生數科技發布 Vidu S1 即時交互模型
生數科技正式發布 Vidu S1，這是一款具備即時交互能力的新一代影片生成模型，支援語音控制與高畫質輸出。
Search
Tag: #multimodal328 results
全球首發：端側流式多模態模型問世
杭州的一個團隊成功將流式多模態模型部署到端側，標誌著 CVPR 2026 趨勢的一個重要里程碑。
像素級圖片攻擊繞過 AI 聊天機器人安全規則
佛羅里達國際大學的研究人員發現，圖像中不可見的像素級修改可以迫使 AI 聊天機器人繞過其安全防護機制，並生成受限內容。
介紹 Gemma 4 12B：統一的多模態模型
Google DeepMind 發布了 Gemma 4 12B，這是一款全新的無編碼器多模態模型。此次發布擴展了 Gemma 系列，增強了處理多樣化數據類型的能力。
Google 發布開源 Gemma 4 12B 多模態模型
Google 發布了 Gemma 4 12B 多模態模型，旨在於消費級硬體上本地運行。該模型在僅需 16GB 記憶體的條件下，提供了媲美 26B 版本的效能。
全球首個全模態 API 正式開放，即日起無限期免費
頂尖 AI 實驗室發布了全球首個全模態 API，即日起無限期免費開放。該 API 支援文字、圖像與影片數據的無縫處理。
Google Gemini 3.5 與 AI 產業變革
Google 發布了 Gemini 3.5 Flash 與 Omni 模型，同時產業迎來重大變革，包括 Anthropic 延攬 Andrej Karpathy 以及 AMD 擴展本土 AI 算力基礎設施。AI 競爭正從參數比拼轉向生態構建與行業滲透。
Google 發布 Gemini 3.5 與全新 AI Agent 產品
Google 正式發布了 Gemini 3.5 模型，並同步推出全新的 AI Agent 功能與先進的影片生成模型。此次發布標誌著 Google 的產品策略正顯著轉向自主 AI Agent。
Intern-S2-Preview：高效能 35B 科學多模態模型
Intern-S2-Preview 是一款全新的 35B 科學基礎模型，透過擴展任務難度與多樣性來提升效能。該模型具備增強的代理能力，並利用思維鏈（CoT）壓縮技術實現高效的強化學習。