阿里发布 Qwen-Robot Suite:具身智能“手脑脚”三位一体,含操作模型 Manip、导航模型 Nav 与世界模型 World,基于 >38,000 小时开源数据训练,实现跨本体零样本泛化阿里巴巴正式发布了千问家族首个完整的具身智能模型套件 —— Qwen-Robot Suite。该套件包含 Qwen-RobotManip(操作)、Qwen-RobotNav(导航)和 Qwen-Rob...多模态模型早报# Qwen-Robot Suite# Qwen-RobotManip# Qwen-RobotNav5个月前2970
百度发布 PP-OCRv6:轻量级 OCR 新标杆,3450 万参数模型精度超越 Qwen3-VL-235B 等千亿级 VLM,支持 50 种语言与工业场景识别,CPU 推理提速 5.2 倍在光学字符识别(OCR)领域,百度 PaddleOCR 团队正式推出了新一代旗舰模型 PP-OCRv6。该系列模型参数量仅在 150 万至 3450 万之间,却通过架构创新与数据优化,实现了检测准确率...多模态模型# PaddleOCR# PP-OCRv6# 百度5个月前3950
MiniMax-M3 模型正式释出:4280亿参数原生多模态模型,支持100万Token超长上下文与桌面操作,MSA架构使预填充速度提升9倍MiniMax 正式发布了其最新一代旗舰模型 MiniMax-M3。这是一款总参数量达 4280 亿、激活参数量约 230 亿 的原生多模态模型。M3 不仅支持高达 100 万 Token 的超长上下...多模态模型# MiniMax M35个月前3090
Zyphra 发布 Zamba2-VL:开源混合 Mamba2-Transformer 视觉语言模型,首 Token 延迟降低一个数量级,支持 1.2B/2.7B/7B 多规模边缘部署在多模态大模型日益普及的今天,高昂的计算成本与漫长的首字延迟(TTFT)仍是阻碍其实时交互与端侧落地的主要障碍。Zyphra 正式发布了 Zamba2-VL,这是首个基于完全开源的混合 Mamba2...多模态模型# Zamba2-VL# Zyphra5个月前2480
快手 Keye 发布 Keye-VL-2.0-30B-A3B:300 亿参数多模态旗舰,DSA 架构支持 1 小时长视频无损理解,时间定位能力媲美 Gemini-3-Flash快手 Keye 团队正式发布了 Keye-VL-2.0-30B-A3B,这是 Keye 系列最新的 300 亿参数旗舰基础模型。作为首个在生产环境中落地 DSA(动态稀疏注意力) 架构的多模态模型,它...多模态模型# Keye-VL-2.0-30B-A3B# 快手 Keye6个月前2650
阿里发布 Qwen3.7-Plus:首个视觉与语言统一的多模态智能体基座,支持 GUI/CLI 混合交互、端到端代码生成及 11+ 小时自主 APP 研发闭环阿里巴巴今日正式发布 Qwen3.7-Plus,这是一款将视觉与语言深度融合的多模态智能体基座模型。在继承 Qwen3.7 强大文本与编码能力的基础上,Qwen3.7-Plus 实现了从“被动理解”到...多模态模型# Qwen3.7-Plus6个月前2350
MiniMax M3 正式发布:首个集前沿编码、100万上下文与原生多模态于一身的开放权重模型,MSA 架构实现推理速度 15 倍加速MiniMax M3 正式发布,M3 在编码和代理工作等专门任务上达到了前沿水平的性能。它采用了MiniMax团队提出的全新注意力架构 MSA,并支持高达 100 万 token 的超长上下文窗口。备...多模态模型# MiniMax M36个月前2220
LLaVA-OneVision-2:首个“读懂”视频编码的 8B 多模态模型,抛弃均匀抽帧,长视频与时序定位能力代际领先LLaVA-OneVision-2 (LLaVA-OV-2) 是 LLaVA 家族的新一代里程碑式作品。作为一个完全开放的 80 亿参数多模态大模型,它基于 Qwen3-8B 语言骨干,首创性地引入了...多模态模型# LLaVA-OneVision-26个月前2490
AllenAI 发布 OlmoEarth v1.1:计算成本降低 3 倍,高效赋能全球卫星遥感分析2025 年 11 月,AllenAI 发布了专注于地球观测的开源模型家族 OlmoEarth v1。自发布以来,该模型已被广泛应用于追踪红树林变化、分类森林损失驱动因素以及生成国家级作物类型地图等关...多模态模型# OlmoEarth6个月前2580
Nemostation 发布 Marlin:2B 参数视频模型,低成本实现高精度事件提取与时间定位在视频大模型(Video VLM)领域,高昂的算力成本和庞大的模型体积往往是落地应用的最大阻碍。近日,Nemostation 推出了 Marlin——一款仅拥有 20 亿(2B)参数的微型视频视觉语言...多模态模型# Marlin# Nemostation6个月前3350
腾讯联合多所高校发布 ReactiveGWM:让游戏 NPC 具备跨游戏迁移的自主策略能力由腾讯、新加坡国立大学、香港理工大学、香港科技大学(广州)、中国科学院大学及香港科技大学的研究团队共同推出的 ReactiveGWM,正在重新定义游戏世界模型中非玩家角色(NPC)的行为逻辑。 项目主...多模态模型# ReactiveGWM# 游戏# 腾讯6个月前3050
面壁智能发布MiniCPM-V 4.6:0.8B 参数实现 Qwen2B 级性能,全面支持 iOS/Android/HarmonyOS 原生部署在移动设备算力有限但多模态需求日益增长的今天,如何在手机端实现高精度、低延迟的图像与视频理解?MiniCPM-V 4.6 是由面壁智能最新发布的边缘部署友好型多模态大模型。它基于 SigLIP2-40...多模态模型# MiniCPM-V 4.6# 面壁智能6个月前2540