标签：多模态
业界突破多模态泛化推理能力，OPPO研究院&港科广提出OThink-MR1技术
OPPO研究院与香港科技大学（广州）的研究人员提出了一项名为OThink-MR1的新技术，旨在通过动态强化学习提升多模态大模型的泛化推理能力。多模态大模型虽然能...
三星国行 Bixby 更新“语聊视界”，我们的生活离《Her》更近了一步？
三星 Galaxy S25 系列国行版本的 Bixby 语音助手于 3 月 26 日正式推出了“语聊视界”功能，这一功能基于多模态大模型，旨在提供超拟人的实时语音和视频聊天体...
7B模型搞定AI视频通话，阿里最新开源炸场，看听说写全模态打通，开发者企业免费商用
阿里发布了首个端到端全模态大模型——通义千问Qwen2.5-Omni-7B，该模型能够处理文本、音频、图像和视频等多种模态，并实时生成文本和自然语音。Qwen2.5-Omni-7...
谷歌终于登顶一次了！最强推理模型Gemini 2.5 Pro实测体验，真的有点东西
谷歌最新发布的AI模型Gemini 2.5 Pro被其CEO称为“谷歌有史以来最智能的AI模型”。该模型在多个基准测试中表现出色，尤其是在推理能力、科学和数学能力方面。在...
Uni-3DAR用自回归统一微观与宏观的3D世界，性能超扩散模型256%，推理快21.8倍
创建和理解3D结构在科学研究中具有重要意义，它不仅承载了丰富的物理与化学信息，还为解构复杂系统、进行模拟预测和跨学科创新提供了重要工具。随着AI技术的...
英伟达团队发布最新具身模型 Cosmos-Reason1，在物理世界推理中碾压 Qwen、GPT-4o 等多个 VLM 模型
英伟达团队在GTC大会上发布了新的物理世界大模型Cosmos-Reason1，该模型专注于提升AI系统与物理世界交互的推理能力。作为Cosmos系列的一部分，Cosmos-Reason1...
OpenAI语音智能体诞生，怼脸实拍语气狂到飞起！API降到每分钟0.3美分
OpenAI最新发布的音频模型标志着语音智能体时代的正式开启。此次发布的三款模型——gpt-4o-transcribe、gpt-4o-mini-transcribe和gpt-4o-mini-tts，分别专注于...
英伟达开源通用机器人大模型—GR00T N1
全球AI领导者英伟达在“GTC 2025”开发者大会上宣布开源人形机器人通用大模型GR00T N1，该模型能够处理多模态数据，包括语言、图像和视频，适用于家务、工厂等...
240元打造擅长数学的多模态版R1，基于DeepSeek核心思想，两阶段训练提升推理能力至工业级应用标准
多模态大模型在视觉理解方面表现出色，但在深度数学推理任务上往往表现不佳，尤其是参数量较小的模型。为了解决这一问题，东南大学、香港中文大学、蚂蚁集团...
多模态也做到了强推理！工业界首个开源的R1V，让视觉思考进入o1时代
昆仑万维近期发布了Skywork R1V系列模型，这一多模态思维链推理模型在视觉推理和通用推理能力上达到了SOTA级别，成为国内首家开源多模态思维链推理模型的企业...
