英伟达正式发布Nemotron 3.5 Super VL多模态推理模型，该模型在Artificial Analysis的Intelligence Index中取得26.5分，并且在输出token数量上相比前代大幅减少，这意味着在保持推理质量的同时可显著降低企业部署成...

小米正式开源 MiMo-V2.6 Pro 和 MiMo-V2.6 Flash 两款全模态模型，展示了从视觉、语言到动作与音乐等多模态任务上的统一能力。官方介绍，这两款模型能够协调多个智能体来构建并以视觉方式测试交互式 3D 场景，还能直...

阿里巴巴通义千问团队在GitHub上正式开源了Qwen-MM-Plugins项目，这是一个专为Qwen模型设计的原生多模态插件集合。该项目的核心目标是让任意基于大模型的智能体能够直接“看”懂多种模态信息，而不仅仅局限于文本交互...

月之暗面（Moonshot）正式开放其最新旗舰模型Kimi K3的权重，并同步发布详细技术报告。Kimi K3是一个总参数量达到2.8万亿的混合专家（MoE）模型，首次在架构层面原生融合视觉理解能力，可直接处理图像与文本交织的多...

阿里巴巴通义千问团队近日发布了其最新的多模态智能体模型Qwen3.7-Plus，标志着通用人工智能在感知与行动融合层面迈出了重要一步。该模型将视觉识别与语言理解能力深度融合，构建了一个单一、通用的多模态智能体基础...

阿里云通义千问团队近日发布了其最新旗舰模型Qwen3.6-Plus，标志着其在构建面向真实世界的智能体（Agents）道路上迈出了关键一步。该模型在多模态感知与推理能力上实现了显著提升，能够更精准地理解世界，为开发者生...

Gemini 3的发布标志着人工智能领域的重要转折——从基础对话系统升级为具备自主行动能力的智能体模型。该模型已能独立完成复杂编程任务、设计用户界面及开展学术研究，其能力达到博士级研究水平。虽然仍需人类指导，但...

人工智能初创公司Decart与语音技术领军企业ElevenLabs合作，推出开源实时唇形同步API技术。该技术通过实时音频流输入，可生成精准同步的虚拟人像视频与语音输出，支持任意语音引擎与自定义角色配置。这项突破性技术...