Google lança o modelo multimodal Gemini 1.0, previsto para desenvolvedores no início do próximo ano

Tencent MixNLP apresenta o primeiro modelo de recompensa CoT unificado de multimodalidade em parceria com instituições de pesquisa e o torna de código aberto

Atualização incrível do MNN da Alibaba! Suporte open source de IA multimodal para Qwen-2.5: texto, imagem e áudio resolvidos!

Alta consistência, alta capacidade de controle: Tencent lança ferramenta poderosa de geração de vídeo multimodal HunyuanCustom

Primeiro conjunto de benchmarks para processamento de documentos inteligentes é lançado: Gemini lidera, mas pontos fracos precisam ser corrigidos; IA multimodal enfrenta desafios reais

Barracuda lança atualização de IA multimodal para melhorar a capacidade de detecção de ameaças cibernéticas

Primeiro programador de IA multimodal da China começa a trabalhar oficialmente: lançamento do agente inteligente Wenxin Quick Code Zulu

A Conferência de Desenvolvedores de IA Create da Baidu foi realizada em Pequim. Neste evento tecnológico muito esperado, a Baidu lançou oficialmente a versão 3.5 do Wenxin Quick Code e o primeiro programador de IA multimodal da China - o agente inteligente Wenxin Quick Code Comate Zulu, marcando uma nova fase no desenvolvimento de ferramentas de programação de IA.

芯驰发布新一代4纳米 AI 座舱芯片 X10，提升智能驾驶体验

A Xinchi lançou seu chip de cabine AI X10 de 4 nm de próxima geração, melhorando a experiência de direção inteligente. O chip integra um poderoso modelo multimodal de 7B parâmetros, proporcionando recursos avançados de IA para uma experiência de condução mais intuitiva e segura.

Moonshot AI lança Kimi-Audio: novo modelo de áudio base aberto estabelece novo padrão

Recentemente, a Moonshot AI anunciou oficialmente o lançamento do Kimi-Audio, um novo modelo de áudio base de código aberto, projetado para impulsionar o progresso tecnológico nas áreas de compreensão, geração e interação de áudio. Este lançamento gerou ampla atenção da comunidade global de IA e é considerado um marco importante no desenvolvimento da IA multimodal. A seguir, apresentamos uma reportagem completa sobre os recursos principais, o desempenho e o impacto na indústria do Kimi-Audio. Recursos inovadores: capacidade de processamento de áudio multifuncional Kimi-Audio-7B-Instruct baseado em Qwen

Estrela Salto e Yuanli Lingji Anunciam Parceria Estratégica

A Estrela Salto e a Yuanli Lingji assinaram um acordo de cooperação estratégica em Pequim. Ambas as partes irão aproveitar suas respectivas vantagens tecnológicas para aprofundar a cooperação em tecnologia de modelos de linguagem multimodal, agentes de terminais inteligentes e cenários de inteligência embodied. O objetivo desta cooperação é alcançar a "inferência no mundo físico", desenvolver em conjunto um robô inteligente chamado "RoboAgent" e promover a aplicação prática da inteligência artificial geral (IAG). Na cerimônia de assinatura, o Dr. Jiang Daxin, fundador e CEO da Estrela Salto, e os cofundadores da Yuanli Lingji...

Kunlun Wanwei lança versão 2.0 do Skywork-R1V: aprimoramento da capacidade de raciocínio visual e de texto

Em 24 de abril, a Kunlun Wanwei anunciou o lançamento oficial de código aberto de seu modelo de raciocínio multimodal Skywork-R1V2.0 (doravante referido como R1V2.0). Esta versão atualizada apresenta melhorias significativas na capacidade de raciocínio visual e de texto, especialmente em tarefas de raciocínio profundo em problemas de ciências exatas do vestibular e em cenários de tarefas gerais, tornando-se um dos modelos multimodais de código aberto mais equilibrados em termos de capacidade de raciocínio visual e de texto.