重新定義多模態AI！智源發佈原生多模態世界模型Emu3

​北京智源人工智能研究院宣佈推出原生多模態世界模型Emu3。這一模型基於下一個token預測技術，無需依賴擴散模型或組合方法，就能夠完成文本、圖像、視頻三種模態數據的理解和生成。Emu3在圖像生成、視頻生成、視覺語言理解等任務中超過了現有的知名開源模型，如SDXL、LLaVA、OpenSora等，展現了卓越的性能。