据彭博社报道，腾讯发布了其最新的图像生成模型 Hy Image 3.5 Preview。腾讯方面称，在内部测试中该模型的综合表现已达到字节跳动 Seedream 5.0 Pro 的水平。该模型被视为腾讯在多模态生成领域的一次重要迭代，发布...

Meta AI 近日推出了一种名为 FLAT 的多模态方法，旨在将图像和文本转换为同一套灵活长度的连续 token 序列，以统一支持检索与生成任务。FLAT 的核心机制采用嵌套 dropout，将视觉信息按从粗粒度到细粒度的方式组织，...

据《华尔街日报》报道，OpenAI 已低调收购 Glass Imaging，一家专注于利用人工智能让智能手机摄像头实现单反级画质的初创公司，交易估值超过 3 亿美元。Glass Imaging 成立于 2019 年，由两名前苹果工程师创办，二人...

OpenAI 正式发布 ChatGPT Images 2.5，新一代图像生成模型在细节呈现、参考图还原和编辑稳定性方面实现显著升级。官方介绍显示，该版本能输出更锐利的图像细节，在融合用户提供的草图或参考照片时拥有更强的保持能力...

QwenLM团队在GitHub开源了Qwen-Drive-1.0项目，定位为面向自动驾驶的视觉语言基础模型。该项目采用分阶段训练策略，将感知、语言理解和规划目标融合到统一框架中，使模型既能获得专业驾驶能力，又能保留广泛的视觉理...

Cohere 推出 Parse 文档智能解析服务，可将复杂多模态文件（如文档、表格、图像）转换为结构化、机器可读的数据。该服务基于高成本效益的视觉语言模型，面向企业大规模文档处理场景，能够检测并理解关键视觉元素，并...

承载前沿大语言模型（LLM）的宿主机正成为高价值攻击目标。这类机器不仅拥有运行先进模型所需的GPU算力，还能直接访问模型权重，并在数据中心内具备比普通互联网主机更高的特权。最新研究指出，LLM可以生成特定token...

Meta 旗下的 Muse Video 视频生成模型已进入封闭测试阶段。根据曝光的早期生成样片，该模型在 10 秒级视频中展现出较高的细节还原能力、对场景的理解能力以及时间一致性，并且原生支持音频生成。这意味着 Muse Video...