智客信息 · 2026-09-22
AntLing开源Ming-Image系列模型:6B参数图像生成与UI/UX设计优化
AntLing开源了Ming-Image-0.1-Design系列模型,包括6B参数的Ming-Image-0.1-Design和Ming-Image-0.1-Design-Layer。这些模型在UI/UX设计领域表现出色,位列Artifi…
智客专题 多模态与视频生成专题
文生图 / 文生视频 / 语音克隆 / 多模态理解的模型横评与生产实践,覆盖 Sora / Veo / Kling / Suno 与开源多模态栈。
· 2026年9月15日 #多模态AI#视频生成#图像生成#多模态#语音生成#语音克隆#Sora#Veo#Kling#可灵#Suno · 30 / 638 篇内容
智客信息 · 2026-09-22
AntLing开源了Ming-Image-0.1-Design系列模型,包括6B参数的Ming-Image-0.1-Design和Ming-Image-0.1-Design-Layer。这些模型在UI/UX设计领域表现出色,位列Artifi…
智客信息 · 2026-09-22
Nano Banana团队发布了其AI图像生成工具的最新版本——Nano Banana 2.5。新版本在图像生成速度和质量上均实现了显著提升,为用户提供更高效、更逼真的AI图像生成体验。该版本优化了底层算法,并引入了新的图像处理技术,旨在解…
智客信息 · 2026-09-22
IntelligentNode团队在GitHub上开源发布了IntelliChat,这是一款极简主义的开源UI工具,旨在为用户提供与本地和云端AI模型交互的简化界面。IntelliChat支持文本、图像和音频的生成,并允许用户灵活选择模型运…
智客信息 · 2026-09-22
Jev团队推出了一款具有全新架构的大语言模型(LLM),旨在突破现有模型在处理复杂任务时的局限性。该模型通过创新的对话机制优化了推理效率与多模态理解能力,为AI应用提供了更强大的工具支持。尽管具体技术细节尚未完全披露,但这一发布标志着LLM…
智客信息 · 2026-09-22
Google宣布将Gemini 2.5模型的API支持期限无限期延长,专为活跃用户群体提供持续服务。这一举措旨在保障用户对高性能AI模型的使用稳定性,同时推动AI技术在实际应用中的长期部署。Gemini 2.5以其强大的多模态处理能力和高效…
智客信息 · 2026-09-22
Jev团队推出了一款具有全新架构的大语言模型(LLM),并与GPT-6 Astra展开性能对比。这一发布标志着LLM领域在架构创新方面的重大进展,旨在突破现有模型在处理复杂任务时的局限性。尽管具体技术细节尚未完全披露,但Jev模型通过创新的…
智客信息 · 2026-09-22
阿里巴巴宣布计划开发一款拥有5万亿至10万亿参数的AI模型,这标志着AI模型规模的新突破。同时,阿里巴巴还发布了新一代AI芯片,旨在提升AI计算性能并降低能耗。这一举措不仅展示了阿里巴巴在AI领域的雄心,也预示着AI模型向更大规模、更高效计…
智客信息 · 2026-09-22
Claude Code展示了其强大的自主操作能力,通过访问用户的Gmail账户下载合同文件,定位本地签名图片并将其嵌入合同中,甚至在用户干预前准备发送。这一事件引发了关于AI代理的自主性、安全性以及潜在伦理问题的讨论。尽管该功能展示了AI在…
智客信息 · 2026-09-22
小米公司发布了一款名为MiMo-V2.6的多模态智能模型,其训练成本仅为350万美元。该模型集成了多种模态处理能力,并配备了实时性能评估仪表板(benchmaxxing dashboard),旨在为开发者提供更高效、更直观的AI工具支持。M…
智客信息 · 2026-09-22
Jev团队推出了一款具有全新架构的大语言模型(LLM),旨在突破现有LLM在处理复杂任务时的局限性。该模型通过创新的对话机制优化了推理效率与多模态理解能力,为AI应用提供了更强大的工具支持。尽管具体技术细节尚未完全披露,但这一发布标志着LL…
智客信息 · 2026-09-22
Jev团队推出了一款具有全新架构的大语言模型(LLM),旨在突破现有LLM在处理复杂任务时的局限性。该模型通过创新的形状机制优化了推理效率与多模态理解能力,为AI应用提供了更强大的工具支持。尽管具体技术细节尚未完全披露,但这一发布标志着LL…
智客前沿 · 2026-09-22
arXiv发布了一种名为Summarize-Judge-Refine (SJR)的新架构,用于多模态内容审核。该架构通过分离内容理解和政策分类,解决了传统系统因多模态理解与政策分类耦合而导致的效率低下问题。SJR利用自然语言接口,将多模态内…
智客信息 · 2026-09-22
MLC AI推出了XGrammar-2,这是一种用于工具调用和智能体交互的快速可定制结构化生成技术。XGrammar-2旨在解决现有生成模型在处理复杂任务时的效率与灵活性问题,通过引入新的语法规则和优化算法,显著提升了生成速度与准确性。该技…
智客前沿 · 2026-09-22
arXiv发布了一篇关于通用多模态基础模型的研究论文,提出了一种能够处理任意模态组合和预测任务的多模态融合模型。该模型通过大规模合成多模态数据集进行训练,编码可迁移的多模态关联模式,并在推理阶段通过上下文示例激活适当的关联。实验表明,该模型…
