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。

184 条精选近 30 天 159 条共收录 227 条

更新

精选归档 · 第 10 页

1月1日周四第 181–184 条
  1. Kimi (Moonshot)76

    Moonshot AI 开源发布原生多模态智能体模型 Kimi K2.5

    Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.5,基于 Kimi-K2-Base 用约 15T 视觉和文本混合 token 继续预训练,支持即时与思考双模式及 Agent Swarm 协同执行。

    推荐理由:原文给出 1T/32B MoE 架构与 256K 上下文的多模态智能体能力,并附与 GPT-5.2、Claude 4.5 Opus、Gemini 3 Pro 的横评。

2024年12月9日周一
  1. xAI News60

    xAI 发布 Grok 图像生成模型 Aurora,采用自回归 MoE 架构

    xAI 发布 Grok 新一代图像生成模型 Aurora,采用自回归混合专家架构,已在 X 平台向部分国家开放,一周内全量上线。Aurora 基于海量互联网样本训练,主打照片级真实感与文本指令遵循度,能精确渲染真实实体、文字、商标与人像。

    推荐理由:原文给出了 Aurora 的自回归 MoE 架构、原生多模态图像输入与编辑能力,及其在 X 平台的分阶段上线节奏,便于与同代图像生成模型做横向对比。

2024年8月13日周二
2024年4月12日周五