跳到正文

技术方向

多模态 最新动态

文字之外的能力:看懂图片、图文混合理解、音视频输入输出的模型与产品进展。

7 条精选近 30 天 6 条共收录 26 条

更新

多模态的精选

11月19日周四第 1–7 条
  1. The Decoder82

    微软 Ignite 一次发布七款 MAI 自研模型,主打性价比替代外部模型

    微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。

    推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。

  2. Google Gemini 博客80

    Google DeepMind 向 AI Ultra 订阅者开放 Genie 4 与新版 Project Genie

    Google DeepMind 向符合条件的 Google AI Ultra 订阅者推出新版 Project Genie,首次开放 Genie 4 世界模型。Genie 4 支持在探索过程中输入新提示词实时修改环境,并首次搭配随场景变化的实时原生音频。

    推荐理由:Genie 4 支持会话中实时改世界并加入原生音频,可对照 Genie 3 的会话时长与全景图能力看世界模型进展。

11月12日周四
11月6日周五
  1. Google Research71

    Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统,用智能手表无袖带检测高血压迹象

    Google Research 联合 Beth Israel Deaconess 医学中心和哈佛医学院在 Nature 发表 AI-PPG-ACC-HTN 系统,利用智能手表的 PPG 与加速度计信号被动检测高血压迹象,无需袖带校准。

    推荐理由:研究以 24 小时动态血压监测为金标准,给出智能手表在初筛与确诊两种场景下的灵敏度与特异度,便于判断无袖带筛查的边界。

10月22日周四
  1. Google Research63

    Google Research 用 AI 解读盲扫超声评估孕周,成果发表于 JAMA Network Open

    Google Research 在 JAMA Network Open 发表研究,用 AI 模型解读未经专业超声培训的操作者采集的盲扫超声图像来评估孕周。在 385 名 16 至 36 周孕妇的队列中,模型平均绝对误差为 4.18 天,优于专家标准流程的 4.48 天;仅用芝加哥 120 名参与者数据微调后,芝加哥误差 4.10 天,未做本地优化的内罗毕为 4.27 天。

    推荐理由:研究在芝加哥与内罗毕两地前瞻验证同一模型,只用 120 人数据微调即可跨硬件泛化,为低资源地区产检覆盖提供了可参照的部署路径。

10月6日周二
  1. Mistral AI83

    Mistral 发布 Mistral Large 4 公开预览,1 万亿参数原生多模态模型

    Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可在 Mistral Studio 试用预览 API,权重将于本月底发布。

    推荐理由:官方给出 1 万亿参数多模态模型的预览入口、权重开放时间与多项基准对比,可据此判断开源权重模型的当前水位。