【騰訊云】11.11云上盛惠！云服務(wù)器首年1.8折起，買1年送3個月！

11.11云上盛惠！海量產(chǎn)品 · 輕松上云！云服務(wù)器首年1.8折起，買1年送3個月！超值優(yōu)惠，性能穩(wěn)定，讓您的云端之旅更加暢享?？靵眚v訊云選購吧！

實時互動 情感陪伴，Soul App升級多模態(tài)大模型探索AI社交新可能

10月25日~26日，由聲網(wǎng)和RTE開發(fā)者社區(qū)聯(lián)合主辦的RTE2024實時互聯(lián)網(wǎng)大會在北京舉行。在AI技術(shù)突破式發(fā)展引發(fā)各行業(yè)革新浪潮的當(dāng)下，此次大會主題聚焦“AI愛”，匯聚行業(yè)代表企業(yè)、技術(shù)大咖、專家學(xué)者等嘉賓，共同深度探討AI為互聯(lián)網(wǎng)生態(tài)帶來的新發(fā)展?！边@也意味著，Soul將實現(xiàn)真正意義上的AI多模態(tài)交互，集合文字、語音、動作交互的多模態(tài)大模型，讓用戶可以在平臺實現(xiàn)更接近人類模式的互動體驗和更高效、自然、豐富維度的信息傳遞，真正獲得社交體驗的顛覆式升級。

GITEX GLOBAL2024開展，Soul 最新多模態(tài)大模型引關(guān)注

如今的AI看起來已經(jīng)無所不能，不僅能夠勝任感知、學(xué)習(xí)、推理、決策等不同層面的任務(wù)，甚至可以打造虛擬數(shù)字分析，為人類帶來多模態(tài)AI交互體驗。新型社交平臺SoulApp在GITEXGLOBAL海灣信息技術(shù)博覽會上展出了其最新自研的多模態(tài)大模型，該模型具備多模態(tài)理解、真實擬人、文字對話、語音通話、多語種等特性，實現(xiàn)打破次元壁的互動，讓現(xiàn)場的觀眾們驚艷不已。Soul將持續(xù)加大對AI技術(shù)的投入，致力于通過AI技術(shù)更好地幫助用戶進行社交破冰，助力人設(shè)搭建和認知決策，提升社交溝通效率。

自研多模態(tài)大模型，Soul App亮相2024 GITEX GLOBAL

通過理解自身的行為方式、記憶、偏好等內(nèi)容，復(fù)刻一個專屬于自己的虛擬化身，實現(xiàn)打破次元壁的互動，結(jié)識好友，獲得陪伴......如今，科幻電影中描繪的場景正走向現(xiàn)實。2024年10月14日-18日，GITEXGLOBAL海灣信息技術(shù)博覽會在迪拜舉辦。預(yù)計今年年底，Soul多模態(tài)端到端大模型將再次升級，推出全雙工視頻通話能力，讓用戶可以真正便捷、自然的體驗到包括文字、語音、視覺在內(nèi)的多模態(tài)創(chuàng)新交互。

亮相2024 GITEX海灣信息技術(shù)博覽會 Soul App多模態(tài)大模型實現(xiàn)超擬人互動體驗

通過理解自身的行為方式、記憶、偏好等內(nèi)容，復(fù)刻一個專屬于自己的虛擬化身，實現(xiàn)打破次元壁的互動，結(jié)識好友，獲得陪伴......如今，科幻電影中描繪的場景正走向現(xiàn)實。2024年10月14日-18日，GITEXGLOBAL海灣信息技術(shù)博覽會在迪拜舉辦。預(yù)計今年年底，Soul多模態(tài)端到端大模型將再次升級，推出全雙工視頻通話能力，讓用戶可以真正便捷、自然的體驗到包括文字、語音、視覺在內(nèi)的多模態(tài)創(chuàng)新交互。

薦 長文本、語音、視覺、結(jié)構(gòu)化數(shù)據(jù)全覆蓋，中國移動九天善智多模態(tài)大模型震撼發(fā)布

它早已不是一家單純的通信運營商是通過構(gòu)建多模態(tài)基座大模型，打造全要素“AI”服務(wù)運營體系，成為通用人工智能時代的供給者、匯聚者和運營者。

