跳到正文

技术方向

多模态 最新动态

文字之外的能力:看懂图片、图文混合理解、音视频输入输出的模型与产品进展。

44 条精选近 30 天 32 条共收录 196 条

更新

精选归档 · 第 3 页

7月9日周四第 41–44 条
  1. Meta · AI Blog82

    Meta 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 预览

    Meta Superintelligence Labs 发布 Muse Spark 1.1,这是 Muse Spark 的升级版多模态推理模型,面向智能体任务,在工具与电脑使用、编码和多模态理解上有明显提升。

    推荐理由:Meta 官方给出 Muse Spark 1.1 在智能体、电脑操作、编码和多模态上的能力变化,并开放 Meta Model API 预览。

7月7日周二
  1. Meta · AI Blog82

    Meta Superintelligence Labs 发布 Muse Image 并预览 Muse Video

    Meta Superintelligence Labs 发布首款媒体生成模型 Muse Image,并预览同预训练基座上的 Muse Video。Muse Image 以智能体方式调用搜索与编码工具、在思维链中自我修正,并随测试时算力增加而提升,在 Arena 文生图、单图编辑和多图编辑上均列第二。

    推荐理由:原文披露了 Muse Image 的智能体式生成机制与测试时算力扩展曲线,可据此理解图像模型向工具调用演进的一条路径。

5月7日周四
  1. Huggingface · User Likes Activity78

    Qwen 发布开源模型 Qwen3.6-35B-A3B

    Qwen 团队发布 Qwen3.6 系列首个开源权重版本 Qwen3.6-35B-A3B,总参数 35B、激活 3B,原生上下文 262,144 tokens,可扩展至 1,010,000 tokens。

    推荐理由:官方模型卡给出总参数 35B、激活 3B 的 MoE 配置与完整基准对比,可据此判断开源小激活模型的编码与智能体能力位置。

4月8日周三
  1. Meta · AI Blog82

    Meta Superintelligence Labs 发布 Muse Spark 多模态推理模型

    Meta Superintelligence Labs 发布 Muse 系列首个模型 Muse Spark,这是一个原生多模态推理模型,支持工具调用、视觉链式推理和多智能体编排,已在 meta.ai 和 Meta AI 应用上线,并向部分用户开放私有 API 预览。

    推荐理由:原文给出新模型在预训练、强化学习和测试时推理三条扩展轴上的表现,读者可据此判断其能力定位与效率取舍。