AI资讯日本理光推出多模态大规模语言模型，实现企业隐性知识AI化
日本理光公司完成了具备高精度推理能力的多模态大规模语言模型（Reasoning LMM）基础模型“Qwen3-VL-Ricoh-32B-20260227”的开发。该模型能够通过多阶段推理，准确理解包含图表的复杂文档。 该模型基于阿里巴巴云的“Qwen 3.0-VL”，并在日本经济产业省和新能源产业技术综合开发机构（NEDO）推动的国内生成式AI开发力强化项目“GENIAC”第三阶段中开发完成。理
#多模态模型
按标签聚合查看文章内容。
AI资讯OpenRouter发布匿名模型Hunter Alpha和Healer Alpha：参数高达1万亿，支持多模态输入
OpenRouter平台近日悄然上线了两款神秘新模型：Hunter Alpha和Healer Alpha，引发了社区的广泛关注。 据泄露信息显示，Hunter Alpha拥有惊人的1万亿参数和10万令牌的超长上下文窗口，支持多模态输入（输出为文本），其输出速度约为每秒48个令牌。该模型针对智能代理场景进行了优化，擅长长期规划、复杂推理以及连续多步骤任务执行，被定位为前沿的智能代理工作流工具。 另一
AI资讯Replit Agent 4：知识工作代理的新篇章
Replit在过去六个月内估值飙升至90亿美元。 作为创始人，Amjad Masad和他的团队对当前技术趋势的敏锐把握令人钦佩。或许你未曾深入了解Replit，比如他们2015年的《大师计划》或纪录片，但现在的Replit已远非两年前那个“附带AI功能的编码平台”。 如今，随着软件工程问题基本解决，Replit正向上游拓展，打造一个集画布、应用、网站、幻灯片、视频等多功能于一体的完整生产力套件。这
AI资讯谷歌推出通用版“Gemini Embedding 2”模型
谷歌发布了支持多模态数据的嵌入生成模型“Gemini Embedding 2”，现已在Vertex AI和Gemini API中开放使用。
Leap AI：面向开发者的多模态 AI 应用构建平台
Leap AI 是一个为开发者打造的多模态 AI 平台，提供文本、图像、视频等模型与工作流编排能力，支持通过 API、SDK 和可视化界面快速构建、测试和部署 AI 应用。
AI资讯Meta全新AI模型助马克·扎克伯格跻身顶尖行列
马克·扎克伯格在社交媒体上表示，Meta的目标是打造不仅能回答问题，还能作为代理为用户执行任务的AI产品。这位亿万富翁乐观地认为，这将推动一波创造力、创业、增长和健康的浪潮。 Meta最新推出的Muse Spark显然是对其去年4月发布的Llama 4的重大升级。Llama 4在科技界被视为表现平平，未达预期。 Muse Spark现已通过meta.ai和Meta AI应用提供使用。与Llama不
AI资讯ImageGen正迈向通用人工智能的道路
回顾GPT-Image-2持续爆发的创新应用
AI资讯科技行业的最后四种职位
在人工智能变革下，科技行业的组织架构和职位角色正在发生深刻变化。本文探讨了后AI时代白领科技岗位的新模型，并回顾了近期AI领域的重要技术进展。
AI教程DeepSeek 能不能生成图片？一文说清楚
很多人搜「DeepSeek 生成图片」却越看越糊涂：有 DeepSeek 聊天机器人、DeepSeek API，还有 Janus、Janus-Pro 等多模态项目。本文用通俗方式讲清：普通 DeepSeek Chat 侧重文本和推理，而 Janus-Pro 才是支持图像生成的模型家族，并给出三种实际可用的图片生成方案、适用场景与风险提示。
AI资讯谷歌Gemini Omni：将图像、音频和文本转化为视频，这仅仅是开始
三年前，谷歌推出了Gemini，目标是打造一个多模态大型语言模型——一个能够处理文本、图像、音频和视频，并能生成任意格式内容的单一神经网络。 如今，在谷歌I/O开发者大会上，谷歌迈出了实现这一目标的重要一步，发布了Gemini Omni。这是一系列多模态模型，谷歌CEO桑达尔·皮查伊表示，Gemini Omni能够“从任何输入创造任何内容”。 Gemini Omni首先聚焦于视频生成。用户可以将图
AI资讯谷歌发布可自由生成与编辑影像的“Gemini Omni”
谷歌推出全新多模态生成模型“Gemini Omni”，支持视频、图像、音频和文本的自由组合与编辑。
AI资讯AI配音新时代：同义实验室开源Fun-CineForge，首创多人物对话难题解决方案
Fun-CineForge是一款开源多模态模型，通过提升情感表达和唇动同步精度，推动AI配音技术在影视领域的应用。