标签：视觉
32B本地部署！阿里开源最新多模态模型：主打视觉语言，数学推理也很强
阿里通义千问Qwen发布了最新视觉语言模型Qwen2.5-VL-32B-Instruct，进一步扩展了其开源家族的产品线。该模型在尺寸和性能之间取得了平衡，能够在本地运行，并...
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...
OpenAI 重磅发布的GPT-4 Turbo with Vision，是编码的倒退
OpenAI 最近发布了最新的 GPT-4 Turbo with Vision 模型，该模型在 GPT-4 Turbo 系列的基础上新增了视觉理解能力，可以处理和分析多媒体输入信息。这一革新使...
2张图2秒钟3D重建！这款AI工具火爆GitHub，网友：忘掉Sora
DUSt3R是一个令人兴奋的新工具，它能够仅通过两张图片，无需任何额外数据测量，快速生成一个完整的3D小熊模型。这个工具在GitHub上迅速走红，成为热榜第二。...
