跳到正文
#多模态

标签

#多模态

按发布时间排列的全部收录，按天分组；筛选和搜索都在这一页。

共 296 条 · 更新于 19:17

11/06

星期五22 条

  1. 掘金78中后台 Web Agent 如何定位 10 颗同名 Edit 按钮：AST 站点地图、DOM 打分与 SoM 视觉兜底
  2. 掘金48EMR Serverless Ray：用 Ray Data AI 把模型推理接入数据处理管道
  3. 掘金58阿里云 EMR Serverless StarRocks 用 Object Table 以 SQL 连接 OSS 文件与多模态 AI
  4. 掘金38豆包真人分身操作技巧：用手机端创建专属AI分身并让它出镜主演
  5. 掘金22馒头AI 电商视觉平台实测：Agent 跑通主图、详情页、实拍、复刻和视频
  6. MarkTechPost58Google 发布 Gemini Omni 1.2 Flash，原生生成 15 秒视频、720p 每秒 0.07 美元
  7. 掘金55用 TRAE 把热门表情包换成指定角色：三组实战与提示词改法
  8. IT之家38李飞飞 World Labs 发布 Frameboy 演示：网页实时探索 Atlas 生成世界，最高 15 帧
  9. 掘金58用 Codex 和 Blender-MCP 制作 3D 智慧展厅可视化大屏的完整链路
  10. Hacker News · 首页60Thinking Machines 发布 Inkling 2 Small：594B 总参数 MoE，先闭权重上线 Tinker
  11. 掘金63Thinking Machines Lab 发布 Inkling 2 Small，594B 总参 17B 激活，AA Index 得 31 分
  12. IT之家71蚂蚁百灵发布原生多模态模型 Ling-3.2-flash，560B 总参数、1M 上下文，前两周免费
  13. IT之家15IT早报 1106：华为鸿蒙终端用户数本月将突破 1 亿；奥迪研发高管抨击速成车；鸿蒙电脑年内支持侧载
  14. Hacker News · AI 讨论20Vienna Performer 发布：把 MIDI 渲染成维也纳乐手演奏的 DAW 插件
  15. Hacker News · AI 讨论71腾讯发布开源大模型 Hy4，首次支持视觉理解与 computer-use
  16. Hugging Face Blog58NVIDIA 发布 Cosmos 3 四个开源世界模型检查点
  17. Google DeepMind60Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
  18. AWS Machine Learning Blog25Amazon Marketplace 如何用 Amazon SageMaker AI 评估 A+ Content 内容质量
  19. The Decoder60腾讯发布 Hy4 模型，首次支持图像理解与操作电脑
  20. Google AI Blog60Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
  21. The Verge · AI12SoundCloud 与 ElevenLabs 合作：AI 音乐可直接发布到 SoundCloud
  22. Techmeme22ElevenLabs 用户可将 ElevenMusic 生成的 AI 音乐直接发布到 SoundCloud，累计已创作超 2500 万首曲目

11/05

星期四18 条

  1. 掘金37WorkBuddy + 混元 HY4 实测：770B 模型转正后表现略超预期
  2. 掘金36在 Rokid AIUI 上做「拍照识花」：图像链路与踩坑记录
  3. MarkTechPost36Google Research 发布 Agile Deliberation 框架，用于灰色地带图像分类器
  4. 掘金74把多模态 OCR 接进物流 WMS：四千张运单踩过的三个坑
  5. 爱范儿58OpenAI 发布图像生成模型 Images 2.6，支持文字生成 GIF 并提速 50%
  6. 掘金38CLIP 的零样本分类：一组文本如何变成图像分类器？
  7. 界面新闻 · 科技58腾讯混元发布新一代大语言模型 Hy4，新增视觉理解与电脑操作能力
  8. 36氪 · 快讯22腾讯 WorkRally 功能全面升级，制作能力从漫剧扩展至短剧、广告等
  9. 界面新闻 · 科技58腾讯混元发布新一代大语言模型 Hy4，首次引入视觉理解与电脑操作
  10. 量子位66OpenAI 全量上线 GPT-Image-2.6，支持直出 GIF 和 SVG
  11. 界面新闻 · 科技58腾讯混元发布 Hy4 正式版，770B MoE 架构、上下文突破 100 万 Token
  12. 36氪 · 快讯62腾讯混元 Hy4 上线，首次引入视觉理解并接入 TokenHub
  13. 掘金58腾讯混元发布 Hy4 正式版：770B 参数新增视觉理解与 Computer Use，权重尚未放出
  14. 界面新闻 · 科技52OpenAI发布图像生成模型Images 2.6，速度提升50%并新增GIF生成
  15. 36氪 · 快讯34OpenAI 推出 Images 2.6：图像生成速度提升 50%，新增 GIF 生成
  16. Hacker News · AI 讨论20用 Claude Opus 4.8 分析自己的 MRI 原始数据
  17. Google Research36Google Research 提出 Agile Deliberation：让 AI 帮人类厘清主观概念的灰色地带
  18. Hacker News · AI 讨论18RapAvatar：把任意照片变成 AI 对口型说唱视频