Recentemente, a comunidade Modelers lançou oficialmente os modelos multimodais de código aberto Step-Video e Step-Audio, desenvolvidos pela Step-Video. Esses dois modelos são usados, respectivamente, para geração de vídeo e interação de voz, com o objetivo de fornecer ferramentas de IA mais poderosas para desenvolvedores e empresas. O modelo Step-Video, com o nome completo Step-Video-T2V, é um modelo de geração de vídeo de código aberto com 30 bilhões de parâmetros, o maior do mundo. O modelo pode gerar diretamente vídeos de 20...

A Hedra anunciou recentemente o lançamento do seu novo modelo de IA, o Character-3, e do Hedra Studio, uma plataforma que permite inferência conjunta de imagem, texto e áudio. Esta inovação representa um grande avanço na tecnologia de avatares digitais, permitindo uma interação mais natural e realista.

Modelo de vetor multimodal BGE-VL lançado pela Baidu, inaugurando uma nova era na recuperação de informações.

Em 6 de março, o Instituto de Pesquisa de Inteligência Artificial de Pequim anunciou o lançamento do modelo de vetor multimodal BGE-VL de código aberto, uma conquista que marca um novo avanço no campo da busca multimodal. O modelo BGE-VL alcançou os melhores resultados em tarefas de busca multimodal, como busca de imagem e texto e busca de imagem combinada, melhorando significativamente o desempenho da busca multimodal.

A Samsung anunciou recentemente que a série Galaxy S25 lançada no mercado chinês agora integra o modelo de linguagem grande DeepSeek-R1, aprimorando ainda mais seus recursos de IA. De acordo com a Samsung China, os usuários não precisam baixar aplicativos adicionais ou criar contas. Basta atualizar o Assistente Samsung para a versão mais recente ou acessar o DeepSeek-R1 através do Bixby ou da página inicial inteligente da Samsung para experimentar diversos recursos de IA, incluindo raciocínio profundo, pesquisa na web, reconhecimento de emoções, memória contextual e análise visual.

Em 3 de março, a Secretária Network Technology Co., Ltd., de Xangai, anunciou que seu mecanismo de busca de IA adicionou um novo módulo de busca de "vídeo", expandindo ainda mais sua cobertura de dados multimodais. Este novo recurso, baseado na análise e compreensão de centenas de milhões de vídeos, ajuda os usuários a encontrar de forma mais eficiente os recursos de vídeo de aprendizado e entretenimento de que precisam.

A Baidu anunciou que seu mais recente modelo de IA Wenxin 4.5 será lançado oficialmente em 16 de março. O modelo Wenxin é um investimento importante da Baidu na área de inteligência artificial e, desde seu lançamento inicial há dois anos, causou um impacto significativo em todo o mundo.

A Baidu está se preparando ativamente para o lançamento de sua próxima geração de modelos de inteligência artificial, com expectativa de lançamento oficial do Ernie 4.5 em meados de março. De acordo com fontes internas, a nova versão apresentará melhorias significativas em vários aspectos, incluindo o raciocínio, marcando outro avanço importante da Baidu em tecnologia de IA.

Recentemente, a Microsoft lançou oficialmente em seu site um modelo básico de agente de IA multimodal chamado “Magma”. Essa nova inteligência artificial possui a capacidade de transcender os mundos digital e físico, podendo processar simultaneamente vários tipos de dados, como imagens, vídeos e texto. Em comparação com os assistentes de IA tradicionais, a característica única do Magma é sua capacidade de previsão psicológica, permitindo-lhe entender com mais precisão as intenções e comportamentos futuros de pessoas ou objetos em vídeos. As aplicações do Magma são vastas; os usuários podem utilizar essa IA

Recentemente, a Tongyi anunciou o lançamento em código aberto de seu mais recente modelo de linguagem grande Tongyi Wanxiang Wan2.1. O Wan2.1 é um modelo de IA focado na geração de vídeos de alta qualidade, que se destaca no processamento de movimentos complexos, na reprodução de leis físicas reais, na melhoria da qualidade cinematográfica e na otimização da obediência a comandos, tornando-se uma ferramenta preferencial para criadores, desenvolvedores e empresas que buscam abraçar a era da IA.

Em 25 de fevereiro, na Conferência Global de Desenvolvedores de 2025 da SenseTime, a SenseTime anunciou uma atualização completa de sua ferramenta de produtividade de IA, a família de guaxinins da SenseTime. Essa atualização reforça ainda mais suas capacidades multimodais, acelerando a implementação de aplicativos de IA e evoluindo para um agente de IA. Esta atualização não apenas melhora o desempenho da ferramenta, mas também retorna a IA à sua missão mais básica: ser uma ferramenta de produtividade poderosa.

O Ovis2 é a versão mais recente da série de modelos Ovis, criada pela equipe de internacionalização da Alibaba. Em comparação com a versão anterior 1.6, o Ovis2 apresenta melhorias significativas na construção de dados e nos métodos de treinamento. Ele não apenas fortalece a densidade de capacidade dos modelos de pequena escala, mas também melhora significativamente a capacidade de raciocínio em cadeia de pensamento (CoT) por meio de ajuste fino de instruções e aprendizado de preferências. Além disso, o Ovis2 introduziu a capacidade de processamento de vídeo e várias imagens, além de aprimorar as capacidades multilíngues e de OCR em cenários complexos, melhorando significativamente a utilidade do modelo.