跳到正文

#多模态

今日 2 条
今天11月18日周三
  1. Testing Catalog76

    Microsoft 在 Ignite 2026 发布七个 MAI 模型

    Microsoft 在 Ignite 2026 发布七个新的 MAI 模型,覆盖编码、安全、图像生成、语音、转录和模型路由。Microsoft 称 MAI Code 2 在多项编码基准上达到 GPT-6.1 Sol 98% 的质量、约 40% 的价格,MAI Cyber 2 Flash 提供 100 万 token 上下文窗口。

    推荐理由:MAI 新模型覆盖编码、安全、图像和路由并给出多项价格与基准对照,便于判断企业AI落地的成本取舍。

11月17日周二
  1. IT之家61

    快手可灵全新一代图像创作模型 Kling Image 4.0 上线:支持原生 8K,单图内可生成 2000 字

    快手可灵 AI 今天(17日)深夜宣布 Kling Image 4.0 正式上线,并面向企业客户与开发者开放 API 接入。新模型采用理解生成统一架构,支持原生 8K 图像生成、单张照片内生成 2000 字,并支持一次描述最多生成 10 张系列图片。它还支持最高 15000 tokens 文本输入,内置 70+ 种预设商用字体和 110+ 种预设影调风格,原生智能体能力可辅助规划整组图片。

11月16日周一
  1. 量子位80

    阿里巴巴发布Qwen4-Max,智能体与编程能力进阶

    阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力并支持百万上下文。Qwen4-Max采用基于Qwen稀疏注意力(QSA)的全新MoE架构,2.4T总参数仅激活71B,CodeArena前端编程盲测位居第六。

    推荐理由:材料给出Qwen4-Max与上一代在Token用量、任务费用和多项评测上的对比,便于判断效率与能力变化。

11月15日周日
  1. The Decoder75

    美团开放 LongCat-2.5 权重,1.6 万亿参数智能体模型完全在中国硬件上训练

    美团在 LongCat-2.5 官方亮相一周后开放权重,这款 1.6 万亿参数智能体模型完全在中国硬件上训练。它采用 MoE 架构,1.6 万亿总参数中每 token 约 480 亿激活,能理解文本、图像和视频并可开关推理;API 兼容 OpenAI 和 Anthropic 格式,一次最多处理 100 万 token、生成最多 128,000 token。

11月13日周五
  1. IT之家20

    语飞国际中文教育垂直大模型发布

    2026 世界中文大会在北京开幕,会上发布语飞国际中文教育垂直大模型,为全球中文学习者、教师和教育机构提供智能化服务。该模型支持即时反馈评测、个性化辅导及多轮对话生成教学素材,并提供标准化接口赋能应用。此举旨在推动优质教学资源与智能服务共享,助力国际中文教育数智化发展。

  2. IT之家79

    谷歌发布 Gemini 4 Hydrogen 模型:主打日常编程与智能体工作流,百万 Token 输入 1.5 美元

    谷歌正式推出 Gemini 4 Hydrogen 模型,主打日常编码与智能体工作流,输入每百万 Token 1.5 美元且提供百万上下文窗口。该模型在 Artificial Analysis 智能指数高思考档得分 51 高于 Gemini 4 Argon 的 50,配套 Orchestrator 调度功能在 Terminal-Bench 4.0 上配额减 24% 提速 19%。

  3. Google DeepMind85

    Google DeepMind 发布 Gemini 4 Hydrogen

    Google DeepMind 今日发布 Gemini 4 Hydrogen 模型,面向 Google AI Studio、Gemini API、Gemini app、Search 等全员开放,默认高思考层级在 Artificial Analysis Intelligence Index 获 51 分超越 Argon 的 50 分。

    推荐理由:Gemini 4 Hydrogen以统一价格和四档思考层级面向全员开放,开发团队可据此权衡不同智能体任务的成本与延迟。

11月12日周四
  1. Latent Space49

    Google 发布 Gemini Decision 1 决策模型

    Google 发布 Gemini Decision 1,这是一款支持多模态输入的校准决策模型,单次请求可处理 1000 个问题,端到端延迟约 200ms。其输入价格为每百万 token 0.10 美元,输出免费,官方称比 Flash-Lite 便宜 5 倍。此前该项目为 Google DeepMind 内部原型,小团队在六周内完成了模型与 API 的发布。