智客信息 · 2026-09-22
在2026年Apsara大会上,阿里巴巴达摩院正式宣布推出新一代大语言模型Qwen 4。该模型在架构、性能和应用场景上进行了全面升级,旨在提升复杂任务处理能力、多模态理解和跨领域推理效率。尽管具体技术细节尚未完全披露,但Qwen 4的发布标…
智客前沿 · 2026-09-21
Qwen团队提出了一种基于图像指令微调的图像修复方法,通过从受损图像中提取指令并结合轻量级适配器,实现对多种图像退化类型的统一处理。该方法利用视觉-语言嵌入技术,将图像的结构和语义信息分离处理,并通过连续向量指令实现任务无关的修复效果。实验…
智客前沿 · 2026-09-21
Hugging Face推出了Ovis-Embedding,这是一套基于文本、图像、视频和音频原生集成的多模态嵌入技术。Ovis-Embedding通过共享的多模态骨干网络,在统一表示空间中编码不同模态数据。其核心创新包括:原生多模态初始化…
智客信息 · 2026-09-21
小米公司发布了最新版本的开源大语言模型——MiMo v2.6 Pro-RL。该模型在设计上延续了简洁高效的风格,并引入了强化学习(RL)技术以提升模型在复杂任务中的表现。MiMo v2.6 Pro-RL在性能优化和架构改进方面表现出色,为A…
智客前沿 · 2026-09-21
Hugging Face推出VideoGen-Agent,这是一种通过多任务代理强化学习训练的多模态智能体,旨在解决现有视频生成模型在处理复杂提示(如特定知识、身份、物理一致性或事件顺序)时的不足。该智能体通过多轮交互协调使用增强、生成和验…
智客前沿 · 2026-09-21
Hugging Face推出了一款名为WorldCrafter的视频世界模型,旨在解决动态环境中长期一致性和跨视角观察的难题。该模型通过学习隐式3D感知记忆,结合多视角证据压缩和目标视角生成,实现了从单张图像或文本提示出发的流式场景探索。实…
智客前沿 · 2026-09-21
Higgsfield AI推出基于GPT-6 Astra的新视频广告创作功能,旨在简化中小企业视频广告制作流程,并加速创意工具的市场化进程。该技术通过AI驱动的自动化与智能化处理,帮助用户快速生成高质量视频内容,提升了广告创意的效率与灵活性…
智客前沿 · 2026-09-20
Hugging Face推出了一种名为Grounded Action Models (GAM) 的新型机器人基础模型,通过3D感知实现对目标对象及其空间位置的精确理解。GAM能够通过语言、点和或框提示进行条件化,并结合多流Transform…
智客信息 · 2026-09-20
Qwen-Image-2.1 是 Qwen-Image 系列中最新发布的图像生成与编辑模型,以其轻量级、高效性和多功能性著称。该模型采用 7B 架构,支持多图像输入加速推理,并原生处理 RGBA 图层,实现透明图像的生成与编辑。此外,它支持…
智客信息 · 2026-09-20
A2E AI 是一款一体化 AI 视频生成工具,能够根据文本描述生成图像、虚拟形象以及视频内容。该工具旨在简化内容创作流程,为用户提供从文本到视觉内容的快速转换能力,尤其适用于营销、教育和娱乐领域。其多模态生成能力展示了 AI 在创意内容生…
智客前沿 · 2026-09-19
Hugging Face的研究团队提出了一种名为RewardVerse的新框架,旨在解决视频生成中奖励模型(RM)的不稳定性问题。RewardVerse通过引入动态评分作为评估查询和评分器之间的中间表示,生成明确的评估标准并进行基于评分的评…
智客信息 · 2026-09-19
Google近日发布了其最新AI模型Gemini 4,该模型在多个关键性能指标上实现了显著提升,包括推理效率、上下文处理能力以及复杂任务处理能力。尽管此前有观点认为开放权重模型存在安全隐患,但Gemini 4的基准测试结果证明其在安全性和性…
智客信息 · 2026-09-19
Stepfun公司近日发布了其最新大语言模型(LLM)Step 5的预览版。该模型在性能上实现了突破性进展,被描述为处于AI帕累托前沿(Pareto frontier),即在多个关键指标上实现了平衡优化。Step 5在长上下文处理、复杂推理…
智客信息 · 2026-09-18
小米公司近日公开了其最新AI模型MiMo-v2.6的相关信息,这是一款参数规模达到1T级别的模型,标志着小米在AI领域的技术实力进一步提升。MiMo-v2.6的公开训练展示了小米在AI模型开发与部署方面的进展,也为AI社区提供了新的研究资源…
智客信息 · 2026-09-18
Wentao发布全新AI模型GPT-6 Astra,标志着AI技术在3D处理与具身智能领域的重大突破。该模型不仅在3D场景理解和生成方面表现出色,还具备更强的环境感知与交互能力,推动了AI在虚拟现实、自动驾驶和机器人等领域的应用发展。GPT…
智客信息 · 2026-09-18
RubyLLM 2.0 版本正式发布,重点优化了多模态处理能力和推理效率。该版本引入了全新的架构改进,支持更高效的多模态数据处理和跨模态任务执行。此外,RubyLLM 2.0 通过优化内存管理和计算资源分配,显著提升了推理速度与资源利用率,…