跳到正文

多模態

文本之外的能力:視覺理解、圖文混合、音訊與影片的輸入輸出的模型與產品進展。

217條精選相關主題圖像生成AI 影片語音與音頻

最新精選

第 1–20 條 · 共 217 條
今天11月22日週日
  1. 虎嗅84

    AMD以82億美元收購李飛飛創辦的World Labs

    AMD於11月16日完成對World Labs的收購,交易金額為82億美元,全部以股票支付。World Labs由李飛飛等人於2024年創立,交易完成後,李飛飛出任AMD執行副總裁兼首席科學家。團隊將繼續作為獨立前沿研究組織研發基礎模型,並與AMD硬件、軟件和系統工程師協作。

    推薦理由:文章聚焦收購如何把世界模型研究與AMD計算平台連接,並分析模型負載提前進入芯片、軟件和系統設計的意義。

  2. gihyo.jp76

    Thinking Machines Lab 開放權重發佈 Inkling 2 Mini,以循環方式運行中間 12 層

    Thinking Machines Lab 開放權重發佈 264 億參數的 Inkling 2 Mini,可由文字或圖片生成文字及程式碼。模型共 24 層,每個 token 會將中間 12 層依次運行 3 次,合計經過 48 層;每個 token 使用 34 億個參數,計入重用權重則合計 54 億個。

    推薦理由:文章將 Inkling 2 Mini 與 Qwen3.8-27B、Gemma 4 31B 的單 token 參數用量及基準成績並列,方便比較循環層設計的計算取捨。

  3. unwire.hk · 人工智能76

    荷蘭個人資料保護局測試 AI 眼鏡後籲暫勿購買,急救模擬誤稱救護車在途中

    荷蘭個人資料保護局(AP)測試 6 款當地有售的 AI 鏡頭眼鏡後,建議消費者現階段不要購買一般用途款式。測試發現,眼鏡在模擬急救中曾錯誤聲稱救護車已在途中,也有產品讀錯藥物説明或極端天氣警告;多款眼鏡的錄影指示燈不明顯,並存在保安漏洞。AP 沒有要求禁售,而是建議場所管理者在場地規則中禁止佩戴和使用,並呼籲荷蘭及歐洲政界參考研究結果制定政策。

    推薦理由:報道並列呈現 AI 眼鏡在急救等安全情境中的錯誤資訊、錄影私隱及保安漏洞,也交代 AP 建議場所禁用而非要求禁售。

11月21日週六
  1. Hugging Face Blog71

    Inkling 2 Mini 發佈,面向本地部署的多模態 MoE 模型

    Thinking Machines Lab 與 Hugging Face 發佈 Inkling 2 Mini,一款支援 1M-token 上下文及圖像、文字輸入的本地多模態 MoE 模型。

    推薦理由:文章拆解 Inkling 2 Mini 如何重用中間層權重、透過跨輪訊息逐步修正計算,讓 24 個實體層執行相當於 48 個邏輯層的計算,呈現循環式架構的設計。

11月19日週四
  1. 新浪科技76

    混元 Hy4 flash 推出並開源,WorkIndex 單任務成本為 Hy4 的 1/20

    騰訊於 11 月 16 日推出混元 Hy4 flash,並已開源;在 WorkIndex 評測中,其單任務成本僅為 Hy4 的 1/20。模型有 224B 參數、每 token 啟用 12B,支援 100 萬 token 上下文;API 每百萬 token 輸入 0.5 元、輸出 2 元,命中快取時為 0.02 元。

    推薦理由:文章結合實測任務、WorkIndex 成本數據及模型工程優化,呈現 Hy4 flash 在日常生產力場景中的定位。

  2. SiliconANGLE78

    Google 發佈 Gemini 4 Neon,完成任務速度約為 Gemini 4 Carbon 三倍

    Google 發佈中階模型 Gemini 4 Neon,稱其完成大部分任務的速度約為 Gemini 4 Carbon 三倍,成本低約 60%。Google 公佈的基準測試顯示,Neon 在部分任務超越 Carbon;Artificial Analysis 的 Intelligence Index 評分為 61,排名第三。

    推薦理由:文章並列 Google 自行公佈的基準測試、Artificial Analysis 的 Intelligence Index 評分及同級模型定價,呈現 Neon 的效能表現與成本定位如何相互比較。

  3. DEV Community77

    Gemini 4 Neon API 上線,價格較 Claude Opus 5.5 低 25%,是否值得採用?

    Google 推出 Gemini 4 Neon 付費 API,定價較 Claude Opus 5.5 低 25%,並提供 1 百萬 tokens 上下文窗口。每百萬 tokens 輸入及輸出價格分別為 $3 和 $15,較 GPT-6.2 Sol 與 Claude Sonnet 5.5 高 50%;文章建議以每項任務成本,而非 token 單價評估是否划算。

    推薦理由:文章並列 API 單價、基準成績與每項任務成本,呈現比較 Gemini 4 Neon 時,為何不能只憑 token 價格判斷是否划算。

  4. The Decoder76

    Microsoft 公佈七款自研 AI 模型,瞄準以較低成本替代產品中的外部模型

    Microsoft 在 Ignite 公佈七款新模型,涵蓋編碼、安全、圖像、語音和路由,主打以較低成本支援長時間運作的 AI 智能體。Microsoft 稱,MAI Code 2 在四項基準的平均表現達 GPT-6.1 Sol 的 98%,推廣價為其成本的 40%;對 Claude Opus 5.5 的表現達 96%,成本為其 5%。