  2. Simon Willison55

    Google发布Gemini Decision 1决策模型API

    Google于2026年11月11日发布Gemini Decision 1决策模型API,加入Jev和OpenAI的决策模型类别。该模型支持yes/no、choice和rubric-scoring三类问题,覆盖文本、图像、音频、视频与PDF全模态,输入每百万token 10美分且输出免费。作者用视频测试返回概率值,Jev仅文本最便宜,OpenAI支持文本与图像。

11月11日周三
  1. Google DeepMind83

    Gemini 4 Carbon 现已开放

    Google DeepMind 今日开放 Gemini 4 Carbon 模型,提供前沿网络安全与长程代理工作流能力。该模型在 CursorBench 4.0、WANDR 等基准排名第一且任务成本低于次优外部模型一半以上,通过 AI Studio API 以与 Gemini 4 Argon 相同价格($2/$10 per M tokens)开放。

    推荐理由:Gemini 4 Carbon定价与Gemini 4 Argon一致,但面向更复杂编程与科研任务,开发者可对比二者选型。

11月10日周二
  1. TechCrunch · AI82

    Anthropic发布Mythos 5.2与Fable 5.2模型,正值RSI担忧之际

    Anthropic发布Mythos 5.2与Fable 5.2模型,称在编码、推理和视觉等方面有改进且沟通更清晰。Fable 5.2输入价从每百万10美元降至8美元,响应提速30%并支持零数据保留策略,比GPT-6 Astra更便宜。这是METR报告暗示其接近RSI后的首次模型发布,系统卡称Mythos 5.2隐蔽能力增强但绝对性能低。

11月9日周一
  1. 量子位68

    腾讯混元跻身最强开源模型!一手实测Hy4:搭配WorkBuddy,多模态Agent交付力拉满

    腾讯混元Hy4正式版在一手实测中搭配WorkBuddy展现多模态Agent交付力,跻身最强开源模型之列。模型770B总参数49B激活,首次引入原生视觉与电脑操作,已在腾讯云等上线且权重近期开源。实测通过3D键盘、PPT等案例展示其长程任务自主执行与自检能力,金融科研任务表现领先。此为preview后的正式版,Hy4 flash端侧版也在路上。

11月6日周五
  1. The Decoder68

    Thinking Machines 发布 Inkling 2 Small,称其为最强西方开放权重模型

    Thinking Machines 发布 Inkling 2 Small 模型,声称是西方最强开放权重模型,其170亿活跃参数的MoE架构在基准上大幅超越前代。该模型接受文本与图像输入并支持可调思考深度,在Agentic与多模态任务提升明显,但单任务成本升至$1.18且响应率下降。公司计划完成后以Apache 2.0许可证开源权重,目前通过Tinker平台提供。

  2. Latent Space78

    Thinking Machines 发布 Inkling 2 Small:17B 活跃/594B 总参数 MoE,68 小时训练击败 Muse Spark

    Thinking Machines 发布 Inkling 2 Small,一个 594B 总参数、17B 活跃的多模态 MoE 模型,68 小时原生 NVFP4 预训练完成并击败 Muse Spark。该模型在 Artificial Analysis 智能指数达 31 分,超越前代,Apache 2.0 权重预计下周开放,有望成为最高分的美国开放权重模型。

    推荐理由:原文给出 Inkling 2 Small 的 68 小时训练效率和多项基准成绩,读者可据此评估西方开放权重模型的新定位。

  3. IT之家66

    蚂蚁百灵大模型 Ling-3.2-flash 发布:三项基准超越 Claude Opus 5,前两周限时免费

    蚂蚁百灵官方团队今日推出原生多模态模型 Ling-3.2-flash,拥有 560B 总参数、25B 激活参数与 1M 上下文窗口。该模型在 OmniDocBench1.5 等三项基准超过 Claude Opus 5,API 定价每百万 token 输入 0.30 美元、输出 0.90 美元且前两周免费。它支持图像文本视频输入,强化复杂视觉理解、多模态长程 Agent、3D 理解与医疗多模态能力。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有