标签：多模态
智谱AI、清华开源新视觉大模型：刷新41项纪录，同级别最强
智谱AI与清华大学联合开源最新视觉大模型GLM - 4.5V，其在多个领域表现卓越。测试数据显示，GLM - 4.5V在42项主流测试中创造41项新记录，尤其在视觉智能体方...
科学能力太强，这个多模态推理「六边形战士」被严重低估！Intern-S1开源登顶
在2025世界人工智能大会（WAIC 2025）上，上海AI实验室发布了新一代科学多模态大模型Intern-S1，标志着人工智能在科研领域的重大突破。Intern-S1不仅多模态能...
什么是真正好用的推理模型？阶跃Step 3：开源的，多模态的，低成本的，国产芯片适配的
阶跃星辰在WAIC期间发布的新一代基础大模型Step 3，填补了市场对兼具多模态能力、强推理性能、低成本及开源特性的模型需求空缺。该模型总参数达321B，采用MoE...
机器人的「GPT时刻」来了？丰田研究院悄悄做了一场最严谨的VLA验证实验
机械臂技术正从单一抓取任务向复杂自主操作迈进，其核心挑战在于感知、理解与动作控制的高效协同。近年来，视觉-语言-动作（VLA）模型的发展使机器人能够整合...
具身智能大脑+首个SaaS开源框架，智源研究院刷新10项测评基准，加速群体智能新范式
智源研究院在具身智能领域取得了显著进展，推出了RoboBrain 2.0和RoboOS 2.0两大创新技术。RoboBrain 2.0作为“通用具身大脑”，面向真实物理环境，集感知、推...
AI 编程冲击来袭，程序员怎么办？IDEA研究院张磊：底层系统能力才是护城河
在人工智能迈向“多模态智能体”新时代的过程中，视觉理解、空间智能建模以及感知、认知与行动的高效整合仍是当前面临的主要挑战。IDEA研究院计算机视觉与机器...
刚刚，「吉卜力狂欢」GPT-4o功臣被挖走！华南理工女学霸曾与奥特曼同台
GPT-4o的发布引发了全球范围内的「吉卜力风格」热潮，吸引了超过1.3亿用户生成了逾7亿张图片。这一功能的成功离不开两位核心研究人员——华南理工学霸Lu Liu和...
ICML 2025 Spotlight | 快手、南开联合提出模块化双工注意力机制，显著提升多模态大模型情感理解能力！
新一代人工智能发展的重要方向是“情智兼备”，这是迈向通用人工智能的关键一步。在人机交互场景中，具备情智的数字人与机器人需要精准解译多模态交互信息，深...
阿里达摩院开源多模态医学大模型—灵枢
大模型在医疗领域的应用面临三大主要难题：医疗知识覆盖不足、幻觉风险高以及推理能力欠缺。为了解决这些问题，阿里巴巴达摩院的研究团队开源了统一多模态医...
Cursor终结者？Grok 4正式登顶！马斯克扬言编程碾压，20万N卡年赚47亿美金！
Grok 4的发布标志着xAI在人工智能领域的又一次重大突破。这款通用模型不仅跳过了Grok 3.5，还带来了多个专为特定任务设计的模型，包括编码模型、多模态代理和...
