跳到正文

#多模态

今日 4 条
10月6日周二
  1. IT之家67

    宣称“欧美最强开源模型”:Mistral AI 发布 Mistral Large 4 公开预览版,月底开放权重

    Mistral AI 于 10 月 6 日推出 Mistral Large 4 公开预览版,即日提供 API 体验且本月底开放模型权重。该模型拥有 1 万亿总参数、490 亿激活参数,是原生的多模态模型,官方称其在开源模型中达到 SOTA 并大幅领先欧美开放权重模型。模型在欧洲自建数据中心基于 3,800 块英伟达 Grace Blackwell GPU 从零训练,遵循欧盟法规。

  2. Mistral AI77

    Mistral 发布 Mistral Large 4 公开预览版

    Mistral 发布 Mistral Large 4 公开预览版,这是一款 1 trillion-parameter 原生多模态开放权重模型,预览 API 已上线、权重月底发布。它在编码、智能体与多模态理解上超越欧美开放权重模型,并支持企业自主部署于网安等敏感领域。此为 Mistral 获 €3 billion Series D 后首个里程碑。

    推荐理由:Mistral Large 4 开放权重预览已上线,企业能在欧洲自建设施部署前沿多模态模型,降低对第三方API与内容审查的依赖。

  3. Hugging Face Blog46

    Falcon-Emirati-7B 发布:基于 Falcon-H1-Arabic 的阿联酋方言专用 LLM

    Hugging Face 发布 Falcon-Emirati-7B,这是基于 Falcon-H1-Arabic 构建的阿联酋方言专用模型,旨在理解并生成符合母语者习惯的词汇、语气及文化语境。该模型采用 7B 参数规模,在保持训练与推理成本可控的同时,通过混合真实方言数据、MSA 文化内容及受控合成数据,弥补了通用阿拉伯语模型在方言细微差别上的不足。

  4. The Decoder53

    Reka AI 全模态模型 Rho-1 在单一模型中处理文本、图像、视频与机器人控制

    Reka AI 发布 Rho-1 研究预览,该 19B 参数全模态模型在单一神经网络中处理并生成文本、图像、视频与机器人控制动作。模型将所有模态作为 token 置于共享上下文窗口,无工具调用或外部模型,并用逆向动力学从普通互联网视频提取控制信号应对机器人数据稀缺。

10月5日周一
  1. IT之家25

    荣耀 MagicOS 11 新增自定义充电上限功能

    荣耀 MagicOS 11 新增自定义充电上限功能,允许用户通过设置路径自行决定充电比例以延长电池寿命。若需临时充满,可在下拉弹窗中点击“本次充满”而无需调整设置。该功能属于 MagicOS 11 十月体验升级内容的一部分,同期还更新了 YOYO 建议、灵动胶囊及荣耀互联等模块。

10月4日周日
  1. The Decoder48

    NASA 与 IBM 开源月球基础模型,利用 17 年轨道数据提升冰层预测精度

    NASA 与 IBM 联合发布开源的 NASA-IBM Lunar Foundation Model,基于 17 年月球轨道观测数据训练,旨在提升月球科学数据利用效率。该模型在极地冰层沉积预测任务中,相比最佳基线 SwinV2-B 将预测误差降低最多 22%,并在粗尺度陨石坑检测中表现优于基线近 19%。这是首批面向月球科学的开源基础模型之一,通过预训练大幅降低了对标注数据的需求。

10月3日周六
  1. IT之家44

    AI 数字人面试官引发求职者“恐怖谷效应”吐槽,相关话题冲上热搜

    近期秋招中大量企业启用 AI 数字人面试官,其僵硬神态与微表情全景监控引发求职者集体吐槽“恐怖谷效应”,#AI 面试恐怖谷# 话题冲上热搜。该系统通过摄像头实时追踪瞳孔动态、面部肌肉紧张度,将回答延迟、语速颤抖等无意识生理反应转化为具体分数,不少用户认为 AI 面试不尊重人。今年 7 月“AI 脸恐怖谷效应”也曾冲上微博热搜,当时主要涉及 AI 短剧场景。

10月2日周五
  1. IT之家27

    极米 MemoMind One AI 显示眼镜明日开启线下定金预定

    极米 MemoMind One AI 显示眼镜将于明日登陆全国 56 家线下门店及 INNO100 全球创新旗舰店,开启定金预定。10 月 3 日至 14 日,用户预付 100 元定金即可获赠价值 199 元的墨镜夹片。该眼镜集极米显示、蔡司光学与哈曼声学于一体,主打长期佩戴及 AI 记忆、导航与提词功能,目前官方暂未公布具体配置信息。

  2. IT之家37

    Meta 雷朋 Display 眼镜 2026 年下半年更新:优化导航、支持通知控制及 Hologram 虚拟化身

    Meta 公布雷朋 Display 眼镜 2026 年下半年大型更新,主要改进导航体验、通知功能及视频通话。导航新增骑行和公共交通模式,语音提示结合环境描述;用户可自定义关闭特定类型通知。此外,计划向美国 Early Access 用户推送 Hologram 虚拟化身,首批支持 WhatsApp 视频通话,并加入“Explore”应用推荐第三方 Web 应用。

  3. MiniMax 动态62

    MiniMax 发布音乐生成模型 Music 3.0

    MiniMax 正式推出新一代音乐生成模型 Music 3.0,用户提供一个创意想法和可选歌词即可一次生成一首最长 5 分钟的完整歌曲,涵盖作曲、编曲、演唱与制作。