深思考“Dongni.ai”多模態(tài)大模型，深耕行業(yè)垂直場景，規(guī)模化落地

深思考人工智能于2024年10月10日在長沙湖南大數(shù)據(jù)交易所，成功舉辦了以“深耕行業(yè)垂直場景，規(guī)?；涞亍睘橹黝}的云、端、邊側(cè)AI產(chǎn)品發(fā)布會。本次發(fā)布會發(fā)布的產(chǎn)品矩陣簡單概括是“一個中心，兩個基本點”，即:以深思考的云側(cè)Dongni.ai大模型和端側(cè)TinyDongni大模型為基礎(chǔ)模型，形成一個搜索引擎入口，聚焦兩個深度垂直場景“智能終端”和“重疾早篩”，具體產(chǎn)品包含“一個中心”AI多模態(tài)搜索引擎“Dongni.so”;“智能終端“場景產(chǎn)品:AIPCSuite套件、AI攝像頭、AI顯微鏡、”，“重疾早篩“場景產(chǎn)品:巧思、慧眼等產(chǎn)品。AI重疾早篩平臺-慧眼未來展望深思考以AI大模型的場景化、垂直化、產(chǎn)品化和服務(wù)化為目標(biāo)，持續(xù)提高大模型在垂域場景中解決客戶痛點問題的能力，打造專用場景AI的產(chǎn)品，深耕業(yè)務(wù)，并與生態(tài)伙伴緊密合作，繼續(xù)推進大模型在垂域場景中的大規(guī)模應(yīng)用落地，相信不久的將來，就可以在各種智能終端和垂直行業(yè)應(yīng)用中看到深思考的應(yīng)用落地，未來可期，未來已來。

薦 AI日報：??阿里推新多模態(tài)大模型Ovis；Kyutai開源實時語音對話模型Moshi；Apple Intelligence測試版現(xiàn)已開放

歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。新鮮AI產(chǎn)品點擊了解:https://top.aibase.com/1、阿里國際推出最新多模態(tài)大模型Ovis，看菜品就能提供烹飪步驟阿里國際AI團隊發(fā)布了多模態(tài)大模型Ovis，為各行業(yè)帶來新機遇。英特爾在2024年計劃中穩(wěn)步推進，展望2025年推出的FalconShores將進一步提升其在AI領(lǐng)域的競爭力。

云知聲山海多模態(tài)大模型，一個給足你情緒價值的伙伴

薦 超9000顆星，優(yōu)于GPT-4V！國內(nèi)開源多模態(tài)大模型

國內(nèi)著名開源社區(qū)OpenBMB發(fā)布了最新開源多模態(tài)大模型——MiniCPM-V2.6。MiniCPM-V2.6一共有80億參數(shù)，在單圖像、多圖像和視頻理解方面超越了GPT-4V;在單圖像理解方面優(yōu)于GPT-4omini、Gemini1.5Pro和Claude3.5Sonnet。易用擴展性強:可以通過多種方式輕松使用，包括llama.cpp和ollama支持在本地設(shè)備上進行高效的CPU推理，提供int4和GGUF格式的量化模型，支持vLLM進行高吞吐量和內(nèi)存高效的推理，支持在新領(lǐng)域和任務(wù)上進行微調(diào)目前，MiniCPM-V2.6在Github的評分超過9000顆星，是開源多模態(tài)中性能非常好用的一款模型。

薦 AI日報：百度文心4.0免費開放；AI lab開源超強多模態(tài)大模型；對標(biāo)GPT-4o！商湯發(fā)布日日新5o

歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。新鮮AI產(chǎn)品點擊了解：https://top.aibase.com/1、百度文心智能體平臺免費開放文心4.0版本百度文心智能體平臺最新推出的文心大模型4.0版本免費開放給公眾使用，極大地擴展了平臺的功能和應(yīng)用范圍。這一投資有望降低電影?

