AI资讯Pi 1.0、Pi Durable 与 AIE 纽约活动最新动态
Pi 框架迎来稳定版本与 TypeScript 支持，AI 领域多项前沿技术发布。
#多模态模型
按标签聚合查看文章内容。
AI资讯
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Meta发布面向智能代理时代的大型新AI模型
Meta推出了升级版多模态AI模型Muse Spark 1.1，专为智能代理任务设计，提升计算机操作、编程和多模态理解能力。
AI资讯Black Forest Labs发布FLUX 3：多模态流模型超越Seedance 2.0、Gemini Omni和Grok Imagine，及FLUX-mimic视频动作模型
Black Forest Labs（BFL）重磅推出FLUX 3视频模型，集成图像、视频、音频及动作预测，领先业界多模态生成技术，并展示了机器人控制的潜力。
AI资讯支持笔记本电脑运行的集成多模态模型“Gemma 4 12B”发布
Google发布了可在配备16GB VRAM或集成内存的笔记本电脑上运行的多模态模型“Gemma 4 12B”，实现了音频与视觉输入的直接融合。
AI资讯日本打造自主物理AI 推动AI机器人社会应用
日本经济产业省发布了未来AI战略，重点开发多模态基础模型，推动AI机器人在社会中的实际应用。
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NVIDIA发布开放式多模态模型“Nemotron 3 Nano Omni”
NVIDIA推出集视觉、语音和语言于一体的多模态AI模型，实现更高效智能的多数据响应。
AI资讯Reve 2 与 Ideogram 4：图像生成中的布局创新
本文回顾了Reve 2和Ideogram 4在图像生成布局方面的最新进展，并总结了近期AI领域的技术动态与趋势。
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。
AI资讯与Fable 5.1和Astra齐名的神秘AI“Union Alpha”提供一周免费体验
在最新的终端复杂任务性能评测基准“Terminal-Bench 4.0”中，一款名为“Union Alpha”的神秘AI模型于2026年9月16日（美国时间）亮相，其性能可与“Claude Fable 5.1”和“GPT-6 Astra”媲美。该模型以每个任务低于2美元（约320日元）的惊人价格引起关注。目前，OpenRouter和Cloudflare AI Gateway等AI模型提供商均免费
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。