跳到正文

多模態

文本之外的能力:視覺理解、圖文混合、音影片輸入輸出的模型與產品進展。

最新精選

第 61–80 條 · 共 241 條
11月17日週二
  1. ModelScope68

    一般 AI 多半是等人提問後才回答,Duo 則想讓 AI 和人一起參與即時互動。它會持續聽對方說話、觀察對方的動作,再判斷何時該接話或等待,並同步產生語音和影片。這讓雙方能一起看物品、改變場景、接受引導或玩影音遊戲。inclusionAI 也釋出多種模型版本,並提供研究用流程和即時部署方式。

    推薦理由:Duo 把即時影音互動中的理解、發言時機與影音生成串在一起,呈現模型如何參與雙向交流的研究方向。

  2. Vercel Blog66

    Vercel AI Gateway 開放使用 Hy4 Flash,限時享 5 折

    使用大型語言模型時,功能和費用常要一起考量。Vercel AI Gateway 現在提供 Tencent 的 Hy4 Flash,這是 Hy4 系列中價格較低的模型,保留推理、工具呼叫、結構化輸出、提示詞快取和圖片輸入,也有相同的 1M-token 上下文視窗;不需要推理的請求則可關閉這項功能。透過 AI Gateway 使用時,輸入、快取輸入和輸出 token 到 2026 年 11 月 29 日都有 5 折優惠,適合留意大量程式開發、AI 助理或檔案處理工作所需的成本。

    推薦理由:Hy4 Flash 保留 Hy4 系列功能並大幅降低每個 token 的價格,文中也交代限時折扣,能看出成本與功能之間的取捨。

  3. The Decoder77

    Alibaba 發布 Qwen4-Max,以較低成本挑戰 Opus 5.5、GPT-6 和 Kimi K3.1 Pro

    長時間工作和大量資料會讓 AI 模型花更多時間與費用,Alibaba 推出 Qwen4-Max,主打用較少 token 處理長內容和專業任務。它能直接看圖片,並提供一百萬 token 的上下文視窗;在 Alibaba 的 Work360 測試中,平均每項任務成本從 $4.43 降到 $1.67,分數也從 47.74 升到 52.69。外部評測結果不一:它在長時間 AI 助理任務表現突出,但在部分考試和程式開發測試落後競品。新功能 Live Delivery 會先交出可用的初版,讓使用者途中介入調整。Qwen4-Max 已可透過 QwenCloud 等服務使用,Alibaba 表示之後會開放較小型 Qwen4 模型。

    推薦理由:Qwen4-Max 在自家工作任務中以較少 token 降低成本,外部評測表現則有高有低,可看出效率與不同能力之間的取捨。

  4. OpenRouter72

    想用 Hy4,又在意速度和費用的人,現在多了一個選擇。Tencent Hunyuan 的 Hy4 flash 已在 OpenRouter 上線,原文說它比 Hy4 更快、更便宜,並保留 1M 上下文視窗和圖片輸入。11 月 30 日前,輸入價格為每百萬 token $0.035,輸出為每百萬 token $0.14。

    推薦理由:Hy4 flash 保留 Hy4 的 1M 上下文視窗與圖片輸入,並提供較快、較便宜的選擇,文中也列出限時價格。

  5. Dev.to Top Tech85

    Alibaba 發布 Qwen4-Max,模型很大但 API 價格更低

    高階 AI 模型通常很貴,讓個人開發者和小團隊難以長時間使用。Alibaba 發布 Qwen4-Max,背後有 2.4-trillion-parameter,但每個 token 只啟用 71 billion parameters,還能看圖片和影片,單次提示最多容納一 million tokens。透過 QwenCloud API,輸入每 million tokens 收費 $1.50,輸出收費 $4.50。Alibaba 也說它在程式開發和安全測試上有進步,但這些數字還沒有外部團隊驗證。模型權重則不開放下載,只能使用雲端或相關 App。