生數(shù)科技完成數(shù)億元 Pre-A 輪融資 加速布局多模態(tài)大模型

生數(shù)科技完成數(shù)億元Pre-A輪融資，該輪融資由北京市人工智能產(chǎn)業(yè)投資基金、百度聯(lián)合領(lǐng)投，中關(guān)村科學(xué)城公司等跟投，啟明創(chuàng)投等數(shù)位老股東繼續(xù)支持。生數(shù)科技已經(jīng)獲得來自螞蟻集團、BV百度風(fēng)投、卓源亞洲、錦秋基金、達泰資本、智譜AI等機構(gòu)的投資。2022年提出了Diffusion與Transformer融合架構(gòu)U-ViT，進一步開源了多模態(tài)擴散模型UniDiffuser，驗證了大規(guī)模訓(xùn)練融合架構(gòu)的可行性和效果。

薦 多模態(tài)大模型不夠靈活，谷歌DeepMind創(chuàng)新架構(gòu)Zipper：分開訓(xùn)練再「壓縮」

最近的一系列研究表明，純解碼器生成模型可以通過訓(xùn)練利用下一個token預(yù)測生成有用的表征，從成功地生成多種模態(tài)的新序列，從文本、蛋白質(zhì)、音頻到圖像，甚至是狀態(tài)序列。能夠同時生成多種模態(tài)輸出的多模態(tài)模型一般是通過某種形式的詞匯擴展來實現(xiàn)的，即在預(yù)訓(xùn)練階段或在后期微調(diào)階段進行跨模態(tài)對齊。更多研究細節(jié)，可參考原論文。

智譜開源新一代多模態(tài)大模型CogVLM2

智譜·AI最近宣布推出新一代多模態(tài)大模型CogVLM2，該模型在關(guān)鍵性能指標(biāo)上相較于前一代CogVLM有了顯著提升，同時支持8K文本長度和高達1344*1344分辨率的圖像。CogVLM2在OCRbench基準(zhǔn)上性能提升了32%，在TextVQA基準(zhǔn)上性能提升了21.9%，顯示出強大的文檔圖像理解能力。CogVLM2的兩個模型在多個基準(zhǔn)中取得了最先進的性能，同時在其他性能上也能達到與閉源模型相近的水平。

MiniMax推出人生搭子「海螺 AI」 已接入自研多模態(tài)大模型

MiniMax公司推出了一款人生搭子產(chǎn)品，名為「海螺AI」，也可以稱為「小海螺」。這款產(chǎn)品可以幫助學(xué)生、職場新人、自由工作者、創(chuàng)作者等各類人群，作為一個外掛大腦和人生搭子，幫助化解信息過載和高速運轉(zhuǎn)帶來的壓力。小海螺會24*7在線解決用戶工作和生活中的問題，同時也希望能陪伴用戶在人生的不同階段。

寫真視頻擊敗Sora？人大自研全新多模態(tài)大模型Awaker 1.0震撼登場

在人工智能領(lǐng)域，人大系初創(chuàng)公司智子引擎近日發(fā)布了一款名為Awaker1.0的全新多模態(tài)大模型，標(biāo)志著向通用人工智能邁出了重要一步。該模型在寫真視頻效果上超越了Sora，展現(xiàn)了其在視覺生成方面的卓越能力。Awaker1.0在理解側(cè)和生成側(cè)都實現(xiàn)了效果突破，有望加速多模態(tài)大模型行業(yè)的發(fā)展，最終讓人類實現(xiàn)AGI。

元象開源首個多模態(tài)大模型XVERSE-V 支持任意寬高比圖像輸入

元象公司發(fā)布了首個多模態(tài)大型模型XVERSE-V，并將其開源。這一模型支持任意寬高比的圖像輸入，并在多個權(quán)威評測中取得了優(yōu)異的成績。除了圖像識別，XVERSE-V還在多個實際應(yīng)用場景中表現(xiàn)突出，包括信息圖理解、視障場景處理、文本生成、教育解題等。

