跳到正文

#多模態

RSS
今日 5 則
11月10日週二
  1. Vercel Blog48

    Muse Ember 開放於 Vercel AI Gateway 使用

    Meta 的 Muse Ember 現已可透過 Vercel AI Gateway 使用,這款輕量推理模型面向 AI 助理執行流程中大量重複的工作,例如程式撰寫子任務、工具呼叫與檔案分析。 輸入與推理:支援文字、圖片與影片輸入,提供 1M-token 上下文視窗;推理強度可從 minimal 調整至 max。 串接方式:可透過 AI SDK、Chat Completions、Responses 與 Anthropic Messages API 呼叫,也能由連線 AI Gateway 的程式碼AI 助理使用。模型名稱為 meta/muse-ember。 費用與管理:AI Gateway 依照供應商定價,不加價,也不對推論收取平臺費用,包含 Bring Your Own Key(BYOK)請求;另提供用量與成本追蹤、自訂報表、Zero Data Retention 支援、API 金鑰預算、路由規則、重試與故障轉移設定。

  2. TechCrunch · AI78

    Meta 發布輕量級 Agent 執行模型 Muse Ember

    Meta Superintelligence Lab 發布輕量級模型 Muse Ember,主打複雜推理執行,以及 Agent 常見的工具呼叫、程式設計子任務、路由、資訊擷取與長檔案解析。

    推薦理由:Muse Ember 的每百萬輸入 token 定價為 0.10 美元,報導並比較其成本與同類模型,呈現 Meta 將輕量模型用於大量重複 Agent 任務的產品定位。

  3. AI at Meta71

    Meta 推出最小且效率最高的模型 Muse Ember,定位於複雜推理執行與日常AI 助理工作。 工作流程:可跨應用程式延續工作流程、依序呼叫工具、執行測試並進行目標式程式碼修正。 輸入與上下文:支援 1M-token 上下文視窗,並原生理解文字、影像、音訊與影片,可處理大型檔案集合及多樣輸入。

    推薦理由:Muse Ember 將跨應用工作流程、工具串接與程式修正納入模型能力,並支援多種輸入形式,可從中瞭解其定位與適用工作範圍。

11月9日週一
  1. Meituan LongCat73

    美團 LongCat 今日釋出 LongCat-2.5 權重,這款原生多模態模型總引數量為 1.6T,啟用引數約 48B。 能力與任務:官方表示,模型提升了視覺理解與AI 助理程式開發能力,涵蓋複雜程式專案、創意設計與 3D 任務。 授權與取得方式:採用 MIT 授權,權重可於 Hugging Face 取得:https://t.co/slrfOXLips

    推薦理由:LongCat-2.5 以單一模型結合視覺理解與AI 助理程式開發,並以 MIT 授權釋出權重,提供評估多模態與程式任務整合的具體素材。

  2. aihot82

    位元組發布 Seedream 5.5 影像創作模型,支援 100 輪編輯與原生 RGBA 透明輸出

    位元組發布影像創作模型 Seedream 5.5,支援同一作品最多 100 輪連續編輯,並可原生輸出帶 Alpha 通道的透明或半透明影像。

    推薦理由:Seedream 5.5 將多輪編輯穩定性與原生透明素材輸出納入影像創作流程,文中評測也提供了不同場景的可用率及文字崩壞率比較。

  3. Dev.to Top Tech57

    Hush 恐怖遊戲以玩家的心跳與身體訊號驅動追逐

    Hush 是一款以玩家身體訊號驅動追逐的三分鐘恐怖遊戲,玩家坐在網路攝影機前,無須操作控制鍵,眨眼、脈搏與呼吸變化會影響遊戲中的追逐者。 - 訊號與規則:遊戲先用 20 秒建立個人脈搏與呼吸基準,再依眨眼事件、脈搏高於基準及呼吸低於基準調整追逐者行為;訊號失去追蹤時會暫停遊戲。

  4. Dev.to Top Tech77

    AI 日報:Mistral 釋出 Le Chonk、DeepMind 延長颱風預警、xAI 水印啟用等七則新聞

    本篇每日摘要聚焦多項 AI 進展,涵蓋模型發布、部署生態與安全新動向,協助讀者快速掌握關鍵資訊,並洞察行業趨勢。 - Mistral Large 4(Le Chonk):發布 1T 引數多模態 MLP,開放 MIT 版權,API 價格 $0.70/百萬輸入、$2.10/輸出;在 Terminal‑Bench 4.0 上得 41% 分,安全拒絕率 96.6%。

  5. Dev.to Top Tech48

    我打造了可在瀏覽器中拆解的互動式 3D 相機

    Camera Lab 是一項互動式 3D 體驗,讓使用者在瀏覽器中探索 DSLR 相機、拆解零件並檢視內部構造。 - 互動功能:可從不同角度旋轉與縮放相機,使用爆炸檢視滑桿拆開並組回零件;也能點選 25 個元件檢視介紹、啟用 X 光模式、跟隨導覽瞭解光線如何穿過 DSLR 相機,並擷取 3D 模型畫面。

  6. Dev.to Top Tech54

    一個 Prompt 可偽造破損商品,退貨系統因此無法讓 AI 支付任何人

    摘要:文章示範如何使用 AI 來驗證退貨申請,並提供可直接實作的程式範例。作者建立「Break or Fake」退貨桌面,利用兩個獨立的視覺模型(透過 OpenRouter)判斷照片是否真實、是否符合商品描述、是否為實體場景,並結合硬編碼門檻(上傳照片最多 $15,即時照片最多 $60)與相機檢查,確保只有符合條件的退貨才會自動執行。

  7. 數字生命卡茲克35

    卡茲克稱灰度路由到 GPT-6.2 Sol 後進行了簡單測試,認為模型的美感表現突出,防禦性問題也有不錯改善。 測試內容:以 Three.js 製作主題為《時間的盡頭》的 3D 互動網頁,要求極致呈現構圖、光影、材質、粒子、動畫與空間氛圍,並可用滑鼠互動。 評價:發文者看好模型表現,並以疑問語氣提及 OpenAI 是否回歸;推文未提供量化測試結果。