    推薦理由:Qwen4-Max以較低 API 價格提供大型模型能力,但權重未開放,效能與安全數字目前仍只來自 Alibaba 自家測試。

  6. The New Stack77

    阿里巴巴推出 Qwen4-Max,模型權重目前只能透過線上服務使用

    想使用 Qwen4-Max 的開發者,目前得透過線上服務或第三方 API,阿里巴巴還沒有宣佈提供這款模型的下載權重。這款新模型可處理文字和圖片,支援 1M-token 上下文視窗;阿里巴巴表示,它在自家工作任務測試中比前代少用 24% 到 35% 的 token,平均任務成本從 $4.43 降到 $1.67。外部評測則給它 43 分,在 81 款模型中排名第 38。阿里巴巴表示,較小型的 Qwen4 模型會開放權重,但尚未公佈型號和時間。

    推薦理由:Qwen4-Max 沒有公佈可下載權重,文章也對照阿里巴巴自家與外部評測,呈現模型表現、使用成本和開放方式的差異。

  7. The Decoder76

    Claude 能把可互動的網頁元素放進畫布影像裡

    一般網頁元素容易點選和閱讀,卻不容易做成扭曲或立體效果;畫布雖能畫出各種造型,裡面的文字和連結又不能直接使用。Claude 現在能用 HTML-in-Canvas,把文字、按鈕等真正的網頁元素放進畫布影像,仍可點選、選取文字,也能供螢幕閱讀器讀取。示範網站把網頁做成編織圖樣、立方體等造型,文字仍可複製。這項功能需在提示詞中明確提出;Chrome 和 Edge 從 157 版起支援,Claude 桌面應用程式則需 5.11492 版,Safari 和 Firefox 尚未支援。

    推薦理由:HTML-in-Canvas 把可互動的網頁元素放進複雜影像中,也保留文字選取與無障礙功能,文中列出不同瀏覽器的支援情況。

  8. aihot85

    Google 發布 Gemini 4 Carbon、Hydrogen,並推出 Decisions API 和自託管 AI 助理沙箱

    Google 一次推出 Gemini 4 Carbon、Hydrogen、Gemini Decisions API 和自託管 AI 助理沙箱。Carbon 面向較難的推理、除錯與安全稽核;Hydrogen 適合日常寫程式和快速工作流程,兩者都有 100 萬 token 的上下文視窗。Decisions API 可用文字、圖片、影片、PDF 或音訊,依問題回傳機率或評分。自託管沙箱則讓 AI 助理在 Google 的服務中運作,並在使用者自己的計算環境執行指令和編輯檔案。材料也介紹多模態基準、機器人與基因組模型,以及 AI Studio 的 Cloud 額度功能。

    推薦理由:這次更新同時提供不同用途的模型與統一的上下文視窗,並列出價格和選型方向,方便依工作難度、速度與成本安排模型。

  9. NVIDIA Newsroom Press Releases65

    NVIDIA 發布 Rubin HPC GPU,加速科學與工程模擬

    科學家和工程師要比較更多材料、分子和設計時,需要大量模擬來測試想法,但運算速度會影響探索進度。NVIDIA 在 SC26 發布 Rubin HPC,這款 GPU 將用來加速科學、工程和資料分析工作。它有超過 50,000 個 CUDA 核心,並加快資料傳送和 GPU 之間的連線,讓核心能持續運算。Rubin HPC 預計於 2028 年推出。

    推薦理由:Rubin HPC 把資料搬移與運算能力一起擴充,能幫助理解科學模擬為何需要兩者配合,並加快研究人員測試想法的回饋流程。

  10. NVIDIA Newsroom Press Releases69

    NVIDIA 擴充 CUDA-X 函式庫,加速黑洞觀測與科學研究

    處理天文、核融合和生物研究的大量資料,常得花上很長時間,研究人員也可能要等實驗結束才能分析結果。NVIDIA 擴充 CUDA-X 函式庫,讓研究人員能更快處理資料,也能在模擬或實驗進行時檢視結果。例如,cuPhoton.xBeam 把黑洞觀測資料的分析時間從一個多月縮短到 8 分鐘;cuPotential 則讓分子模擬最多快 3 倍。這些工具也用在材料和細胞研究,幫助科學家處理更大的資料集、研究更複雜的系統。

