SALMONN: Expandindo a Capacidade Auditiva Universal de Modelos de Linguagem Grandes

ByteDance lança UI-TARS-1.5: Agente multimodal de código aberto lidera nova onda de automação de GUI

A ByteDance lançou oficialmente o UI-TARS-1.5 no Hugging Face, um agente multimodal de código aberto baseado em um poderoso modelo de linguagem visual. Este lançamento marca mais uma grande inovação da ByteDance na área de interação automatizada com IA, oferecendo aos desenvolvedores e usuários uma solução de automação de GUI (interface gráfica do usuário) eficiente e inteligente em várias plataformas. UI-TARS-1.5: Um novo marco para agentes multimodais. O UI-TARS-1.5 é a mais nova versão da série UI-TARS da ByteDance...

Modelo de Agente Inteligente Seed UI-TARS-1.5 de código aberto do ByteDance Doubao

A equipe do modelo de linguagem grande ByteDance Doubao anunciou o lançamento do código aberto do UI-TARS-1.5, um agente inteligente multimodal de código aberto baseado em um modelo de linguagem visual, capaz de executar eficientemente várias tarefas em um mundo virtual. O modelo alcançou desempenho SOTA (State-of-the-Art) em sete benchmarks típicos de interface gráfica do usuário (GUI) e demonstrou pela primeira vez sua capacidade de raciocínio de longo prazo em jogos e sua capacidade de interação em espaços abertos. Este projeto de código aberto marca um avanço na tecnologia de agentes inteligentes multimodais em GUI

Laboratório de IA de Xangai lança versão aprimorada do modelo multimodal de grande escala, Shusen · Wanxiang 3.0

ByteDance lança o modelo de raciocínio profundo Doubao 1.5: raciocínio profundo multimodal, baixa latência

OpenAI lança novo modelo de raciocínio o3 com capacidade de pensamento de imagem

A OpenAI lançou recentemente seus mais novos modelos de raciocínio, o o3 e o o4-mini, marcando um grande avanço no campo da inteligência artificial. Esses dois modelos não apenas superam as versões anteriores em capacidade de raciocínio, mas também alcançam, pela primeira vez, a capacidade de pensamento de imagem, podendo integrar diretamente informações visuais no processo de pensamento. O o3 é considerado um modelo de "nível gênio", especialmente em tarefas de programação e matemática, com uma taxa de precisão de 87,5%. Os modelos o3 e o4-mini recém-lançados apresentam excelente desempenho em processamento multimodal, possuindo

OpenAI lança dois modelos de raciocínio multimodais: o4-mini e a versão completa do o3

Durante uma transmissão técnica ao vivo à 1h da manhã de hoje, a OpenAI lançou oficialmente seus modelos multimodais mais recentes e poderosos: o o4-mini e a versão completa do o3. Esses dois modelos possuem vantagens únicas, não apenas processando texto, imagens e áudio simultaneamente, mas também podendo funcionar como agentes inteligentes, chamando automaticamente ferramentas como pesquisa na web, geração de imagens, análise de código, etc. Além disso, eles possuem um modo de pensamento profundo, permitindo-lhes raciocinar sobre imagens em cadeias de pensamento.

Cohere lança o Embed 4: novo modelo de busca multimodal que processa documentos de 200 páginas

Servidor MiniMax MCP lançado oficialmente: Abrindo uma nova era para IA multimodal

Os limites da tecnologia de inteligência artificial estão em constante expansão. A AIbase soube pelas mídias sociais que a MiniMax, uma startup chinesa de IA, anunciou recentemente o lançamento oficial de seu servidor MiniMax MCP. Este servidor permite acessar diversas funcionalidades, como geração de vídeo, geração de imagem, geração de voz e clonagem de voz, por meio de uma simples entrada de texto. Ele é compatível com diversos clientes MCP populares, oferecendo aos desenvolvedores e criadores uma poderosa ferramenta de IA multimodal. Segue abaixo a análise detalhada da AIbase sobre este importante lançamento.

Relatório: OpenAI deve lançar a série GPT-4.1 na próxima semana, incluindo versões Mini e Nano

A OpenAI, líder em inteligência artificial, está prestes a iniciar uma nova onda de inovação tecnológica na próxima semana! De acordo com a mídia tecnológica The Verge, a OpenAI planeja lançar uma grande atualização que inclui a série GPT-4.1, a série o3 e vários outros modelos de IA. Essa onda de lançamentos intensivos não apenas demonstra a ambição da OpenAI em acelerar a inovação, mas também traz ferramentas de IA mais poderosas para o setor. Série GPT-4.1: atualização abrangente da capacidade multimodal Como sucessora do GPT-4.0, a série GPT-4.1 foi

SenseTime lança novo modelo multimodal de grande linguagem, preparando o cenário para uma nova era de interação

No dia 10 de abril, durante o evento tecnológico da SenseTime, a empresa lançou seu mais recente modelo multimodal de grande linguagem, o "SenseTime SenseNova V6", e o sistema "SenseCore 2.0". Este novo modelo visa integrar várias formas de informação, como texto, imagens e vídeos, para proporcionar aos utilizadores uma experiência de interação mais natural e rica. A série SenseNova V6 lançada inclui quatro versões, sendo a mais notável o SenseNova V6Pro.