標簽：多模態交互

WPS 大家經常用來日常寫作，雖然本身提供了AI功能，但可惜需要會員，本文教你三分鐘接入最火的DeepSeek，讓WPS秒變辦公神器。 DeepSeek API申請地址：http:/...

這兩年大家都在感嘆生活不易，然而我想說的是，機會還是有的，但問題不在于有沒有，而在于你是否能夠認準機會，然后抓住它。 接觸過很多咨詢項目的人，發現...

Kimi-Dev是Moonshot AI推出的開源代碼模型，專為軟件工程任務設計。模型擁有 72B 參數量，編程水平比最新的DeepSeek-R1還強，和閉源模型比較也表現優異。在 S...

Gemini 2.5 Pro (I/O 版) 是 Google 推出的 Gemini 2.5 Pro 升級版多模態AI模型，具體版本號為 Gemini 2.5 Pro Preview 05-06。模型在編程能力上取得重大突破...

Embodied Reasoner是浙江大學、中國科學院軟件研究所、阿里巴巴集團等機構推出的新型的具身交互推理模型，基于視覺搜索、推理和行動協同完成復雜任務。模型基...

訊飛星辰MaaS是科大訊飛推出的AI大模型定制微調平臺，創建你的專屬定制大模型。訊飛星辰MaaS匯集20多個行業內知名的優質模型，如星火大模型、Llama3、DeepSee...

Qwen2.5-VL-32B是阿里巴巴開源的多模態模型，參數規模為32B。模型在Qwen2.5-VL系列的基礎上，基于強化學習優化，具備更符合人類偏好的回答風格、顯著提升的數...

騰訊混元Turbo S是騰訊推出的新一代快思考模型。模型采用創新的Hybrid-Mamba-Transformer融合架構，有效降低了傳統Transformer的計算復雜度，減少了KV-Cache...

T1（Thinker）是騰訊混元推出的最新深度思考模型，已正式上線接入騰訊元寶。模型專注于邏輯推理和深度思考，支持聯網搜索功能，能從互聯網信源、微信公眾號、...

OmniHuman 是字節跳動推出的端到端多模態條件化人類視頻生成框架，能基于單張人類圖像和運動信號（如音頻、視頻或兩者的組合）生成逼真的人類視頻。OmniHuman...

原標題：微軟華人團隊最新研究：從LLM到LAM，讓大模型真正具有「行動力」！ 文章來源：新智元 內容字數：6294字微軟大型行動模型LAM：AI從“聊天”到“行動”的跨...

人機交互方式正在發生變革。

率先實現端到端具身大模型商業化

本文主要介紹鑄就GUI Agent的三大技術基石。

LLaVA-o1是北京大學、清華大學、鵬城實驗室、阿里巴巴達摩院以及理海大學（Lehigh University）組成的研究團隊推出的開源視覺語言模型，基于Llama-3.2-Vision...

PixVerse V2.5是愛詩科技最新推出的AI視頻生成工具，通過模型優化提升了視頻生成的速度和畫質，支持4K分辨率。新版本增加了Performance模式、運動筆刷、運鏡...

混元DiT（Hunyuan-DiT）是由騰訊混元團隊開發的一款高性能的文本到圖像的擴散Transformer模型，具備細粒度的中英文理解能力，能夠根據文本提示生成多分辨率的...