跳到正文

#多模態

RSS
今日 5 則
11月7日週六
  1. O'Reilly Radar64

    本週 AI:進步的代價

    本週 AI 進展揭示投資者對成本與多語言公平的擔憂,提示開發者需同時考量技術與經濟可持續性。 - 模型發布:Google 推出 Gemini 4 Carbon、DeepMind 先行展示 Genie 4 世界模型,Mistral 公佈 1.0 兆引數 Large 4(Le Chonk)權重。

11月6日週五
  1. aihot78

    Thinking Machines 發布 Inkling 2 Small:594B 總參/17B 啟用 MoE,68 小時預訓練,稱超越 Muse Spark

    Inkling 2 Small 是 Thinking Machines 於 2026 年發布的多模態 MoE 模型,總引數 594B、啟用引數 17B,僅 68 小時預訓練完成。

    推薦理由:Inkling 2 Small 以 594B 引數與 68 小時預訓練,顯示新一代多模態 MoE 模型的訓練效率與評測優勢,對開發者評估模型選型具有參考價值。

  2. Dev.to Top Tech35

    如何將商品照片轉成保留標籤的短影片:RefVid 製作流程

    RefVid 示範如何把 1–10 張商品照片製成短影片,並以 reference-to-video 流程讓商品外型與標籤在影片中維持一致。 - 流程差異:image-to-video 會以原照片作為首格,鏡頭移動後商品細節可能漂移;reference-to-video 則以照片描述商品,讓每一格都圍繞商品生成,也能讓同一商品的不同影片保持一致。

  3. Hacker News (official RSS)85

    Thinking Machines 推出 Inkling 2 Small,預計下週以 Apache 2.0 開放權重

    Thinking Machines 推出第二代模型 Inkling 2 Small,採用 594B 總引數、17B 啟用引數的 MoE 架構,支援圖片輸入與可變推理投入程度;目前可透過 Tinker 使用,權重預計在完成外部安全測試與紅隊測試後於下週以 Apache 2.0 授權開放。

    推薦理由:Inkling 2 Small 同時呈現長時程程式任務、視覺能力與安全評估結果,也交代權重開放前的外部測試安排,可據此瞭解模型能力與發布條件。

  4. vLLM Official Blog75

    VeRL-Omni v0.3.0 擴充套件多模態強化學習訓練與非同步執行

    VeRL-Omni v0.3.0 擴充套件多模態強化學習的訓練配方與執行方式,將 V1 trainer 設為預設,並加入更多非同步 rollout、模型整合與硬體支援。

    推薦理由:MiniCPM-o 4.5 的對照實驗顯示,非同步訓練的每提示詞耗時優勢會隨回應長度改變,可供依工作負載選擇執行配置時參考。

  5. Google Research75

    Google 研發 AI-PPG-ACC-HTN 手錶高血壓偵測系統

    AI-PPG-ACC-HTN 是 Google 研發的一套可於消費者智慧手錶上偵測高血壓的多模態 AI 系統,透過 PPG 與 ACC 兩種感測器,無需袖帶校正即可達到與傳統血壓測量相近的準確度。

    推薦理由:此研究展示了利用手錶感測器偵測高血壓的可行性,並在臨床測試中達到與傳統袖帶相近的準確度,為全球健康監測提供新方法。

  6. The Decoder72

    騰訊發布 Hy4,首次具備影像理解與軟體操控,稱位列中國 AI 模型第二名

    Hy4:騰訊最新 AI 模型,首次加入影像理解與自動操控軟體功能,並於公開測試中獲得「第二名」的評價。 - 多模態實務:能在影像中定位細節、編寫程式碼、協助遊戲開發及金融辦公軟體,實驗顯示在 600 個真實工作任務中勝過 Deepseek V4.1 Flash、Kimi K3.1 Pro 與 GLM‑5.3 Flash。