疗AI

arXiv cs.LG@Ayush Debnath 等 3 人原文

论文 Agent 与开发者精选73°09:24

多模态上下文学习中的推理路径对齐研究

这篇论文提出了一个新框架，让多模态大模型通过对比学习超越表面模仿，在VQA等任务上表现更好。

#多模态 #上下文学习 #推理路径 #MLLM

arXiv cs.AI@Mingbo Yang 等 7 人原文

产品 Agent 与开发者73°23:57

华纳音乐与Suno合作开发AI音乐模型

Suno v6能改写单句歌词、组合不同歌曲元素，还推出了艺术家分成模式，华纳从对手变伙伴。

#Suno #华纳音乐 #AI音乐 #v6

The Rundown AI@therundownai原文

模型中美对照官方一手精选18:00

DeepSeek 推出限时 V4.1 Flash 测试版

DeepSeek 推出了限时 V4.1 Flash 测试版，原生支持多模态，定价与 V4 Flash 相同。

#DeepSeek #V4.1 Flash #多模态

官方一手pandaily@[email protected] (Pandaily)原文

产品 Agent 与开发者17:37

Suno 发布 v6 系列 AI 音乐模型

Suno 新发布的 v6 系列能快速生成各种风格音乐，还支持从图片和其他音频生成歌曲，免费用户也能用 mini 版本。

#Suno #v6 #AI音乐 #多模态

IT之家原文

产品 Agent 与开发者精选73°17:17

万勋科技发布NOVA2.0柔性具身大脑

万勋NOVA2.0柔性具身大脑来了，能适配多种机器人构型，20ms极速反应，已落地1000万次真实场景作业。

#NOVA2.0 #万勋科技 #具身智能 #柔性大脑

IT之家原文

模型 Agent 与开发者73°15:22

DeepSeek 将发布 V4.1 Flash 模型

DeepSeek 即将发布 V4.1 Flash，性能全面超越 V4 Pro，价格更优，速度更快。

#DeepSeek #V4.1 Flash #V4 Pro #多模态

IT之家原文

模型 Agent 与开发者多源确认精选73°13:22

GPT-6 Astra创建V8引擎交互式可视化

看看GPT-6 Astra如何把复杂的V8发动机变成交互式3D可视化，效果很惊艳。

#GPT-6 #Astra #V8引擎 #多模态

事件专题

AI Will@FinanceYF511 个信源在谈原文

模型 Agent 与开发者多源确认73°13:21

GPT-6 Astra创建可操作V8发动机3D课堂

GPT-6 Astra把复杂发动机拆成可交互3D模型，比传统教学直观多了。

#GPT-6 #Astra #3D可视化 #多模态

事件专题

AI Will@FinanceYF511 个信源在谈原文

论文 Agent 与开发者精选73°12:16

NOAH模型：全患者旅程纵向多模态预测

NOAH模型能处理医疗图像、时间序列、数值信号等多种医疗数据，实现患者状态预测和反事实干预模拟。

#NOAH #医疗AI #多模态 #预测模型

arXiv cs.AI@Tobias Susetzky 等 8 人原文

产品 Agent 与开发者11:43

华为新手机支持本地大模型下载部署

华为新手机能在无网状态下运行本地大模型，支持图像生成和复杂任务处理。

#华为 #Pura X View #Mate XT 2 #端侧AI

事件专题

IT之家2 个信源在谈原文

模型 Agent 与开发者官方一手73°11:17

GPT-image-2.5 图像生成模型发布

OpenAI 推出了 GPT-image-2.5，图像生成速度更快，一致性更好，还能通过评论编辑，价格还和原来一样。

#GPT-image-2.5 #OpenAI #图像生成 #多模态

事件专题

官方一手歸藏(guizang.ai)@op741811 个信源在谈原文

模型 Agent 与开发者多源确认10:45

GPT-6 Astra学会控制机器人绘画

GPT-6 Astra自己学会控制机器人画画，每次尝试都在进步，看看AI如何从数字世界走向物理世界。

#GPT-6 #Astra #机器人 #绘画

事件专题

AI Will@FinanceYF511 个信源在谈原文

模型 Agent 与开发者多源确认精选73°10:33

DeepSeek-V4 长上下文服务系统 RedKnot-MLA 发布

DeepSeek 推出了 RedKnot-MLA 系统，能显著提升长上下文服务的速度和效率，在多个基准测试中表现优异。

#DeepSeek-V4 #RedKnot-MLA #长上下文 #多模态

事件专题

arXiv: DeepSeek@Yang Liu 等 13 人4 个信源在谈原文

模型 Agent 与开发者多源确认10:17

Astra机器人学会绘画金门大桥

看看Astra如何控制机器人完成现实绘画任务，进步过程很惊艳。

#Astra #机器人 #绘画 #多模态

事件专题

AI Will@FinanceYF511 个信源在谈原文

模型 Agent 与开发者精选73°09:27

蚂蚁百灵Ling-3.0-flash-VL开源发布

蚂蚁开源了支持图像、文本、视频的多模态大模型，能自我修正执行结果，在医疗报告解读和GUI自动化场景表现出色。

#Ling-3.0-flash-VL #蚂蚁 #多模态 #开源模型

IT之家原文

产品 Agent 与开发者73°09:15

GPT-Image 2.5 升级精准图像编辑能力

GPT-Image 2.5 能通过文字精确控制图像编辑，15种场景提示词可直接复制使用，比传统工具更高效。

#GPT-Image #图像编辑 #提示词 #多模态

小互@imxiaohu原文

模型 Agent 与开发者多源确认07:27

Astra机器人现场绘制金门大桥

Sama展示Astra机器人现场绘画，从零开始学会控制机器人完成复杂任务。

#Astra #机器人 #金门大桥 #多模态

事件专题

官方账号Sam Altman@sama11 个信源在谈原文

模型 Agent 与开发者06:13

