「全模态推理」共找到 3787 篇相关文章
DeepSeek刚解决了AI视觉最后一块拼图：极低成本+精准视觉定位，AI接管电脑已无死角
DeepSeek放出新论文《Thinking with Visual Primitives》，解决多模态大模型中长期被忽视的“说不清位置”问题。提出将空间标记作为“最小思维单元”插入推理链条的方案，在多个任务上达前沿水平，但也存在精度、触发机制和泛化能力等局限。
AI 精神病的巅峰：Claude Mythos 和 OpenAI Spud 还没上线，就有人度假都睡不着了
还未发布的Claude Mythos和OpenAI Spud在舆论场引发热议，大众情绪被拉高。OpenAI推出GPT - 5.4 - Cyber，还跟进‘安全’故事。网友对‘模型太危险只能少数公司用’说法存疑，同时GPT - 6等新模型消息不断。
Meta 143亿挖角后首个作品来了：Alexandr Wang 推出闭源模型，杨立坤点赞
沉寂9个月后，Alexandr Wang带队的Meta发布新一代模型Muse Spark。它是原生多模态推理模型，性能媲美Gemini Pro和GPT 5.4，Meta还披露技术实现细节。不过闭源引争议，且模型在长时程智能体等方面有短板。
微信AI绝密计划曝光！但一个前腾讯员工，已经在硅谷做出来了
腾讯正为微信秘密开发AI智能体项目，计划2026年年中灰度测试，三季度全量上线。而前腾讯工程师已在硅谷做出全球首个人类与AI共生社交网络Teamily AI，能让Agent进群协作，有三层架构支撑。
还在玩AI 3D手办？Gemini 3 Deep Think已能直出STL，可打印实物
推理模型赛道竞争激烈，谷歌 Gemini 3 Deep Think 迎来重大升级，能处理科研级、工程级、多条件约束问题，可将用户要求等建模成 3D 打印实体文件，还能用于多领域科研和工程，欲成科研工程‘第二大脑’。
李飞飞又被超越了？百万「普通视频」打造通用4D世界模型！
全行业为昂贵多视角数据发愁时，中科院和CreateAI推出NeoVerse，用百万单目视频打开4D世界模型大门。它抛弃多视角数据和离线预处理，解决扩展性瓶颈，在重建速度、生成质量等方面表现出色，有丰富下游应用。
千问 APP 再更新：为什么说「聊天」并不是 AI 产品的终点？
当前AI市场进入场景战役阶段，头部玩家都在去聊天化。千问APP此次升级，可在同一界面内完成办公场景从需求到成品的全流程，还覆盖多种模板，引入智能编辑器，是务实且有意义的探索。
12月首炸！可灵 O1 正式发布，全球首个统一多模态视频大模型，强得可怕！
12月快手旗下可灵发布全球首个统一多模态视频大模型Kling O1，标志AI视频进入“全流程语义控制时代”。它将多种视频创作能力统一，有全能引擎等五大亮点，性能对比优势明显，让AI视频生成更可控。
通往通用人工智能的关键一步？DeepMind放大招，3D世界最强AI智能体SIMA 2
Google DeepMind发布SIMA 2，这是能在虚拟3D世界自主游戏、推理和学习的通用AI智能体。它集成Gemini模型，从指令跟随到主动认知跃进，泛化性能提升，还具备自我提升能力，为AI和机器人技术发展提供新路径。
靠创始人亲自假扮AI起家，如今估值10亿美元！印度CEO公开反内卷：从不在10点前起床，也不开例会
AI笔记创业公司Fireflies估值达10亿美元，其创始人曾人工假扮AI参会。CEO Krish Ramineni反内卷，让员工全远程自由工作。此“创业血泪史”公开后引争议，有人批有伦理风险，也有人认为是早期创业常态。