    推薦理由:文章以黑洞觀測、核融合模擬、藥物探索與細胞分析為例,呈現 CUDA-X 函式庫如何縮短大型科學資料的處理時間。

11月16日週一
  1. Unsloth AI Releases72

    Unsloth Studio 推出 v0.1.918-beta,可讓模型操作電腦和連線創作工具

    模型要幫忙操作電腦或創作工具,得先看得到畫面,也要能和其他程式互動。Unsloth Studio 的 v0.1.918-beta 加入測試版電腦操作功能,支援 macOS、Windows 和 Linux;模型可檢視螢幕、控制滑鼠與鍵盤,但首次操作、切換應用程式和可能有風險的動作需要先核准,使用者也能隨時接手。更新也能透過 MCP 連線 Unity、Unreal Engine、Godot、Blender、Figma 和 Roblox,其中 Figma 只能讀取。此外,MiniMax-H3-Image 新增 GGUF、FP8、INT8 和 LoRA 訓練支援,長對話也能自動整理,減少舊訊息遺失。

    推薦理由:電腦操作功能可讓模型檢視畫面並控制滑鼠鍵盤,首次操作與可能有風險的動作都需先核准,呈現了這項功能的使用界線。

  2. ModelScope85

    科學工作常要整理不同種類的資料,還得確認每個操作步驟有沒有出錯。Sage-S2.1-Flash 是一款多模態 MoE 模型,能處理 10 多種科學輸入,也能使用工具並檢查結果。在 CT 示範中,它從 12,487 張混合影像裡挑出 139 張切片,發現順序檢查沒通過後重新排好,再用 3D Slicer 重建骨架。其他示範還包括衛星影像、CAD 組裝檢查和 EEG 雜訊移除。

    推薦理由:這次發布展示模型如何把多種科學資料放進同一套表示方式,並用工具檢查工作流程,CT 影像示範也呈現了實際操作步驟。

  3. MarkTechPost87

    Alibaba 發布 Qwen4-Max,支援文字、圖片、影片與 1M-token 上下文視窗

    Alibaba 發布新一代模型 Qwen4-Max,主打處理長時間、較複雜的工作。它每次只啟用 71B 個引數,能讀文字、圖片和影片,並支援 1M-token 上下文視窗;目前只能透過 Alibaba 的線上服務使用,沒有開放模型權重。Alibaba 的評測顯示,它在 16 項測試中有 4 項排名第一,法律 AI 助理測試得分為 21.3,但程式開發和圖片理解測試落後部分競爭模型。Alibaba 也表示,Work360 每項工作的平均費用比前代少 62%;這些評測分數在發布時尚未經第三方獨立重現。

    推薦理由:Qwen4-Max 的評測呈現明顯強弱項,並列出與前代及其他模型的分數、用量和價格比較,可瞭解它適合哪些工作。

  4. X.PIN83

    處理複雜任務時,模型可能需要更多 token,也會增加營運成本。Qwen 推出旗艦模型 Qwen4-Max,採用 MoE 架構,具備 2.4 trillion backbone parameters,並原生支援視覺理解,能使用 1-million-token 上下文視窗。開發者可透過 Qwen 平臺的 Token Plan 或 API 使用;原文表示,這款模型在提升複雜任務表現的同時,也會減少 token 用量並降低整體營運成本。

    推薦理由:Qwen4-Max 把原生視覺理解與 1-million-token 上下文視窗放進同一款模型,也主打降低 token 用量與營運成本,呈現旗艦模型的功能方向。

  5. Dev.to Top Tech78

    Tencent 推出 Hy4 flash,以較低成本處理日常工作

    日常工作常要處理長檔案、圖片和表格,但使用大型模型的費用可能不低。Tencent 推出 Hy4 flash,主打保留 Hy4 的長篇上下文和文字、圖片輸入能力,降低處理費用;它有 224B 引數,每次運算只啟用其中 12B。Tencent 表示,在自家 WorkIndex 測試中,每項任務的成本是 Hy4 的二十分之一,但這是廠商內部測試,不能當成能力排名。另有 85 位 WorkBuddy 使用者評分 259 項任務,結果只反映他們在該產品中的使用感受。模型可透過 WorkBuddy、Yuanbao 和 Tencent Cloud TokenHub 使用,Tencent 也計畫釋出權重。

