AI资讯Gemma 4：最佳小型多模态开源模型，全面超越Gemma 3
谷歌DeepMind发布了Gemma 4系列模型，带来显著性能提升和多模态支持，成为当前顶尖的开源模型之一。
#多模态AI
按标签聚合查看文章内容。
AI资讯
AI资讯提升大型语言模型期望值的高回报策略
本文分享了OpenAI研究员Aidan McLaughlin关于提升对大型语言模型（LLMs）期望值的思考，以及近期AI领域的热点动态和技术进展。
AI视频TwelveLabs 视频智能平台与 API
TwelveLabs 是一款面向企业和开发者的多模态视频智能平台，通过统一的 API 让 AI 能“看、听、理解”视频内容，实现搜索、分析、洞察与自动化工作流。
AI资讯阿里巴巴发布多模态AI模型Qwen3.6-27B，编码性能媲美Claude 4.5 Opus
阿里巴巴推出了多模态AI模型Qwen3.6-27B，具备强大的编码能力，性能接近Claude 4.5 Opus。
AI资讯Meta AI搭载新AI模型“Muse Spark”，实现语音对话功能
美国Meta公司于5月12日在X（前身为Twitter）宣布，为其AI助手“Meta AI”引入了“Meta AI语音对话”功能。此次更新搭载了支持多模态输入的AI模型“Muse Spark”，不仅支持文本输入，还能处理语音等多种输入方式。 通过“Meta AI语音对话”，用户可以与Meta AI进行更加自然的交流。除了传统的一问一答模式外，用户还能在对话中随时打断、切换话题，甚至切换语言，极大提
AI图片Pollinations.ai：面向创作者与开发者的一站式 AI 生成平台
Pollinations.ai 是一个面向创作者和开发者的 AI 生成平台，提供简单易用的 API、免费算力和社区支持，可快速生成图片、文本、音频和视频，帮助你低成本搭建 AI 应用与创意项目。
AI商业Nexa SDK：在任意设备上快速部署任意 AI 模型
Nexa SDK 是一款面向移动端、PC、车载与物联网设备的 AI 部署工具包，可在 NPU、GPU、CPU 上高效运行 LLM、多模态、语音识别与语音合成模型，实现本地快速、私密、可量产的 AI 推理。
AI资讯DeepSeek发布支持图像的多模态AI模型，性能媲美Opus 4.8
日本DeepSeek公司于2026年8月21日发布了其最新的多模态AI模型“DeepSeek-V4-Flash-Vision-Exp”，该模型首次支持图像输入，能够同时处理文本和图像数据。该模型已集成到DeepSeek API平台，使用费用与现有的DeepSeek V4 Flash保持一致，图像输入的计费上限为每张384个令牌（tokens）。目前该模型仍处于实验阶段，尚未决定是否公开权重。 D