薦 輕松拿捏4K高清圖像理解！這個多模態(tài)大模型自動分析網(wǎng)頁海報內(nèi)容，打工人簡直不要太方便

一個可以自動分析PDF、網(wǎng)頁、海報、Excel圖表內(nèi)容的大模型，對于打工人來說簡直不要太方便。上海AILab，香港中文大學(xué)等研究機構(gòu)提出的InternLM-XComposer2-4KHD模型讓這成為了現(xiàn)實。IXC2-4KHD將多模態(tài)大模型支持的分辨率提升到了4K的水平，研究人員表示目前這種通過增加切塊個數(shù)支持更大圖像輸入的策略遇到了計算代價和顯存的瓶頸，因此他們計劃提出更加高效的策略在未來實現(xiàn)?

多模態(tài)大模型Reka Core發(fā)布 性能與GPT-4相媲美

RekaCore是一款最新發(fā)布的多模態(tài)大型語言模型，其性能可與GPT-4相媲美，甚至在某些方面超越了現(xiàn)有的前沿模型。這一技術(shù)突破為人工智能領(lǐng)域帶來了新的里程碑，特別是在圖像、視頻和音頻的上下文理解能力方面。隨著Core的進一步優(yōu)化和應(yīng)用，我們有理由相信，它將在多個領(lǐng)域產(chǎn)生深遠的影響，推動人工智能技術(shù)的進步和社會的發(fā)展。

Meta AI推MA-LMM:用于長視頻理解的記憶增強多模態(tài)大模型

MetaAI近日推出了一種名為MA-LMM的新型模型，旨在解決長期視頻理解中的挑戰(zhàn)。LLMs在處理文本數(shù)據(jù)時表現(xiàn)出了令人印象深刻的能力，但在處理視頻輸入方面存在一些限制，例如上下文長度限制和GPU內(nèi)存限制。其創(chuàng)新性的設(shè)計以及利用長期記憶庫和順序處理的方法使得該模型能夠在各種復(fù)雜場景下取得顯著成果，證明了其在多模態(tài)視頻理解應(yīng)用中的有效性和多功能性。

生數(shù)科技「多模態(tài)大模型」正式通過備案

生數(shù)科技「多模態(tài)大模型」正式通過國家《生成式人工智能服務(wù)管理暫行辦法》備案。成立于2023年3月，生數(shù)科技是一家全球領(lǐng)先的自主研發(fā)多模態(tài)通用大模型的人工智能企業(yè)，布局MaaS與應(yīng)用級產(chǎn)品，面向藝術(shù)設(shè)計、游戲制作、影視動畫、社交娛樂等領(lǐng)域提供賦能。生數(shù)科技將繼續(xù)深化在通用多模態(tài)大模型方向的探索，致力于用AI提升每個人的創(chuàng)造力和生產(chǎn)力。

深度求索開源多模態(tài)大模型DeepSeek-VL系列

3月11日，DeepSeek-AI開源了全新多模態(tài)大模型DeepSeek-VL系列，分為1.3b和7b兩種規(guī)模，共有4個版本。它具有融合語言和視覺能力，可以在不損失語言理解能力的情況下處理多模態(tài)任務(wù)，識別高分辨率圖像中的細小物體。成立于2023年，專注于研究世界領(lǐng)先的通用人工智能底層模型與技術(shù)，挑戰(zhàn)人工智能前沿性難題。

薦 今日AI：多模態(tài)大模型Claude3發(fā)布；Gorq API開放申請；ChatGPT新增朗讀功能；Stability AI發(fā)布SD3技術(shù)報告

歡迎來到【今日AI】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。

華科大發(fā)布多模態(tài)大模型新基準(zhǔn) 覆蓋五大任務(wù)

華中科技大學(xué)等機構(gòu)發(fā)布了一項關(guān)于多模態(tài)大模型的全面評估新基準(zhǔn)，旨在解決多模態(tài)大模型性能評估的問題。這項研究涉及了14個主流多模態(tài)大模型，包括谷歌Gemini、OpenAIGPT-4V等，覆蓋了五大任務(wù)、27個數(shù)據(jù)集。這項研究不僅為多模態(tài)大模型的性能評估提供了新的思路，也為相關(guān)領(lǐng)域的研究和應(yīng)用奠定了更加扎實的基礎(chǔ)。