    推荐理由:官方拆解了从多层 RVQ、Hybrid-LM 到 Flow-Matching 的完整生成链路,读者可据此判断音乐生成在音质与人声自然度上的改进方向。

  4. MiniMax 动态74

    MiniMax 发布全模态生成模型 H3

    MiniMax 正式发布全模态生成模型 H3,支持对文本、图像、视频、声音组成的多模态上下文统一理解,可输出原生双声道音视频,最高支持 15s 2K 分辨率。官方称在 2K 分辨率下每秒价格不到主流模型的 1/3,768P 下约为主流模型 720P 的 1/2。MiniMax 计划在未来几天内在符合相关法律法规的前提下开放模型权重,并称 H3 设计初期已考虑多款现有国产芯片的兼容性。

    推荐理由:官方给出全模态生成的预训练任务划分与三项关键技术取舍,可看清视频模型从专用走向任务统一的路线。

  5. 字节 Seed · 基础模型博客16

    字节 Seed 基础模型论文列表

    字节 Seed 基础模型博客公开了 242 篇研究论文,涵盖 LLM 持续改进、编码智能体指令遵循及 VLM 空间感知等方向。最新论文包括 2026.08.18 发布的 Chain-of-Experience for Continual LLM Improvement 和 2026.08.12 发布的 Harness-IF。该列表展示了团队在基础模型、多模态及科学计算领域的持续研究成果。

  6. 字节 Seed · 基础模型博客48

    字节 Seed2.1 模型发布

    字节 Seed2.1 模型发布,在 KINA、SuperGPQA 等知识基准及 SWE-Atlas、Terminal Bench 2.1 等代码与智能体任务中取得高分。该模型在 MathVision、MMMU-Pro 等多模态推理及 VideoMME 长视频理解测试中表现优异,展现了其在复杂场景下的综合能力。

  7. Kimi 研究博客47

    Kimi 开源 Vendor Verifier 项目以验证开源模型推理实现

    月之暗面随 Kimi K2.6 模型发布开源了 Kimi Vendor Verifier (KVV) 项目,旨在帮助用户验证开源模型推理实现的准确性。该项目包含 OCRBench、AIME2025 等六项关键基准测试,用于检测 KV cache 错误及量化退化等基础设施问题。此前 K2 Thinking 发布后社区频繁反馈基准分数异常,KVV 旨在解决开源生态中工程实现偏差导致的信任危机。

  8. Kimi 研究博客43

    Kimi 团队发布 WorldVQA 多模态视觉知识评测基准

    Kimi 团队发布 WorldVQA 基准,包含 3,500 个图像问答对以评估多模态大语言模型的原子视觉世界知识。实验显示前沿模型在长尾知识上准确率常低于 50%,且普遍存在过度自信现象,其中 Kimi-K2.5 在 ECE 和 Slope 指标上表现最佳。该数据集及评测脚本已开源,旨在推动多模态 AI 的事实可靠性。

  9. TechCrunch · AI66

    ChatGPT 上线虚拟试穿与商品收藏功能

    OpenAI 宣布在全球上线 ChatGPT 两项购物功能,包括虚拟试穿和商品收藏。用户在购物结果中点 Try On 按钮,上传自拍或全身照即可查看服装、配饰的上身效果,也可上传商品图片让 ChatGPT 代为试穿;Favorites 则把发现的商品存入应用内 Library 以便回看。OpenAI 称新功能基于新发布的 ChatGPT Images 2.5 模型,而此前其即时结账功能表现不佳。

10月1日周四
  1. AWS Machine Learning Blog31

    Condé Nast 如何利用 Amazon Bedrock 构建多模态视频发现系统

    Condé Nast 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现系统,将内容检索时间从 250 分钟缩短至 2 分钟以内。该系统采用 TwelveLabs Marengo 嵌入模型,对超过 140,000 个视频的转录、视觉和音频信号进行联合编码,支持基于意图的语义搜索。此前编辑团队依赖标题和描述手动查找素材,导致运营效率低下。

9月30日周三
  1. Google DeepMind68

    Google DeepMind 发布 SynthID Bio 合成生物水印技术

    Google DeepMind 发布 SynthID Bio,将水印技术引入合成生物学,在保持蛋白质生物功能的同时嵌入可验证签名。实验显示,水印设计在结合亲和力和序列多样性上与无水印版本相当,并成功创建了首个具有生物功能的水印蛋白质结合器。

    推荐理由:原文展示了在保持生物功能前提下对蛋白质进行水印验证的方法,为合成生物安全提供了新的技术路径。

  2. 量子位39

    量子位直播回顾:工业AI规模化落地的关键路径与平台生态

    阿丘科技与西门子在直播中探讨工业AI从单点项目走向规模化落地的路径。阿丘科技案例显示,导入智能体技术后设备OEE和产能可提升25%左右。西门子Xcelerator旨在通过平台连接场景与生态资源,解决工业AI从1到100的复制难题,当前机会集中在高价值、数据ready且技术可行的场景。

9月29日周二
  1. Microsoft Research62

    微软研究院推出面向生物学复杂性的 AI 研究系统 Quine

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型,以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。

    推荐理由:微软研究院公开 Quine 的生物学世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。

9月26日周六
9月25日周五
  1. MIT Technology Review · AI42

    五角大楼申请 3000 万美元预算开发 AI 测谎仪

    美国国防部申请 3030 万美元预算,用于开发名为 Polygraph+ 的 AI 测谎技术。该项目由 DCSA 主导,旨在通过 AI 算法和“standoff sensing”技术提升联邦测谎的准确性与可靠性。尽管该技术尚未获国会批准,且现有测谎仪的可靠性长期受质疑,五角大楼仍计划将其用于员工背景调查和内部威胁检测。

© 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