标签：多模态
李飞飞团队统一动作与语言，新的多模态模型不仅超懂指令，还能读懂隐含情绪
斯坦福大学的研究团队在多模态语言模型领域取得了新进展，提出了一种能够同时处理语音、文本和动作生成任务的模型。该模型能够理解并生成富有表现力的人类动...
Scaling Law撞墙？预训练终结？亚马逊云科技为什么还在做基础大模型
亚马逊云科技在近期的re:Invent大会上发布了Nova系列大模型，包括Micro、Lite、Pro和Premier四个版本，其中后三者为多模态模型。尽管亚马逊已投资Anthropic，...
ChatGPT搜索，全球免费！Her动嘴实时搜，暴打谷歌边聊边搜
OpenAI宣布ChatGPT搜索功能向全球用户免费开放，包括移动端和桌面应用程序。这一更新标志着谷歌搜索市场面临新的竞争。ChatGPT搜索功能集成了多模态信息展示...
Kimi 数理化能跟 o1 掰手腕了？新模型 k1 有点儿强
月之暗面公司宣布推出新的视觉思考模型k1，标志着其在数理化能力上的显著提升，与OpenAI的o1模型相比毫不逊色。k1模型能够识别图片中的文字，并解读背后的科...
王小川：AI医疗，代表了 AGI 之后更大的世界
百川智能作为一家专注于医疗领域的大模型创业公司，其创始人王小川在极客公园IF2025创新大会上分享了他对医疗方向、AGI（人工通用智能）及技术进程的深入思考...
ChatGPT 按提示词数秒完成游戏开发，程序员们该慌了
Lance Ulanoff通过两次不同的测试，体验了ChatGPT在游戏开发方面的显著进步。在2023年初，他首次尝试使用ChatGPT 1.0来开发一款名为Tic-Tac-Go的游戏，但由于...
细节表现超Sora，网友：真正的国产之光！MiniMax视频模型再上新
MiniMax近期推出了图生视频模型I2V-01-Live，专门优化了二次元效果，能够将静态二次元图片转化为流畅自然的动态视频，标志着其正式进入动漫领域。这一新模型...
谷歌发布Gemini2.0，开启Agent新时代
谷歌近日发布了其最新的AI模型Gemini 2.0，标志着公司在AI领域的重大进步。Gemini 2.0是首个实现原生多模态输入输出的模型，性能全面升级，速度是前代1.5 Pro...
OpenAI版Her登场，GPT能实时视频通话了！德扑AI之父：比 o1“更受宠”的模式降临
OpenAI最近推出了高级语音模式的新功能，包括实时视频通话、屏幕共享和图像上传，这些功能将在未来几天内向所有Team用户以及大多数ChatGPT Plus和Pro用户推出...
谷歌发布Geimini2.0，开启Agent新时代
谷歌近期发布了其最新的AI模型Gemini2.0，标志着公司在AI领域的重大进步。Gemini2.0是首个实现原生多模态输入输出的模型，性能全面升级，速度是前代1.5 Pro的...
