术语slug: multimodal

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

共 31 篇 · 第 1/4 页
The DecoderT2·基座大模型
85 分
Meta 发布 Muse Spark Open:8160 亿参数多模态模型,百万上下文对标中国开源巨头

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。

Hugging Face BlogT1·基座大模型
92 分
Meta 开源 Muse Spark Open:816B MoE 多模态模型支持百万上下文与智能体编码

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。

千问AI平台 (微信公众号)T2·智能体与协同
48 分
阿里千问上线 AI Arena:聚焦 Agent 实战评测

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。