←搜索结果

搜索“多模态”

按匹配度 · 共 257 条结果 清除搜索

星期一

  1. Mistral AI精选

    Mistral AI 发布 Mistral Small 3.1

    Mistral AI 发布 Mistral Small 3.1，提升文本性能和多模态理解，将上下文窗口扩展至 128k tokens，推理速度达每秒 150 tokens。该模型采用 Apache 2.0 许可证，基础版和指令版均已开放，可在单张 RTX 4090 或配备 32GB RAM 的 Mac 上运行。用户现可通过 La Plateforme API 和 Google Cloud Vertex AI 使用，NVIDIA NIM 与 Microsoft Azure AI Foundry 将在未来几周提供。

    Perf Gpqa Diamond Mistral

    Mistral AI 发布 Mistral Small 3.1，提升文本性能和多模态理解，将上下文窗口扩展至 128k tokens，推理速度达每秒 150 tokens。该模型采用 Apache 2.0 许可证，基础版和指令版均已开放，可在单张 RTX 4090 或配备 32GB RAM 的 Mac 上运行。用户现可通过 La Plateforme API 和 Google Cloud Vertex AI 使用，NVIDIA NIM 与 Microsoft Azure AI Foundry 将在未来几周提供。 · Mistral AI released Mistral Small 3.1 with improved text performance and multimodal understanding, a context window of up to 128k tokens, and inference speeds of 150 tokens per second. Licensed under Apache 2.0, it is available in both bas

    匹配字段摘要

    #lab#模型发布#多模态#端侧

星期四

  1. Ollama Blog

    Llama 3 上线 Ollama，提供 8B 与 70B 两个版本

    Llama 3 现已可通过 Ollama 运行，首发包含 8B 和 70B 两个参数规模，命令分别为 ollama run llama3:8b 和 ollama run llama3:70b。相比 Llama 2，其训练数据集扩大七倍，上下文长度翻倍至 8K，token 词表扩大到 128K，误拒答情况不到 Llama 2 的三分之一。Meta 计划后续发布 400B 参数版本及支持多模态、多语言和更长上下文窗口的多个模型。

    匹配字段摘要

    #company#产品更新#开源生态#Meta

星期二

  1. 事件2 条新闻 · 1 个事实

    Nace AI发布多模态决策模型Drex Max

    Nace AI 发布多模态决策模型 Drex Max。据 Testing Catalog 2026 年 10 月 19 日报道,该模型可读取文本、图像和视频,单次决策耗时 34 ms,262K token 下响应低于 1 秒,输入价格为每 1M tokens 0.06 美元;它不生成文本,只从给定选项中返回一个答案并附概率分数,可用于 Computer Use 智能体逐步选择操作、Web 智能体按屏幕内容定位页面元素。Nace AI 称其在 Computer Use 场景下每 token 成本最高比 Claude、GPT 和 Gemini 背后的模型低 167 倍。次日 MarkTechPost 报道称,这是 Nace AI 首个多模态决策模型,可读取文本和图像并返回校准后的概率,在公开 Decision Index 0.3.2 上得分 67.59,比 TypeSafe 的 Jev 1.14 高 6.9 分;单次截图决策中位延迟 174 ms,输出不计费,仅通过 Nace Console API 提供,参数规模未披露、权重闭源,上述分数均为 Nace 自报。

    匹配字段标题

星期一

星期五

  1. 事件1 条新闻 · 1 个事实

    Liquid AI 发布多模态决策模型 d1-ultra

    2026年10月15日,Liquid AI 发布多模态决策模型 d1-ultra。据官方博客,该模型可同时读取文本和图像,一次前向传播直接输出概率而不生成 token,支持 noul、Choice、Score 三类问题,已在 Liquid API 上线,输入 token 定价为每百万 0.042 美元,仅按输入计费,图像按每 32×32 像素块 1.5 token 折算,1024×1024 图像计 1,536 token;官方称其在 112 项评测中优于前代 d1 和 Jev 1.14,并在 Artificial Analysis Decision Index 上领先其他决策模型至少 8 分,后续将登陆 Vercel 和 OpenRouter。10月16日,Artificial Analysis 报道称 d1-ultra 以 65 分登顶 Artificial Analysis Decision Index v1.0,领先 Jev 1.14(57 分)和 GLiDE、Microsoft-Decision-1(54 分);其 AA-Omniscience-Decision 非幻觉率从 d

    匹配字段标题

星期四

  2. 事件1 条新闻 · 1 个事实

    Neura Robotics 发布 Neuron AI 多模态基础模型

    2026年10月14日,Neura Robotics 发布面向物理 AI 的多模态基础模型 Neuron AI。据 Robotics & Automation News 报道,该模型融合 3D 视觉、触觉与力、音频、机器人状态和语言,并加入记忆功能,使机器人在物体离开视野后仍保留上下文。其 Perception-Language-Action 架构把多感官信息对齐到同一空间并转化为动作,训练数据来自真实机器人数据、仿真放大数据和人类演示数据三类来源。该模型在德国 Metzingen 内部开发训练,并将在 Nvidia GTC Berlin 2026 上由人形机器人 4NE1 演示十一分钟的洗衣处理流程。目前尚无后续发展事实。

