推荐文章7

格灵深瞳：多模态视频理解与产品落地新突破

InfoQ2026-05-20

AI 摘要

格灵深瞳灵感实验室冯子勇等表示，传统视频模型抽帧处理浪费大，LLaVA - OneVision - 2.0突破长视频理解瓶颈。还推出“视觉智能工坊”，分三阶段落地非标需求，用大小模型结合控成本。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

开源科学大模型书生-S2正式发布

上海人工智能实验室在2026浦江创新论坛发布开源基础大模型书生-S2，该模型科学能力比肩顶尖闭源模型，通用能力居开源第一梯队，创新架构支持专业知识持续扩展，强化长程科研与智能体能力，可为真实科研任务提供支撑。

本文介绍蚂蚁百灵开源的多模态大模型Ling-3.0-flash-VL，该模型采用稀疏混合专家架构，支持图片、视频、软件界面理解，可将视觉信息用于推理与任务执行，开放权重采用MIT许可证供开发者部署测试。

本文是DeeplearningAI The Batch专栏的AI行业资讯，揭秘此前匿名上线爆火的Ox Alpha模型，公开其为Z.ai推出的GLM-5.3-Flash，详细介绍该模型的架构、性能、定价与授权信息。

最新爆料，Gemini 3.8 Flash明日登场，谷歌已放弃Gemini 3.5 Pro。其编程实力强悍，之前还为Gemini植入智能体视频理解功能，降本提效，可应对多种高难度场景。近期多家AI发布计划撞车，混战升级。