按标签查看文章: multimodal-ai

Google Gemini Ultra 2.0：创纪录的性能与价格

Google 推出了 Gemini Ultra 2.0，上下文窗口高达 1000 万个 token，超越了 GPT-5。了解其突破性架构、0.0005 美元的价格以及对 AI 市场的影响。阅读完整分析。

Thinking Machines：实时AI模型

Mira Murati的初创公司Thinking Machines Lab推出了用于实时交互的AI模型，无延迟。了解这将如何改变市场并评估该技术的前景。

NVIDIA Nemotron 3 Nano Omni：效率提升9倍的多模态AI

NVIDIA推出了开放模型Nemotron 3 Nano Omni，融合视频、音频和文本。了解9倍效率提升及面向企业AI代理的架构。

GLM-5V-Turbo 从设计生成代码

多模态 GLM-5V-Turbo 将原型图转为前端代码。基准测试、CogViT 架构、10 项技能。在 chat.z.ai 免费测试，用于 IT 开发。

Qwen3.5-Omni：AI 从视频生成代码

来自 Alibaba 的 Qwen3.5-Omni：多模态 AI，拥有 256K 上下文，在音视频领域 SOTA。从屏幕录像生成代码。集成到项目中 — 阅读详情和基准测试。

俄语 X 射线分析 AI：组装 ViT + ruGPT-3 模型

创建用于生成俄语医疗报告的多模态 AI 模型的实用指南。研究架构、数据准备和训练。