标签
多模态
共 16 篇文章
AI资讯
谷歌开源 EmbeddingGemma 2：740M 参数把四种模态编进同一向量空间
Google DeepMind 于 10 月 6 日开源 EmbeddingGemma 2，740M 参数把文本、图像、音频、视频映射到同一 768 维向量空间，可在手机和笔记本上离线运行，代码检索基准提升约 9.9 分，让端侧多模态搜索和隐私优先的 RAG 更可行。
AI资讯
小米开源 MiMo-V2.6，登顶全球开源模型排行榜首
小米 9 月 21 日发布并开源 MiMo-V2.6 系列，旗舰 Pro-RL 总参数 1.02 万亿、原生支持文本图像视频音频全模态、百万级上下文，按 AA 智能指数登顶全球开源模型榜首，单任务成本约 0.13 美元，性价比突出。
DeepSeek 灰度测试语音对话，四种音色可自定义
DeepSeek 9 月 12 日开始灰度测试语音对话，App 右上角出现小喇叭入口，设置页新增四种可选朗读音色。对移动端高频用户是重要体验升级，也意味着国产头部大模型加速布局语音交互。
DeepSeek 开启 V4.1 Flash 中间版本内测，原生多模态且成本更低
DeepSeek 于 9 月 8 日开启 V4.1 Flash 中间版本内测，采用新结构原生支持多模态，更快更强且成本更低；官方同时询问它能否全面替代 V4 Pro，透露出用 Flash 速度逼近 Pro 能力的意图，值得开发者近期验证。
AI资讯
智谱开源 GLM-5.3-Flash，原生多模态定价降至 GLM-5.3 十分之一
智谱 8 月 26 日晚上线并开源 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列首个原生多模态模型，能力超过 GLM-5.2 而定价仅为 GLM-5.3 的十分之一，编程与 Agent 基准接近 Claude Opus 4.8，值得开发者尽快实测。
AI资讯
阿里开源 Qwen3.8-27B，27B 小模型被称新斩杀线
阿里 Qwen 发布 Qwen3.8-27B 开源模型，27B 稠密参数原生支持图像视频理解，编码与 Agent 任务成绩逼近旗舰模型，Apache-2.0 授权，社区热议其可能成为新的中小模型性能基准线。
AI资讯
OpenCode 神秘新模型 Ox Alpha 上线，限免一周还带 1M 上下文
OpenCode 于 8 月 21 日公布新模型 Ox Alpha：1M 上下文、多模态、零数据留存，未来一周免费试用且官方称日产能达 100T tokens。这是开源编程 Agent 生态少见的超大容量开放，值得开发者立即上手验证真实水平。
DeepSeek 上线 V4-Flash-Vision-Exp 多模态模型，视觉 Agent 接近 Opus-4.8
DeepSeek 今日上线多模态视觉理解模型 V4-Flash-Vision-Exp：文本能力与 V4-Flash 持平，多模态 Agent 基准接近 Opus-4.8。API 支持图文混合输入，单图最多 384 tokens 按 V4-Flash 价格计费，补齐了 V4 系列缺少的视觉能力。
AI工具
智谱清言
智谱清言是智谱 AI 推出的对话式 AI 助手，基于 GLM 系列模型，支持文本对话、AI 绘画、文档阅读、AI 生视频、智能体广场与云知识库，普通用户免费可用，开发者可同步接入 BigModel 开放平台。
AI工具
商汤大装置 SenseNova
商汤大装置是商汤科技推出的 AI 基础设施平台，提供 SenseNova 系列大模型 API、智能体开发工具、算力与模型训练服务，面向企业级 AI 应用和多模态生产场景。
AI工具
火山方舟
火山方舟是字节跳动火山引擎推出的大模型服务平台，提供豆包系列模型 API、多模态生成、知识库、联网搜索与智能体编排，是国产大模型应用的高频选择。
AI工具
腾讯元宝
腾讯元宝是腾讯推出的 AI 助手，覆盖网页、App 与桌面端，支持 AI 搜索、文档阅读、图片视频理解与内容创作，并打通微信公众号、腾讯文档等生态内容。
AI工具
阶跃星辰开放平台
阶跃星辰开放平台提供 Step 系列多模态大模型 API，覆盖文本对话、图像理解、视频理解与生成，面向开发者和企业提供稳定的模型服务。
AI工具
MiniMax 开放平台
MiniMax 开放平台提供大语言模型、语音、图像与视频生成 API，覆盖文本对话、声音克隆、音乐生成与多模态创作，是国产 AI 开放平台中的高频选择。
AI工具
ChatGPT
ChatGPT 是 OpenAI 推出的 AI 对话助手，支持网页、桌面端和移动端使用，可完成问答、写作、编程、图像生成、联网搜索和深度研究。
AI工具
通义千问
通义千问是阿里云推出的多模态大模型助手，覆盖对话、写作、翻译、图像理解与办公效率场景，并提供 API 和开源模型。