Jina AI 发布 jina-ocr-v1:3.4B MoE 文档解析器,适配低预算 GPU,自带投机解码Jina AI(Elastic 旗下)正式开源 jina-ocr-v1,一款端到端视觉文档解析模型。该模型总参数量为 3.4B,每个 token 仅激活约 570M 解码器参数,专为 NVIDIA L...多模态模型# Jina AI# jina-ocr-v11个月前650
阿里发布 Qwen3.8-Omni-Flash:百万上下文全模态模型,主打代理式音视频理解阿里巴巴通义千问团队正式发布了 Qwen3.8-Omni-Flash,号称业界首个围绕 Agent(智能体)能力 构建的全模态模型。该模型能够同时理解文本、图像、音频和视频,并通过内置的推理与工具使用...多模态模型早报# Qwen3.8-Omni-Flash# 通义千问1个月前800
NASA 联合 IBM 开源月球基础模型 LFM,多模态 AI 助力月球遥感科研NASA 和 IBM 今日正式发布了一款专为月球遥感设计的多模态、多分辨率开源 AI 基础模型(NASA-IBM Lunar Foundation Model, LFM)。这是首个整合多种数据模态、不...多模态模型# IBM# LFM# NASA1个月前580
深度求索发布DeepSeek-V4.1-Flash :百万上下文,KV缓存大幅压缩,代理任务性能暴涨随着AI智能体(Agent)的普及,大模型的工作模式正在发生改变。大量长周期任务带来海量输入,反复预填充、百万级上下文会持续占用KV缓存,对HBM显存、SSD存储以及带宽都带来巨大压力。 深度求索(D...多模态模型# DeepSeek V4.1 Flash# 深度求索2个月前1440
蚂蚁开源百灵首个原生多模态大模型 Ling-3.0-flash-VL,搭载视觉反馈闭环,可自我修正GUI任务蚂蚁集团正式发布并开源百灵(Ling)系列首款原生多模态大模型 Ling-3.0-flash-VL。模型在Ling-3.0-flash MoE混合专家底座上扩展而来,原生支持图、文、视频多模态输入,主...多模态模型# Ling-3.0-flash-VL# 蚂蚁集团2个月前890
微信视觉团队开源通用多模态向量模型家族WeMM‑Embedding:2B‑9B 全规格,经过微信真实业务大规模验证腾讯微信视觉团队(WeChat Vision)正式开源了 WeMM-Embedding,这是一套包含 2B、4B、9B 三种规模的通用多模态 Embedding 模型家族。它旨在解决互联网内容形态日益...多模态模型# WeMM‑Embedding# 微信2个月前880
北大发布端到端口语对话系统Motion-Omni:端到端生成语音与全身动作,让数字人告别“录播感”北京大学研究团队最新发布的 Motion-Omni(参考实现为 Motion-Omni-Q7)是一个端到端口语对话系统。它打破了传统数字人“先生成语音、再驱动动作”的串联流水线模式,能够同时生成同步的...多模态模型# Motion-Omni2个月前750
H Company 发布NeoMME:单塔多模态编码器家族,抛弃视觉塔与解码器,轻量化文档检索新方案H Company 正式发布了 NeoMME,这是一个包含 260M 和 800M 参数的双向多模态编码器家族。与当前主流的“二手”视觉文档检索器(如 ColPali,即复用生成式 VLM 的编码器部...多模态模型# H Company# NeoMME2个月前730
阿里千问开源 Qwen‑Drive‑1.0‑4B,自动驾驶视觉语言基础模型正式开放阿里巴巴通义千问团队本周正式开源了 Qwen-Drive-1.0-4B,这是基于 Qwen3.5-4B 构建的、专为自动驾驶场景设计的视觉语言模型(VLM)。作为业界首个将 3D 感知、视觉问答与运动...多模态模型# Qwen-Drive-1.0-4B# 自动驾驶# 阿里巴巴2个月前780
谷歌重磅连发双模型!Gemini 3.8 Flash + Cyber 上线,多项基准反超 GPT-5.6、Opus 5在 AI 模型迭代节奏持续提速的当下,谷歌再度刷新自家 Flash 系列更新速度。距离 Gemini 3.7 Flash 发布仅过去三周,短短六周时间内,谷歌完成第三次 Flash 版本迭代,正式推出...多模态模型早报# Gemini 3.8 Flash# Gemini 3.8 Flash Cyber# 谷歌2个月前1080
编程登顶!阿里千问 Qwen3.8‑Max 推送0902新版本,前端编程拿下CodeArena全球第一阿里千问正式完成旗舰模型Qwen3.8‑Max迭代升级,推出0902新版。本次没有扩大模型参数规模,而是定向针对编程Coding、专业办公Cowork两大方向开展深度后训练优化,强化复杂工程任务、科研...多模态模型早报# Qwen3.8-Max-09022个月前1160
DeepSeek‑V4‑Flash‑Vision‑Exp 开源上线,V4 系列首款多模态实验模型开放权重2026 年 8 月 31 日,深度求索(DeepSeek)正式在 Hugging Face 开源了其 V4 系列的首个多模态实验版本——DeepSeek-V4-Flash-Vision-Exp。该模...多模态模型# DeepSeek‑V4‑Flash‑Vision‑Exp2个月前1430