    推薦理由:Hy4 flash 以較低成本換取部分能力,文中比較了定價與內部測試,也說明盲測範圍有限,可供評估日常工作是否適用。

  6. 🚨 AI News | TestingCatalog80

    這則訊息公佈了 Qwen4-Max 的基準測試成績。文中表示,這款採用 MoE 架構的模型原生支援視覺,並有 1M-token 上下文視窗;在 Artificial Analysis Index 得 43 分,比 Muse Wonder 少 1 分。使用 xhigh 推理力度時,它比 Qwen3.8 Max 高 9 分,比 Kimi K3.1 Pro 的 46 分低 3 分;在 Agent Arena 則排名第 14,14.7k 場真實世界 AI 助理工作階段的整體表現提升 7.5%。這些數字提供了不同評測中的比較結果。

    推薦理由:Qwen4-Max 的基準成績與 Qwen3.8 Max、Kimi K3.1 Pro 的分數差距,呈現了這款模型在兩項評測中的相對位置。

  7. Dev.to Top Tech77

    阿里巴巴推出 Qwen4-Max,主打百萬 token 上下文與較低成本

    處理很長的檔案或長時間工作的 AI 任務,可能需要拆成多次請求,費用也會跟著增加。阿里巴巴推出 Qwen4-Max,提供最多一百萬 token 的上下文視窗,並稱它比 Qwen3.8-Max 最多少用約 50% 的 token,平均每項任務成本降低超過 60%。API 費用是每百萬輸入 token $1.50、每百萬輸出 token $4;模型也可透過 QwenCloud、Qwen Studio、QwenWork 和 Qoder 使用。公告沒有說明成本與效能數字的計算方式,也未提供和其他模型在相同條件下的比較,因此這些優勢仍需要獨立測試確認。

    推薦理由:Qwen4-Max 主打長上下文與較低用量成本,文中也指出計算方式和同條件比較尚未交代,可用來理解它的商業定位與評估重點。

  8. aihot77

    騰訊混元推出 Hy4 flash,主打 1M 上下文與日常任務價效比

    日常使用大型語言模型時,成本和能處理的內容長度都會影響選擇。騰訊混元推出 Hy4 flash,總引數為 224B,其中包含 64B Engram 引數;每次運算會啟用 12B 引數,並支援多模態與 1M 上下文。API 每百萬 tokens 的輸入價格是 0.5 元、輸出價格是 2 元,原文也列出它和 Hy4 的成本比較及多種業務場景的評測結果,方便估算日常使用的花費與表現。

    推薦理由:原文比較 Hy4 flash 與 Hy4 的價格,並列出多種業務場景的評測結果,可用來評估日常任務的成本與表現。

  9. Hacker News (official RSS)86

    千問推出 Qwen4-Max,主打長時間工作與分段交付

    處理複雜工作時,AI 助理可能要花很久才交出成果,使用者也不容易及早發現方向錯了。千問推出 Qwen4-Max,主打長時間執行任務,並用 Live Delivery 先交出可用的初版,再依執行結果和使用者回饋逐步修改,讓人隨時檢視進度、修正方向。千問也展示了它用於 3D 建模、遊戲製作、法律檔案整理和雲端資源排程等工作的案例。官方表示,在 Work360 評測中,Qwen4-Max 得分 52.69,高於 Qwen3.8-Max 的 47.74;該評測的單項任務平均成本也從 $4.43 降至 $1.67。

    推薦理由:Qwen4-Max 把長時間工作、分段交付與使用者回饋放進同一流程,文中也以實際工作案例說明如何逐步完成複雜任務。

  10. Artificial Analysis80

    挑選模型時,分數較高的選擇也可能花費更多。Artificial Analysis 測得,Qwen4 Max 使用 xhigh 推理時,Intelligence Index 得分為 43,比 Qwen3.8 Max 高 9 分,距離 Kimi K3.1 Pro 少 3 分;每項測試任務成本為 $3.27,約比 Qwen3.8 Max 低 3 倍、比 Kimi K3.1 Pro 低約 11%。測試中它每項任務使用約 105k 個輸出 token,少於 Qwen3.8 Max 的約 171k。Qwen4 Max 可透過阿里巴巴第一方 API 使用,支援文字和圖片輸入,並提供文字輸出。

    推薦理由:Artificial Analysis 比較了 Qwen4 Max 與其他模型的測試分數和每項任務成本,呈現效能與花費之間的差異。