术语slug: multimodal-model

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

共 14 篇 · 第 1/2 页
InfoQ 中文T2·商业与生态
38 分
QCon 直播探讨 AIGC 短剧交付难点:单点模型惊艳难抵生产链路成本与稳定性挑战

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。

The DecoderT2·开发与工程
68 分
谷歌推出 Playground:零代码 AI 游戏创作平台

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。

TechCrunch AIT2·基座大模型
78 分
Mistral 发布 1T 参数多模态模型 Large 4

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”。

Hugging Face BlogT1·基座大模型
86 分
Meta 开源 Muse Glimmer:30B 本地多模态智能体模型

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。

Hugging Face BlogT1·智能体与协同
68 分
Hugging Face 发布 AI 智能体伦理与社会影响综述

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。