Nex-N2.5-Pro 支持图文输入

OpenRouter 发布的 Nex-N2.5-Pro 能处理图文输入，通过 API 实现视觉反馈，比纯文本模型更强大。

#Nex-N2.5-Pro #Nex-AGI #OpenRouter #多模态

OpenRouter@OpenRouterAI原文

产品 Agent 与开发者官方一手03:38

OpenAI发布GPT-Image-2.5图像编辑功能

OpenAI新出的GPT-Image-2.5能精准编辑图像，换衣服换背景都不跑位，电商和设计师必备。

#GPT-Image-2.5 #OpenAI #图像编辑 #多模态

事件专题

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文

模型 Agent 与开发者多源确认73°00:43

GPT-6 Astra构建人体解剖模型

GPT-6 Astra能构建复杂3D人体模型，支持个性化交互，展示了强大的研究和原型开发能力。

#GPT-6 #Astra #Three.js #人体解剖

事件专题

elvis@omarsar011 个信源在谈原文

产品 Agent 与开发者精选22:07

Weaviate推出创意资产搜索系统

Weaviate让创意团队能通过内容描述而非文件名查找资产，搜索'白色兔子草地场景'能找到相关素材。

#Weaviate #创意资产 #语义搜索 #多模态

Weaviate@weaviate_io原文

模型 Agent 与开发者精选73°17:28

DeepSeek V4.1 Flash开启内测

DeepSeek发布了V4.1 Flash内测版，换了新架构还支持多模态，和V4 Flash价格一样并发数还更多。

#DeepSeek #V4.1 #多模态 #Flash

事件专题

向阳乔木@vista82 个信源在谈原文

产品 Agent 与开发者精选16:12

小米 MiMo 桌面客户端开放邀测

小米新出的桌面 AI 客户端 MiMo 能直接处理多种文件格式，还能自己控制浏览器帮你干活，不用自己折腾前端环境。

#MiMo #小米 #桌面客户端 #AI助手

IT之家原文

模型 Agent 与开发者16:08

DeepSeek V4.1 Flash 中间版本内测发布

DeepSeek 推出了 V4.1 Flash 中间版本，新结构带来更强性能和更低成本，看看能否替代现有 V4 Pro。

#DeepSeek #V4.1 Flash #多模态 #模型结构

IT之家原文

模型中美对照官方一手16:08

DeepSeek V4.1 Flash 发布

DeepSeek 推出了 V4.1 Flash，多模态能力更强，调用方式简单。

#DeepSeek #V4.1 Flash #GL5.3Flash #多模态

官方一手歸藏(guizang.ai)@op7418原文

论文 Agent 与开发者精选15:35

TARGET-AI研究揭示顺序门控是受限的多模态融合

TARGET-AI团队发表新研究，揭示了顺序门控与多模态融合的关系，对AI模型设计有重要参考价值。

#TARGET-AI #多模态 #顺序门控 #NEJM AI

NEJM AI@Chin Lin and Kai-Chieh Chen原文

模型 Agent 与开发者多源确认15:06

GPT-6 Astra 展示多领域应用能力

看看GPT-6 Astra怎么玩游戏、设计蛋白质和构建3D世界，比之前的模型强在哪。

#GPT-6 #Astra #多模态 #蛋白质设计

事件专题

AI Will@FinanceYF511 个信源在谈原文

模型 Agent 与开发者73°09:06

微信 WeMM-Embedding 多模态模型已开源

微信开源了能同时理解文字、图片和视频的 WeMM-Embedding 模型，每天被调用 10 亿次，性能还拿了全球第一。

#WeMM-Embedding #微信 #多模态 #开源模型

IT之家原文

模型 Agent 与开发者多源确认02:32

GPT-6 Astra可视化AI论文

GPT-6 Astra能把AI论文变成可交互的可视化，让研究更直观易懂。

#GPT-6 #Astra #Transformer #论文可视化

事件专题

elvis@omarsar011 个信源在谈原文

模型 Agent 与开发者多源确认73°23:11

OpenAI GPT-6 Astra 自主通关《传送门》

OpenAI 新旗舰模型 GPT-6 Astra 花费 24 小时、571 美元自主通关 3D 游戏《传送门》，展示了多模态 AI 的进步。

#GPT-6 #Astra #OpenAI #传送门

事件专题

IT之家11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°15:45

GPT-6 Astra打造可交互V8发动机

看看GPT-6 Astra如何把复杂的V8发动机变成可交互的3D模型，这可视化效果真不错。

#GPT-6 #Astra #V8发动机 #可视化

事件专题

AI Will@FinanceYF511 个信源在谈原文

行业 Agent 与开发者官方一手09:59

中国AI宠物智能设备全球热销

中国AI宠物设备正以多模态技术打入全球市场，增长迅速，值得关注。

#宠物科技 #多模态 #智能设备 #中国制造

官方一手pandaily@[email protected] (Pandaily)原文

论文73°09:28

SMILE：医疗诊断自解释多模态信息瓶颈

医学AI可解释性新方法SMILE，在多模态诊断中表现优异，比现有方法准确率高9.1%，还能解释诊断依据。

#SMILE #医疗AI #多模态 #信息瓶颈

arXiv cs.LG@Yuqing Yang 等 6 人原文

模型 Agent 与开发者73°01:22

Meta发布AIRA₃系统多领域泛化能力

Meta的AIRA₃不仅能翻译古文字，还能优化GPU性能，系统可自我积累知识。

#AIRA₃ #Meta #Kaggle #GPU优化

官方账号Meta AI@AIatMeta原文