跳到正文

技术方向

多模态 最新动态

文本之外的能力:视觉理解、图文混合、音视频输入输出的模型与产品进展。

43 条精选近 30 天 27 条共收录 2,612 条

更新

精选归档 · 第 3 页

10月6日周二第 41–43 条
  1. 科技媒体 RSS80

    Mistral 发布 Mistral Large 4,1T 参数原生多模态,月底开放权重

    Mistral AI 发布 Mistral Large 4(别名 Le Chonk),采用 1T 参数、49B 激活的原生多模态架构。官方称其在美欧开放权重模型中聚合基准最佳,在网络防御、制造和金融等关键工作负载达到 SOTA,视觉 grounding 上超越闭源前沿模型。该模型现可通过 API 使用,开放权重计划于 10 月底发布。

    推荐理由:Mistral Large 4 给出 1T 参数、49B 激活与原生多模态的规格,并明确 API 可用与月底开放权重的时间点。

9月29日周二
  1. Microsoft Research66

    微软研究院发布 Quine:面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型,以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。

    推荐理由:微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。

9月25日周五
  1. Google DeepMind67

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在 Gemini 3.8 Live 基础上为原生实时对话模型加入近实时视觉形象,可同时处理视觉与音频输入并输出带表情和口型同步的音视频。

    推荐理由:官方披露了 Live Avatar 的实时音视频对话、异步工具调用与 97 种语言同步能力,可据此判断企业级数字人交互的落地形态。