⌘ K
… 读取采集状态 同步中...
雷

多模态

文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。

207条精选相关主题图像生成AI 视频语音与音频

最新精选

第 121–140 条 · 共 207 条
8月28日周五
8月27日周四
  1. 光子星球80

    GLM-5.3-Flash实测：多模态前端开发提效明显，复杂3D场景仍存瓶颈

    智谱GLM-5.3-Flash正式上线并开源，该模型总参数量为320B，每次推理激活18B，定价为GLM-5.3的1/10，按每百万token计输入0.075美元，输出0.25美元。

    推荐理由：原文用六项真实开发工作流实测验证了GLM-5.3-Flash的边界，前端开发与多模态看图编程表现突出，但复杂3D场景仍存瓶颈。

  2. 智东西82

    深度体验豆包工作48小时，发现其解决企业场景痛点的新解法

    智东西深度体验了字节跳动发布的Agent产品豆包工作48小时，发现其在企业协作场景中凭借飞书集成展现出优势。测试显示，豆包工作能自主完成写文档、做PPT、生成网页等任务，并支持通过Skill机制沉淀流程、操作电脑及跨系统协作。例如，它利用飞书数据自动统计项目进度并生成周报，还能通过视觉识别裁剪图片或远程控制电脑处理任务。

    推荐理由：原文展示了豆包工作与飞书打通后如何处理企业上下文，展示了通用Agent在企业协作场景中的新解法。

  4. AGI Hunt85

    全球估值最高法律AI公司Harvey基于Kimi K3发布自研模型

    法律AI公司Harvey基于Kimi K3等中国开源模型发布了首个自有模型Tenet，在合同专项评测中达到SOTA，且运行成本不到主流基础模型的四分之一。Tenet采用150张NVIDIA B300训练两个月，通过引入公开法律数据和合成数据后训练，成功摆脱了对单一闭源供应商的依赖。

    推荐理由：通过追踪法律AI公司Harvey基于Kimi K3发布自研模型及算力投入，揭示高价值行业应用厂商为规避上游巨头风险而转向开源底座的生存策略。

  5. 夕小瑶科技说84

    智谱 GLM-5.3-Flash 认领匿名模型 Ox-Alpha，以低价打破 DeepSeek 价格底线

    智谱认领匿名模型 Ox-Alpha 为 GLM-5.3-Flash。该模型是 GLM 首个原生多模态模型，支持 1M 上下文，采用 MIT 协议开源。作者实测其在 3D 城市建模、视频剪辑、网页复刻及前端工具开发等 Agent 任务中表现接近 Claude Opus 4.8。

    推荐理由：作者实测了 GLM-5.3-Flash 在多模态、3D 建模与视频编辑场景下的 Agent 表现，并展示了其以低价策略打破 DeepSeek 定价底线的冲击。

  6. AI产品黄叔77

    GLM-5.3-Flash 实测：多模态能力与国产算力成本分析

    GLM-5.3-Flash 在 OpenRouter 和 OpenCode 榜单登顶后，作者通过 16 分钟视频转 33 页图文手册和黑洞动效开发两个任务进行实测。模型展现了原生多模态视觉提取与代码修复能力，价格约为 Claude Opus 4.8 的 1/40，且线上流量全部承载在国产芯片上，体现了稀疏激活混合专家架构与软硬协同设计的成本优势。

    推荐理由：作者用真实视频处理与动效开发任务实测 GLM-5.3-Flash，提供了多模态编码场景下的实际产出效果和成本分析。

  7. 钛媒体AGI88

    智谱发布 GLM-5.3-Flash：首个原生多模态模型跑通国产芯片集群

    智谱 AI 认领 Ox-Alpha 模型，确认其为 GLM-5.3-Flash，这是 GLM-5 系列首个原生多模态模型。该模型综合智能评分 57 分，高于 DeepSeek V4 Pro，价格约为主流旗舰模型的 1/40。服务全部由国产芯片集群承载，官方在 Hugging Face 等平台以 MIT 许可证开源模型权重。

    推荐理由：GLM-5.3-Flash 以 Claude Opus 4.8 约 1/40 的价格提供同等综合智能，且原生支持多模态视觉编码。

  9. AI信息Gap86

    智谱认领匿名模型 Ox-Alpha，GLM-5.3-Flash 刷新性价比斩杀线

    智谱认领突然在 OpenRouter 和 OpenCode 匿名上线并引发猜谜的模型 Ox-Alpha，确认其为 GLM-5.3-Flash，该模型为 320B 总参数、18B 激活的 GLM-5 系列首个原生多模态模型。

    推荐理由：智谱认领匿名模型Ox-Alpha为GLM-5.3-Flash，该文梳理了其通过分词器指纹与社区测试被定位的完整过程，以及其在Artificial Analysis性价比图中的位置变化。

8月26日周三
  1. 硅星人Pro84

    OpenAI 投资的法律 AI 公司 Harvey 基于 Kimi K3 训练自研模型 Tenet

    法律 AI 公司 Harvey 发布自研模型 Tenet，其底座采用月之暗面开源模型 Kimi K3。Harvey 利用约 1750 个法律智能体任务环境和律师评价标准，耗时两个月在 150 张 NVIDIA B300 显卡上对 Kimi K3 进行后训练。

