智东西8月21日报道，过去一个月，阿里巴巴模型发布全面提速，大语言、图像、语音、视频、音乐五大类模型密集完成重要版本迭代，性能均跻身国际第一梯队。
据官方介绍，用户可以通过设置 model='deepseek-v4-flash-vision-exp' 来访问 V4-Flash-Vision-Exp 模型的 API。
据介绍，模型重点围绕真实视觉任务重新完善训练数据、任务设计与后训练流程，强化视觉质量、复杂指令遵循、文字与布局、原生4K、原生图像编辑和精细视觉控制等，提供更高可控性、更高清、更高性价比的能力工具，推动AI视觉生成真正跨越到“稳定完成真实视觉交付”的新阶段。
更有意思的是，有开发者进一步扒出了DeepSeek Harness的“看图”方式：面对本身不支持图像输入的模型，它还能调用OCR、颜色统计、像素扫描等工具，把图片拆成结构化信息后再交给文本模型推理，相当于给纯文本模型拼出一套工具层的“视觉”。
MiniMax原生多模态视频模型H3为MiniMax Design提供了新的能力基础，它已经验证了MiniMax在多模态理解、视频生成、视频编辑、参考控制等方面的模型能力，尤其适合Video Editing等对理解、控制与修改要求更高的场景。
此次更新覆盖多模态输入、子代理、工具调用、Windows 终端以及底层存储等多个方向。
腾讯对于多模态的研发方向，已经发生了改变。
像真人、能干活、会带货……
论坛组织者、香港中文大学计算机科学与工程学系助理教授王历伟表示，AI研究重点正从大语言模型进一步转向多模态人工智能，让AI不仅能够处理文字，还能够理解真实世界，并最终部署到实际物理环境中。
1亿美元留不住
西北工业大学、香港科技大学和浙江大学的研究团队提出Remember-R1，试图从源头上修正这一偏置：不修改推理流程，而是在强化学习后训练中加入三种过程奖励，让模型不仅要答对，还必须在整条推理链中持续表达、保…
入选华为天才少年等顶尖人才计划
业务战略方面，梁汝波对此前“收缩业务宽度”作出解读，后续将优先发展“粗主线”，如抖音可带动电商、生活服务，豆包也可作为“粗主线”带动更多业务和生态。
都是出于商业考虑。
达摩院表示，此次课题设置旨在聚焦大模型训练推理、AI芯片架构、医疗AI及工业智能等关键领域，推动技术创新与产业落地。
做工具更多是在想办法把多模态模型的黑盒能力全部开发出来，让普通用户也能用到 100% 的能力。
11/10 12:13
11/10 12:11
11/10 12:10
11/10 10:19
11/10 10:18
11/10 10:09
11/10 10:08
京公网安备 11011402013531号