多模态
-
DeepSeek识图模式全面开启:能辨文物却难识老板,多模态待揭秘
DeepSeek识图模式全面开启:能辨文物却难识老板,多模态待揭秘
-
星火X2-VL闪耀无锡!国产多模态大模型赋能具身智能产业新未来
这款综合实力对标国际顶尖产品的国产多模态大模型,凭借一流的技术架构、卓越的综合能力与丰富的应用潜力,将为无锡具身智能产业搭载硬核“AI大脑”。科大讯飞结合其在大模型技术方面的深厚积累,基于该算力平台加速训练了…
-
多模态融合交互让家庭智能润物无声:前瞻AI Home第一股华曦达(00901.HK)的交互变革
真正成熟的智慧家庭,不应该让用户不断学习复杂指令,而应该在自然生活中完成理解和协同。语音、遥控、手机、电视屏幕、传感器和场景数据共同构成多模态交互入口,AI Home的体验革命也由此展开。华曦达(00901.HK)围绕Cedar家庭AI智能体的布局,正在把家庭智能从“能控制”推
-
Gemma 4 12B:无编码器架构革新,开启多模态AI“大一统”新纪元
Gemma 4 12B:无编码器架构革新,开启多模态AI“大一统”新纪元
-
阶跃星辰:从多模态卷王到AI终端,All in转型能否抓住大模型红利?
阶跃星辰:从多模态卷王到AI终端,All in转型能否抓住大模型红利?
-
谷歌Gemma 4 12B模型革新登场:无编码器设计,低门槛玩转多模态处理
谷歌Gemma 4 12B模型革新登场:无编码器设计,低门槛玩转多模态处理
-
谷歌AI Edge Gallery登陆Mac:16GB内存畅跑多模态模型,离线听写同步上线
谷歌AI Edge Gallery登陆Mac:16GB内存畅跑多模态模型,离线听写同步上线
-
科大讯飞BEYOND Expo首发AI眼镜 40克轻量化开启多模态智能新体验
科大讯飞BEYOND Expo首发AI眼镜 40克轻量化开启多模态智能新体验
-
字节开源视频新框架Bernini:多模态规划+Diffusion渲染,AI视频编辑精准可控再升级
更有意思的是,换成一条运动头带,再让模型自由发挥,它还能生成一只羊驼戴着头带站在沙漠的画面: 拿到语义规划后,DiT-based renderer会负责生成最终画面,对于视频编辑任务,它还会结合源视频的VA…
-
通义实验室发布Qwen3.7-Plus多模态智能体:能自主开发APP 展现强大能力
该模型在Qwen3.7文本与Agent能力基础上深度融合视觉能力,主打“能看、能想、能动手”——可看懂图形界面、操作应用、生成代码并交付结果,实现GUI操作、CLI调用、代码生成与自我验证的端到端闭环。 在桌…
-
阿里发布Qwen3.7-Plus多模态智能体:11小时完成APP开发
阿里发布Qwen3.7-Plus多模态智能体:11小时完成APP开发
-
阿里推出Qwen3.7-Plus模型:多模态升级,视觉与语言融合开启智能体新篇
Qwen3.7-Plus 是 Qwen3.7 的多模态升级版,核心定位是视觉与语言统一的智能体基座。 纯文本测试中,它接近 Max 级别模型,在编码智能体、通用智能体、推理、指令遵循和多语言任务上保持强表现…
-
阿里Qwen3.7-Plus模型登场:多模态交互升级,智能体表现亮眼
Qwen3.7-Plus 是 Qwen3.7 的多模态升级版,核心定位是视觉与语言统一的智能体基座。 纯文本测试中,它接近 Max 级别模型,在编码智能体、通用智能体、推理、指令遵循和多语言任务上保持强表现…
-
通义实验室发布Qwen3.7-Plus多模态模型:自主完成APP开发及多项复杂任务
通义实验室发布Qwen3.7-Plus多模态模型:自主完成APP开发及多项复杂任务
-
通义实验室发布Qwen3.7-Plus多模态模型:11小时自主完成APP全流程研发
该模型在Qwen3.7文本与Agent能力基础上深度融合视觉能力,主打“能看、能想、能动手”——可看懂图形界面、操作应用、生成代码并交付结果,实现GUI操作、CLI调用、代码生成与自我验证的端到端闭环。 在桌…