上海智能實驗室推圖文多模態(tài)大模型InternLM-XComposer2（浦語·靈筆2）

InternLM-XComposer2是一款先進的視覺-語言模型，在自由組合文本和圖像以及理解這兩者之間的內(nèi)容方面表現(xiàn)卓越。這款模型不僅超越了傳統(tǒng)的視覺-語言理解能夠巧妙地將多樣化的輸入，如概要、詳盡的文本描述和參考圖片，融合成包含文本和圖像的復(fù)合內(nèi)容，實現(xiàn)高度定制化的創(chuàng)作。這使得InternLM-XComposer2成為當(dāng)前領(lǐng)先的視覺-語言模型之一，為多領(lǐng)域的創(chuàng)作和理解任務(wù)提供了卓越

薦 AI視野：ChatGPT模型大更新；阿里云發(fā)布多模態(tài)大模型；Runway視頻生成輸給Pixverse；百度推多模態(tài)模型UNIMO-G

歡迎來到【AI視野】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。

多模態(tài)大模型，阿里通義千問能和GPT-4V掰手腕了

通義千問的圖像推理能力，最近有了大幅提升。2024年，大模型領(lǐng)域要卷什么?如果沒有思路的話，不妨看看各家大廠都在押注什么方向。隨著多模態(tài)大模型技術(shù)的突破，我們將很快看到電商領(lǐng)域發(fā)生一場革命。

阿里云發(fā)布多模態(tài)大模型Qwen-VL-Max版本 性能比肩GPT-4V

阿里云公布了多模態(tài)大模型的最新研究成果，繼Plus版本之后，再次推出Max版本。Qwen-VL-Max模型在視覺推理方面展現(xiàn)出卓越的能力，可以理解并分析復(fù)雜的圖片信息，包括識人、答題、創(chuàng)作和寫代碼等任務(wù)。用戶可以在通義千問官網(wǎng)、通義千問APP直接體驗Max版本模型的能力，也可以通過阿里云靈積平臺調(diào)用模型API。

薦 世界頂尖多模態(tài)大模型開源！又是零一萬物，又是李開復(fù)

領(lǐng)跑中英文兩大權(quán)威榜單，李開復(fù)零一萬物交出多模態(tài)大模型答卷!距離其首款開源大模型Yi-34B和Yi-6B的發(fā)布，僅間隔不到三個月的時間。模型名為YiVisionLanguage，現(xiàn)已正式面向全球開源。GPT-4V在該測試集上的準(zhǔn)確率為43.7%，Yi-VL-34B以36.5%的準(zhǔn)確率緊隨其后，領(lǐng)先于當(dāng)前最前沿的開源多模態(tài)模型。

GLM-4體驗入口 智譜AI多模態(tài)大模型在線使用地址

GLM-4是由智譜AI在首屆技術(shù)開放日上發(fā)布的一款新型大模型。GLM-4在性能上全面提升近60%，支持更長的上下文、更強的多模態(tài)支持和更快速的推理。要獲取更多詳細信息并開始使用GLM-4，請訪問GLM-4網(wǎng)站查看更多介紹。

字節(jié)多模態(tài)大模型PixelLM：高效像素級推理，無需依賴SAM

多模態(tài)大模型爆發(fā)，準(zhǔn)備好進入圖像編輯、自動駕駛和機器人技術(shù)等細粒度任務(wù)中實際應(yīng)用了嗎?目前大多數(shù)模型的能力還是局限于生成對整體圖像或特定區(qū)域的文本描述，在像素級理解方面的能力相對有限。針對這個問題，一些工作開始探索借助多模態(tài)大模型來處理用戶的分割指令。在三個benchmark的絕大多數(shù)指標(biāo)上，PixelLM的性能均優(yōu)于其他方法，且由于PixelLM不依賴于SAM，其TFLOPs遠遠低于同尺寸的模型。