OpenCode 宣布其未公开细节的“隐身”模型 Crouton Alpha 将在未来一周内免费开放。该模型支持 1M 上下文窗口和多模态输入,并承诺不利用用户数据进行训练,但仅限特定地区访问。
多模态
Multimodal
模型能同时处理和理解多种类型的数据输入
收录情报动态
Meta 推出号称美国最强开源权重模型 Muse Spark Open,拥有 8160 亿参数和 100 万 token 上下文窗口。该模型专为复杂编码与智能体任务设计,并首次实现原生适配 Apple Silicon 架构,但本地运行需至少 1TB RAM。
Meta 正式推出拥有 8160 亿参数的开源权重多模态大模型 Muse Spark Open,支持文本、图像、视频和音频处理,并具备高达 100 万 token 的上下文窗口。该模型在基准测试中表现与 Qwen、GLM 等顶级中国开源模型相当,且针对 Apple M5 Ultra 芯片进行了本地运行优化,标志着 Meta 在开源竞赛中的强势回归。
Jev 1.14 模型正式接入 OpenRouter 平台,核心更新包括实验性多模态视觉能力与显著的多语言性能提升。该版本在保持原有低价策略(输入 $0.042/M,输出免费)的同时,实现了整体性能的温和优化,被社区评价为“平淡但扎实”的迭代。
Meta 发布迄今最强的美国开源权重多模态大模型 Muse Spark Open,采用混合专家架构,总参数约 8160 亿(每 Token 激活约 420 亿),支持文本、图像、音频及视频输入。该模型拥有高达 100 万 Token 的上下文窗口,并针对智能体编码任务进行了专门训练,旨在为开发者提供统一的多模态交互接口。
字节跳动旗下“豆包工作”平台新增无限画布功能,支持素材铺陈、对比整理及逐步编辑设计。同时接入全新图片模型 Seedream 5.0 Flash 并上线豆包 2.1 Lite 模型,旨在提升文档、表格及 PPT 等高频场景下的多模态创作效率与交互体验。
谷歌发布名为 AI Edge Foresight 的 macOS 应用,搭载 EmbeddingGemma 2 端侧多模态模型。该工具支持完全离线运行,能自动结合笔记与音频生成润色后的会议纪要,并提供基于会议内容的实时问答功能。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2,仅 7.4 亿参数即可在文本、图像、视频等基准测试中超越体量两倍的竞品。该模型支持本地运行,内存占用低至 191 MB,显著降低向量数据库存储需求并提升检索效率。
微软研究院推出名为 Quine 的 AI 研究系统,旨在构建涵盖基因组、蛋白质及细胞状态的多模态生物学世界模型。该系统通过闭环机制连接计算模拟与湿实验,已在 Broad Institute 合作中成功预测并验证了驱动肿瘤状态转变的治疗化合物。
阿里千问平台正式上线“千问 AI Arena”,这是一个面向 AI Agent 的挑战与评测平台,旨在通过真实业务场景验证 Agent 的落地能力。首发任务聚焦跨境电商商品上架,要求开发者构建能一次性生成多语言文案及多媒体素材的 Agent,并提供 Token 额度与多模态模型支持。