多模态AI
  1. 首页
  2. 多模态AI

列表

NVIDIA放大招！Llama-Nemotron-Nano-VL-8B-V1发布，图像视频文本全能，微调王座谁与争锋？

NVIDIA放大招！Llama-Nemotron-Nano-VL-8B-V1发布，图像视频文本全能，微调王座谁与争锋？

人工智能领域的竞争日趋白热化，NVIDIA再次以其强大的技术实力引领潮流。AIbase从社交媒体平台获悉，NVIDIA最新发布了Llama-3.1-Nemotron-Nano-VL-8B-V1，一款支持图像、视频和文本输入的视觉到文本模型，输出高质量文本并具备图像推理能力。这一模型的发布不仅展示了NVIDIA在多模态AI领域的雄心，也为开发者提供了高效的轻量化解决方案。本文将为您详细解析这款模型的
AI热点 1天前
苹果与索邦大学联合研究：早期融合与稀疏架构助力多模态 AI 发展

苹果与索邦大学联合研究：早期融合与稀疏架构助力多模态 AI 发展

在多模态人工智能（AI）领域，苹果公司的工程师们与法国索邦大学的研究团队合作，展开了一项重要研究。近日，科技媒体 marktechpost 发布了相关博文，探讨了早期融合与后期融合模型在多模态 AI 中的应用与前景。研究表明，从头训练的早期融合模型在计算效率和可扩展性上更具优势。多模态 AI 的目标是同时处理图像、文本等多种数据类型，然而，整合这些不同来源的数据一直是一个难题。目前的技术普遍采用后
AI热点 1月前
国内首个多模态AI程序员正式上岗 文心快码Coding智能体Zulu正式发布

国内首个多模态AI程序员正式上岗 文心快码Coding智能体Zulu正式发布

2025年4月25日，百度Create AI开发者大会在北京隆重举行。在这场备受瞩目的科技盛会中，百度正式发布了文心快码3.5版本以及国内首个多模态AI程序员——文心快码Comate Zulu智能体，标志着AI编程工具进入了一个全新的发展阶段。在本次大会上，百度工程效能部总监臧志表示，AI是百度提升工程效率最重要的生产力来源，智能体是大模型能力与研发生产力之间最关键的桥梁。文心快码Comate Z
AI热点 1月前
报道称OpenAI下周重磅发布GPT-4.1系列，包含Mini版和Nano版

报道称OpenAI下周重磅发布GPT-4.1系列，包含Mini版和Nano版

人工智能领域的领跑者OpenAI即将在下周掀起新一波技术热潮!据科技媒体 The Verge 报道，OpenAI计划推出包括GPT-4.1系列、o3系列以及其他多款AI模型在内的重大更新。这一波密集发布不仅彰显了OpenAI加速创新的雄心，也为行业带来了更强大的AI工具。GPT-4.1系列:多模态能力的全面升级作为GPT-4.0的继任者，GPT-4.1系列被认为是OpenAI在多模态AI领域的又一
AI热点 1月前
AI日报：OpenAI下周或发布GPT-4.1系列；Pika全新AI视频功能Twists；商汤科技日日新V6震撼发布

AI日报：OpenAI下周或发布GPT-4.1系列；Pika全新AI视频功能Twists；商汤科技日日新V6震撼发布

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、报道称OpenAI下周重磅发布GPT-4.1系列，包含Mini版和Nano版OpenAI即将发布GPT-4.1系列及o3系列，标志着其在多模态和推理能力上的重大进展。GPT-
AI热点 1月前
Moonshot AI发布Kimi-Audio：开源音频基础模型树立新标杆

Moonshot AI发布Kimi-Audio：开源音频基础模型树立新标杆

近日，Moonshot AI正式宣布推出Kimi-Audio，一款全新的开源音频基础模型，旨在推动音频理解、生成和交互领域的技术进步。这一发布引发了全球AI社区的广泛关注，被认为是多模态AI发展的重要里程碑。以下是对Kimi-Audio核心特性、性能表现及行业影响的全面报道。突破性特性:全能音频处理能力Kimi-Audio-7B-Instruct基于Qwen2.5-7B架构，并结合Whisper技
AI热点 1月前
Grok大更新！视觉能力、多语言音频处理与实时搜索功能震撼上线

Grok大更新！视觉能力、多语言音频处理与实时搜索功能震撼上线

由xAI打造的生成式人工智能聊天机器人Grok迎来了一次里程碑式的更新，其功能全面升级，不仅新增了视觉处理能力，还实现了多语言音频处理以及语音模式下的实时搜索功能。这一更新标志着Grok在多模态AI领域的重大突破，为用户提供了更智能、更便捷的交互体验。以下，AIbase将为您详细解析此次更新的亮点与意义。视觉能力突破Grok的视觉处理能力是此次更新的核心亮点之一。尽管早在2024年4月，xAI曾宣
AI热点 1月前
联想CTO：押注多模态AI协作，打造模型工厂加速智能体落地

联想CTO：押注多模态AI协作，打造模型工厂加速智能体落地

在联想集团2025/26财年誓师大会上，首席技术官Tolga Kurtoglu强调，当前AI应用仍处于快速迭代的技术演示阶段，远未真正释放为用户创造价值的成熟能力。他指出，未来AI发展的关键在于将技术转化为以用户为中心的解决方案，构建联想独特的差异化优势。Kurtoglu描绘了未来以用户为中心的AI图景:它将不再受限于单一模型、芯片、设备或形态，而是由端侧、云端、边缘等多种模型和智能体协同运作，无
AI热点 2月前