LiquidAI 推出 LFM3 框架,旨在帮助开发者构建针对边缘设备优化的专用多模态大模型。该工具强调在资源受限环境下实现高效推理与定制化部署,目前处于早期社区分享阶段。
多模态模型
Multimodal Model
能同时处理文本、图像等多种数据类型的AI模型
收录情报动态
InfoQ 联合 QCon 举办直播,多位大厂技术专家探讨 AIGC 在视频生成领域的规模化落地困境。核心观点指出,尽管单段 10 秒视频效果惊艳,但短剧成片交付面临严峻的生产链路稳定性、人机协同边界界定及真实成本控制挑战。专家强调,AI 目前仅能辅助情节拓展与结构搭建,主题表达与情绪把控仍需人工主导;同时,长上下文场景下的多尺度信息对齐是提升结构化表达的关键技术瓶颈。
Liquid AI 正式开源 d1 决策模型家族中的 d1-3B 和实验性多模态版本 d1-omni-600M,专为边缘计算场景设计。其中 d1-3B 在 Decision Index 0.2.1 基准测试中以 48.57 分成为 10B 参数以下性能最强的决策模型,超越了多款 4B、9B 甚至 35B 规模的竞品。
谷歌发布基于浏览器的 AI 游戏平台 Playground,允许美国用户通过纯文本交互生成并测试游戏,无需编程技能。该平台整合了 Gemini、Nano Banana 和 Lyria 模型,支持实时调整规则与物理引擎,并可与 Unity Spark 等专业工具形成互补生态。
AI 3D 生成公司 Meshy 在 a16z 首份消费级 AI 应用月收入榜单中位列第 31,成为该榜单唯一的 AI 3D 企业。这一排名基于 YipitData 追踪的真实银行卡消费数据,标志着 AI 3D 已确立为独立且具备付费能力的垂直品类。
法国 AI 实验室 Mistral 发布拥有 1 万亿参数的多模态大模型 Mistral Large 4(代号 Le Chonk),旨在挑战中美前沿模型。该模型目前仅通过受控端点提供访问,计划在三周后完成安全测试并开源权重,试图在封闭与开放模型之间确立“第三条道路”。
Meta 发布并开源了专为本地智能体场景设计的多模态模型 Muse Glimmer,参数量蒸馏至 30B,采用 Apache 2.0 许可证。该模型旨在平衡隐私保护与成本效益,支持代码生成、文档分析及个人助理等应用,并已获 Hugging Face 生态(Transformers, vLLM 等)的 Day-0 全面适配。
NVIDIA 推出 Nemotron 3 Nano Omni,这是一款专为文档、音频和视频智能体设计的长上下文多模态模型。该模型旨在通过高效处理大规模非结构化数据,提升 AI 代理在复杂场景下的理解与推理能力。
OpenAI 于 2025 年推出了更快的 ChatGPT Images 体验,并在 API 中上线了 GPT-Image-1.5 模型。目前用户可探索最新的 ChatGPT Images 2.5 版本。
Hugging Face 团队发表文章,系统梳理了 AI 智能体(Agents)兴起背后的技术逻辑与伦理挑战。文章指出,随着 LLM 能力的快速提升,业界正转向具备自主行动能力的智能体,并探讨了其作为“多模态模型++”的训练范式及潜在社会风险。该综述旨在为开发者提供在构建智能体时所需的伦理框架与反思视角。