
英伟达全模态大模型 Nemotron 3 Nano Omni 来了,几秒搞定老黄3分钟演讲,吞吐量同类9倍(在新窗口打开)
英伟达于昨日正式推出全新多模态推理模型Nemotron 3 Nano Omni,将文本、视觉、语音三大模态能力深度融合至单一模型体系,目前可免费使用。
共 68 篇

英伟达于昨日正式推出全新多模态推理模型Nemotron 3 Nano Omni,将文本、视觉、语音三大模态能力深度融合至单一模型体系,目前可免费使用。

林俊旸离职了,但 Qwen 不能停。最近 Qwen3.5-Omni 发布,一个原生全模态大模型,文本、图片、音频、视频的理解与生成,集于一身。 这不是第一个试图「什么都做」的模型。过去两年,多模态是所

文图音视频一把抓。 智东西8月3日报道,今日,MiniMax正式开源新一代通用视频模型MiniMax H3。 MiniMax H3是一个通用型全模态生成系统,可统一理解文本、图像、视频和音频组成的多模态上下文,生成最长15秒、最高2K分辨率并带有原生立体声音频的视频。 此前7月31日,MiniMax H3发布。目前,在Artificial Analysis有声视频编辑榜单中,MiniMax H3以1130分的Elo成绩位列第一,领先Gemini Omni Flash、HappyHorse-1.0、Wan 2.7等国内外视频模型。 ▲MiniMax H3位列有声视频编辑榜单榜首 H3系统由H3-

VeRL-Omni 是一个面向多模态生成模型的通用 RL 后训练框架,由 VeRL-Omni 团队在 verl 与 vllm-omni 之上构建。覆盖扩散 transformer(Qwen-Image)、混合 AR-DiT(Qwen-Omni)、统一理解 + 生成(BAGEL、HunyuanImage-3.0)等架构。

近日,国内多模态生成式人工智能公司智象未来(HiDream.ai)宣布完成超5亿元新一轮融资。本轮融资由东方富海、安徽省投资集团旗下的省产业投资公司、峰华资本等新股东联合投资,同时合肥产投、兴泰集团、合肥高投、安徽省人工智能母基金等老股东持续加注。

这个国产开源模型,把多模态玩出了“魔法”感。

全球第一AI创作社区易主! 这次是一个贩卖“情绪”与“品味”的平台,全球访问量超过Midjourney、Leonardo、Civitai,注册用户超过5000万,月访问量超3000万,ARR超5000万美金,用户在此平台单日能生成2000万张图+50万视频。 这个平台名叫SeaArt,具备全链路多模态AI创作能力,包括图片、视频、音频、数字人生成。 同时SeaArt配备ComfyUI可视化工作流、海量模型库及LoRA训练分享功能,且融合了社区互动生态。 它并非单一工具,而是被定位为“AI时代的全民级创作消费平台”。 就在最近,其背后团队趁热打铁—— 全新推出全模态创作消费平台SeaVerse,

近日,在 CNCC2025 大会上,郑波首次公开了淘宝全模态大模型的最新进展,并系统介绍了多模态智能在淘宝 AIGX 技术体系的研究应用。另外,结合 AI 模型技术在淘宝应用中的实践,他认为,「狭义 AGI 很可能在 5-10 年内到来。」

西湖心辰创始人蓝振忠解释为何押注扩散语言模型:利用并行生成和多条思维链,在响应速度与交互质量之间寻找新取舍。访谈也谈到数据利用、分块扩散、强化学习和全模态 Agent 路线,相关效果来自团队实验与业务场景,规模化能力仍需逐项验证。

数据越采越多,机器人就能越来越会干活吗?