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。

31 条精选近 30 天 28 条共收录 119 条

更新

精选归档 · 第 2 页

10月29日周四第 21–31 条
  1. Mistral AI82

    Mistral Large 4(Le Chonk)发布开放权重

    Mistral AI 发布 Mistral Large 4(Le Chonk)开放权重,这是一款 1-trillion-parameter 原生多模态模型,重点增强编码与防御性网络安全能力。

    推荐理由:文章汇总模型在编码、终端任务和网络安全评测中的数据,并给出推理模式与部署入口,便于比较实际能力边界。

  2. AIHOT78

    Mistral Large 4(Le Chonk)登陆 Hugging Face

    Mistral Large 4(Le Chonk)以开放权重形式登陆 Hugging Face,采用多模态多语言 MoE 架构。该模型总参数约 1T,激活 49B,上下文窗口达到 1M token。

    推荐理由:文章集中梳理 Mistral Large 4 的架构、参数规模与上下文窗口,便于读者快速了解该开放权重模型的核心规格。

  3. Google DeepMind70

    Google DeepMind 发布 Gemini 4 Carbon 长时程与网络安全模型

    Google DeepMind 发布 Gemini 4 Carbon,主打长时程智能体工作流和网络安全防御。模型在 Artificial Analysis Intelligence Index v5.0 得分为 59,并在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别达到 88.2%、54.8% 和 71.0%。

    推荐理由:把长时程编码与漏洞发现、验证、修补放在同一模型能力框架下,并披露基准成绩与分阶段开放安排。

10月28日周三
  1. Google DeepMind75

    Google DeepMind 发布 Genie 4 实时世界模型

    Google DeepMind 发布 Genie 4 世界模型,支持原生多模态生成与实时交互式世界模拟。模型结合 Gemini Omni、Gemini 3.8 Flash 等能力,可生成环境音效和交互对话,并模拟物理现象、人物动作及多步骤事件。

    推荐理由:原文同时呈现了 Genie 4 的能力边界与可信测试反馈,便于理解实时世界模型当前的可用范围。

10月27日周二
  1. NVIDIA Blog62

    NVIDIA 与 C-BRAIN 用 AI 加速阿尔茨海默病研究

    C-BRAIN 与 NVIDIA 合作,利用 AI 工具和加速计算整合分散的阿尔茨海默病研究数据,帮助科学家更快开展分析与验证。该联盟采用集中式与联邦式结合的架构,已构建开源智能体科研工具 OpenScientist 和 InsightEngine,案例显示单次分析可在数分钟内完成,费用低于 $10。

    推荐理由:文章梳理暗数据、联邦架构与两项开源智能体工具如何进入阿尔茨海默病研究流程,提供了可参考的实践路径。

  2. AIHOT79

    Runway 发布 App Studio,支持无代码构建创意应用

    Runway 发布 App Studio,用户可用自然语言在 Runway 内构建生成图像、视频和音频的自定义创意应用,无需编写代码。现有 Agent session 或 Workflow 可一键转为带简单界面的应用,并通过团队共享或公开链接分发。

    推荐理由:Runway 将创意工作流封装成可共享应用,并给出从自然语言构建、团队定制到企业权限管理的完整路径。

10月24日周六
  1. Google Research66

    Google Research 介绍基础模型在结核病筛查中的应用

    Google Research 介绍 MedGemma、MedSigLIP 和 HeAR 在结核病筛查及分诊中的研究与部署进展。Nexus AI 的胸片工具已在 6 个国家的约 40 家医疗机构使用,超过 90 名临床医生评估了 25,000 多张胸片,将出报告时间从数周缩短到 45 秒以内。

    推荐理由:文章梳理了从胸片算法、临床验证到开源模型和本地部署的完整路径,并提供医疗资源不足地区的实际应用数据。

10月15日周四
10月14日周三
  1. Google DeepMind86

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon 前沿模型,面向开发者、企业和消费者开放,用于复杂编码、科研、金融及智能体任务。模型经 API 在全球推出,首发价为每百万输入 token $2、每百万输出 token $10,缓存输入 token 优惠 95%,并支持 1M 统一输入输出 token 上限。

    推荐理由:给出了 Argon 在代码库重构、科学计算、机器人和安全防护上的实测数据与落地路径,便于比较其复杂任务能力和使用门槛。

10月6日周二
  1. Mistral AI78

    Mistral 发布 Mistral Large 4 公共预览版

    Mistral 推出 Mistral Large 4 公共预览版,模型拥有 1 trillion 参数和 52 billion 激活参数,可通过 Mistral Studio 使用预览 API。Mistral Large 4 是原生多模态模型,覆盖编码、智能体工作流、视觉定位、科学计算与知识工作,权重计划于本月底发布。官方称其采用欧洲自有数据中心训练,并计划推出私有云或本地部署版本。

    推荐理由:Mistral Large 4 提供公开预览、权重开放计划及多维基准数据,便于读者评估其开放权重多模态能力与部署方式。