    推薦理由:七款模型橫跨編碼、安全、圖像與語音等用途,文中以多項基準和定價對照外部模型,呈現 Microsoft 將自家模型導入產品時的成本取向。

  5. Google DeepMind74

    Google DeepMind 向 Google AI Ultra 訂戶推出 Genie 4 及新版 Project Genie

    Google DeepMind 向符合資格的 Google AI Ultra 訂戶推出新版 Project Genie,提供 Genie 4、Project Genie 智能體及社羣作品廊。

    推薦理由:新版體驗把 Genie 4 的即時世界編輯與原生音訊、Genie 3 的延長生成,以及智能體創作和作品分享整合起來,呈現互動世界的創作與探索流程。

11月18日週三
  1. gihyo.jp78

    Microsoft 發佈 7 款 AI 模型,Codename MDASH 在 6 個開源項目確認 99 項漏洞並提交修正方案

    Microsoft 在 Microsoft Ignite 2026 發佈 7 款 AI 模型,涵蓋編碼、圖像、語音、決策、檢索及安全用途。MAI Code 2 和 MAI Code 2 Flash 已可在 GitHub Copilot 使用;MAI Image 2.7 支援文字生成及編輯,MAI Realtime 1 支援語音對話。

    推薦理由:七款模型涵蓋編碼、圖像、語音、檢索與安全用途,文章亦列出基準、費用和部署案例,可比較不同模型的定位與應用場景。

11月17日週二
  1. The Elec82

    AMD 完成收購 World Labs,任命 Fei-Fei Li 為首席科學家

    AMD 完成收購 AI 模型開發商 World Labs,並任命 World Labs 前行政總裁、史丹福大學教授 Fei-Fei Li 為執行副總裁兼首席科學家,由她直接向 CEO Lisa Su 匯報。

    推薦理由:收購把 World Labs 的基礎模型研究納入 AMD,Fei-Fei Li 出任執行副總裁兼首席科學家,相關技術將用於 AMD 下一代開放式 AI 計算基建。

  2. 第一財經84

    AMD完成收購李飛飛創辦的 World Labs,交易對價約82億美元

    AMD於2026年11月16日宣佈完成對 World Labs 的收購,交易總對價約82億美元,交割於11月13日完成。交易以 AMD 普通股支付,交割時向 World Labs 原股東定向發行14978322股;聯合創始人李飛飛將加入 AMD,出任執行副總裁兼首席科學家。

    推薦理由:報道列出約82億美元的全股票對價、14978322股發行數及李飛飛的職務安排,呈現收購的交易規模與人才整合方式。

  3. 新浪科技85

    AMD完成收購World Labs,李飛飛出任執行副總裁兼首席科學家

    AMD於當地時間11月16日宣佈完成對World Labs的收購,李飛飛出任執行副總裁兼首席科學家,直接向蘇姿豐匯報。這宗全股票交易對價約82億美元,World Labs另外兩位聯合創辦人Justin Johnson和Ben Mildenhall將留任,團隊會以獨立前沿研究組織形式繼續研發基礎模型,並與AMD工程師協作。

    推薦理由:World Labs團隊在AMD內將以獨立前沿研究組織延續基礎模型研發,並與硬件、軟件及系統工程師協作,呈現收購後的整合安排。

11月16日週一
  1. MarkTechPost76

    Alibaba 發佈 Qwen4-Max:2.4T MoE 主幹、每個 token 啟用 71B 參數,支援 1M-token 上下文窗口

    Alibaba 的 Qwen 團隊發佈 Qwen4 世代首個模型 Qwen4-Max,採用 2.4T MoE 主幹,每個 token 啟用 71B 參數,支援 1M-token 上下文窗口。

    推薦理由:文章並列 Qwen4-Max 的基準成績與 API 定價,呈現其代理任務表現、編碼與視覺短板,以及成本下降幅度,方便讀者一併比較能力與費用。

  2. TNW77

    Alibaba 發佈 Qwen4-Max 旗艦模型,不開放權重

    Alibaba 發佈 Qwen4-Max,作為 Qwen 系列的新旗艦 AI 模型,但不開放權重。模型採用 MoE 架構,擁有 2.4 trillion parameters,可處理文字、圖像及影片,單次提示詞最多支援 one million tokens。

    推薦理由:文中列出 Qwen4-Max 在兩項編碼測試的不同表現,並註明分數由 Alibaba 提供、TNW 未作獨立核實,讓讀者掌握基準比較的限制。

  3. 中華網科技80

    阿里巴巴發佈 Qwen4-Max,單項任務平均費用下降 58%

    阿里巴巴發佈基座大模型 Qwen4-Max,總參數量為 2.4T,並已在千問 AI 平台提供 API 服務。模型具備原生視覺能力、支援百萬上下文;文中稱其單項任務平均費用較上代下降 58%。中小尺寸模型將陸續開源,用戶亦可透過阿里 Token Plan 調用新模型。

    推薦理由:報道列出 Qwen4-Max 相較上代在多項評測、Token 用量及任務費用上的變化,讓讀者可一併對照模型表現與推理成本。