    推荐理由：文章深入剖析 Harvey 基于 Kimi K3 训练法律模型 Tenet 的技术路径，揭示了开放权重在后训练与垂直行业落地中的核心价值。

8月24日周一
  1. 优设AIGC85

    DeepSeek-V4-Flash-Vision-Exp 视觉模型上线 API

    DeepSeek-V4-Flash-Vision-Exp 模型正式上线 API 平台，彻底补齐了此前 DeepSeek 模型无法原生读图的短板。该模型提供 100 万 token 的超长上下文窗口与 38.4 万 token 的最大输出空间，支持三种调用协议与混合图文输入。

    推荐理由：实测验证了视觉能力与Agent框架的结合，为开发者补齐多模态工作流短板提供了直接的接入路径。

  2. AIGC开放社区87

    DeepSeek 首个多模态视觉模型 V4-Flash-Vision-Exp 上线

    DeepSeek 上线首个多模态视觉模型 deepseek-v4-flash-vision-exp，文本 Agent 性能与 V4-Flash 持平，多项基准超越 Opus-4.8。该模型图像输入成本极低，1000 张图不足 20 美分，同步上线免费的 Files API 支持图像复用。

    推荐理由：首个视觉模型上线即对标的文本基准和成本数据清晰，可快速评估其在 Agent 场景的性价比。

8月23日周日
  1. 深度学习与NLP85

    Moderna与默克III期临床试验成功：AI辅助个性化mRNA癌症疗法治愈黑色素瘤

    Moderna与默克联合宣布其个性化mRNA癌症疗法intismeran autogene在III期临床试验中取得主要成功，两项关键指标无复发生存期（RFS）和远处无转移生存期（DMFS）均达到目标。

    推荐理由：该疗法利用AI从患者癌组织筛选靶向新抗原，并定制mRNA序列，帮助免疫系统精准识别并清除残留癌细胞。

  2. CVer91

    Moderna与默沙东个性化mRNA癌症疗法intismeran autogene III期临床双终点达标

    Moderna与默沙东宣布个性化mRNA癌症疗法intismeran autogene在针对高危黑色素瘤的全球III期临床试验中，无复发生存期与远处无转移生存期两大关键终点全部达标，是首个在III期临床取得阳性结果的个体化新抗原疗法。

    推荐理由：原文详细拆解了该疗法从基因测序到AI靶点筛选的完整链条，读者能据此理解个性化mRNA抗癌药物在实体瘤领域的落地机制。

8月22日周六
  1. DeepTech深科技74

    OpenRouter 上线匿名模型 Ox Alpha，社区技术特征分析指向智谱 GLM 系列

    8 月 20 日，OpenRouter 上线匿名前沿模型 Ox Alpha，支持 104.8 万 token 上下文及文本、图像、视频输入，预览期免费调用。独立研究员 Ben Davis 在 DeepSWE 基准的 10 个子任务中测得该模型通过率约 80%，高于 Claude Fable 5 和 GPT-5.6 Sol。

    推荐理由：揭示了社区通过分词器、视觉编码和脏 token 等技术指纹识别匿名模型归属的方法，以及中国厂商利用匿名测试积累海外用户反馈的行业趋势。

8月21日周五
  1. DeepTech深科技83

    DeepSeek V4 上线多模态 Agent 能力

    DeepSeek 上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，正式开放 API 并在官方数据中称其多模态 Agent 能力接近 Claude Opus 4.8。

    推荐理由：该模型补齐了 Agent 视觉感知能力，并同步开放 API，为判断工作流闭环提供参考。

  2. Datawhale87

    DeepSeek 发布首个多模态模型 V4 Flash Vision 实验版

    DeepSeek 上线实验性多模态模型 deepseek-v4-flash-vision-exp，正式支持图片理解能力，可识别截图文字、分析图表并驱动 Agent 任务。单次请求最多输入 600 张图片，兼容 OpenAI 与 Anthropic API 格式，调用价格与 V4 Flash 保持一致。

    推荐理由：新模型将视觉理解融入 Agent 工作流，支持批量图片输入且价格不变，开发者可低成本测试界面与图表自动化处理场景。

  3. 量子位71

    深势科技发布玻尔·科学空间，打造人机协同科研桌面环境

    深势科技正式发布玻尔·科学空间（公开测试版），旨在通过内置AI科学家接管科研全流程，让研究者只需负责提问和确认。该平台集成了全科科研专家SciMaster及生物、医药、材料等领域的专属智能体，可自动完成文献调研、假设生成、实验设计与模拟计算，并辅以写作审查助手辅助成果输出。

    推荐理由：文章系统展示了AI智能体如何重构科研流程，并给出了连接数据、算力与实验资源的技术架构，为理解AI与科学协同提供了具体参照。

8月20日周四
  1. APPSO72

    AI辅助mRNA癌症疫苗三期成功，人类加速攻克癌症

    默沙东与Moderna联合宣布，AI辅助的个性化mRNA癌症疫苗（mRNA-4157）联合Keytruda在三期试验中取得成功，能显著延长高风险黑色素瘤患者的无复发生存期。这项技术通过AI筛选肿瘤特异性新抗原，指导T细胞清除残存癌细胞。文章还延伸至其他AI生物医学案例，如Google的AI co-scientist和斯坦福的虚拟实验室，但指出目前AI成果多处于临床前阶段。

    推荐理由：原文梳理了AI辅助mRNA癌症疫苗三期成功的事实，并扩展比较了其他AI生物医学案例，为理解AI在癌症治疗中的现实边界提供了具体参照。