    匹配字段标题

星期三

  3. 事件1 条新闻 · 1 个事实

    InternLM 介绍 Intern-S2-397B 多模态基础模型

    2026年10月13日,InternLM 发布并介绍 Intern-S2-397B 及其预览版 Intern-S2-Preview-397B、Intern-S2-Preview-35B 等科学多模态基础模型,覆盖预训练、强化学习任务与长程智能体三个方向。其中 Intern-S2-Preview-35B 基于 Qwen3.5 继续预训练,仅用 35B 参数在多个核心专业科学任务上达到万亿级 Intern-S1-Pro 的相当水平,并采用共享权重 MTP 与 CoT 压缩提升推理效率。系列模型支持 LMDeploy、vLLM、SGLang 部署,以 Apache 2.0 许可发布。目前尚无后续发展事实。

    匹配字段标题

星期二

  1. 事件1 条新闻 · 1 个事实

    Cloudflare 发布多模态决策模型 Clef-omni

    2026年10月9日,Cloudflare 发布开源权重多模态决策模型 Clef-omni,可在一次调用中对文本、图像、音频和视频打分。据 MarkTechPost 报道,该模型基于 Qwen3-Omni-30B-A3B-Instruct 后训练,采用 30B 总参数、3B 激活参数的 MoE 结构,Apache-2.0 许可,定价每百万 token 0.15 美元。报道称其在意图分类任务上领先,CLINC150+OOS 达 97.7 macro-F1,但在推理与工作流评测上落后于 Clef,GPQA Diamond 为 47.4,而 Jev 为 78.3。同批更新还将 Clef-flash 价格降至 0.038 美元,并把托管 Clef 迁移到 SGLang,中位延迟从 262 ms 降至 152 ms。目前尚无后续发展事实。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    字节 Seed 发布多模态图像创作模型 Seedream 5.0 Pro

    字节跳动 Seed 正式发布多模态图像创作模型 Seedream 5.0 Pro。据官方介绍,该模型在图文对齐、结构一致性、文字渲染和视觉美感等基础能力上全面提升,并带来四项核心突破:复杂信息可视化、交互式精准编辑、写实影像与人物质感,以及原生多语言输入与生成,支持法语、德语、俄语、日语、韩语、西班牙语、阿拉伯语等十余种语言。官方称其在复杂信息图生成和交互式精准编辑上取得突破,但更细粒度的文字渲染与像素级编辑一致性仍有提升空间。目前尚无后续发展事实。

    匹配字段标题

星期五

星期日

  1. 事件1 条新闻 · 1 个事实

    Perplexity发布多模态嵌入模型

    2026年10月8日,Perplexity AI 发布 pplx-embed-v2-late,包含 0.6B 与 9B 两个 ColBERT 风格多模态嵌入模型。据 MarkTechPost 报道,两个模型均可检索文本、图像和渲染后的 PDF 页面,并共享同一嵌入空间。其中 9B 模型在 MADQA 上取得 92.4%;0.6B 模型面向边缘设备和低延迟查询,用 0.6B 查询 9B 索引在 ViDoRe v3 图像检索上得 63.5%,高于两侧都用 0.6B 的 62.3%。两个模型已在 Hugging Face 以 MIT 许可发布,可自托管商用;Perplexity 托管 API 端点仍在计划中。报道同时指出,所有分数均为自报,技术报告尚未发布。目前尚无后续发展事实。

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    DeepSeek扩展多模态API能力

    2026年8月21日,DeepSeek为API加入多模态支持,实验模型deepseek-v4-flash-vision-exp可接收文本与图像混合输入,并兼容Chat Completions、Messages和Responses接口。开发者可通过base64、外部URL或Files API提供图像,其中Files API支持图片上传及跨请求复用。每张图像最多按384 tokens计费,采用V4-Flash定价。当前材料未提供该能力转为正式模型或进一步扩展的进展。

    匹配字段标题

星期日

  1. 事件1 条新闻 · 1 个事实

    百灵发布并开源原生多模态模型Ling-3.0-flash-VL

    2026年9月9日,蚂蚁百灵发布并开源百灵系列首个原生多模态大模型Ling-3.0-flash-VL。该模型基于Ling-3.0-flash的MoE架构拓展,总参数124B、单次推理激活5.5B,原生支持图像、文本与视频输入,上下文窗口为256K Token。官方称,原生多模态联合训练使该模型在Artificial Analysis Intelligence Index v4.1.1上较纯文本版本提升4分,并引入观察、行动、验证、修正的视觉反馈闭环,用于前端复刻、GUI Agent和医疗报告解读。目前模型已在Ling Studio上线免费体验,BF16和FP8版本已在Hugging Face与ModelScope开源。

    匹配字段标题

星期三

  1. 事实所属事件

    百灵发布并开源原生多模态模型Ling-3.0-flash-VL

    2026年9月9日,蚂蚁百灵发布并开源百灵系列首个原生多模态大模型Ling-3.0-flash-VL。该模型基于Ling-3.0-flash的MoE架构拓展,总参数124B、单次推理激活5.5B,原生支持图像、文本与视频输入,上下文窗口为256K Token。官方称,原生多模态联合训练使该模型在Artificial Analysis Intelligence Index v4.1.1上较纯文本版本提升4分,并引入观察、行动、验证、修正的视觉反馈闭环,用于前端复刻、GUI Agent和医疗报告解读。目前模型已在Ling Studio上线免费体验,BF16和FP8版本已在Hugging Face与ModelScope开源。

    匹配字段标题

    查看事件：百灵发布并开源原生多模态模型Ling-3.0-flash-VL