Servidor MiniMax MCP Lançado: Chamadas com Entrada de Texto

Primeiro programador de IA multimodal da China começa a trabalhar oficialmente: lançamento do agente inteligente Wenxin Quick Code Zulu

A Conferência de Desenvolvedores de IA Create da Baidu foi realizada em Pequim. Neste evento tecnológico muito esperado, a Baidu lançou oficialmente a versão 3.5 do Wenxin Quick Code e o primeiro programador de IA multimodal da China - o agente inteligente Wenxin Quick Code Comate Zulu, marcando uma nova fase no desenvolvimento de ferramentas de programação de IA.

芯驰发布新一代4纳米 AI 座舱芯片 X10，提升智能驾驶体验

A Xinchi lançou seu chip de cabine AI X10 de 4 nm de próxima geração, melhorando a experiência de direção inteligente. O chip integra um poderoso modelo multimodal de 7B parâmetros, proporcionando recursos avançados de IA para uma experiência de condução mais intuitiva e segura.

Moonshot AI lança Kimi-Audio: novo modelo de áudio base aberto estabelece novo padrão

Recentemente, a Moonshot AI anunciou oficialmente o lançamento do Kimi-Audio, um novo modelo de áudio base de código aberto, projetado para impulsionar o progresso tecnológico nas áreas de compreensão, geração e interação de áudio. Este lançamento gerou ampla atenção da comunidade global de IA e é considerado um marco importante no desenvolvimento da IA multimodal. A seguir, apresentamos uma reportagem completa sobre os recursos principais, o desempenho e o impacto na indústria do Kimi-Audio. Recursos inovadores: capacidade de processamento de áudio multifuncional Kimi-Audio-7B-Instruct baseado em Qwen

Estrela Salto e Yuanli Lingji Anunciam Parceria Estratégica

A Estrela Salto e a Yuanli Lingji assinaram um acordo de cooperação estratégica em Pequim. Ambas as partes irão aproveitar suas respectivas vantagens tecnológicas para aprofundar a cooperação em tecnologia de modelos de linguagem multimodal, agentes de terminais inteligentes e cenários de inteligência embodied. O objetivo desta cooperação é alcançar a "inferência no mundo físico", desenvolver em conjunto um robô inteligente chamado "RoboAgent" e promover a aplicação prática da inteligência artificial geral (IAG). Na cerimônia de assinatura, o Dr. Jiang Daxin, fundador e CEO da Estrela Salto, e os cofundadores da Yuanli Lingji...

Kunlun Wanwei lança versão 2.0 do Skywork-R1V: aprimoramento da capacidade de raciocínio visual e de texto

Em 24 de abril, a Kunlun Wanwei anunciou o lançamento oficial de código aberto de seu modelo de raciocínio multimodal Skywork-R1V2.0 (doravante referido como R1V2.0). Esta versão atualizada apresenta melhorias significativas na capacidade de raciocínio visual e de texto, especialmente em tarefas de raciocínio profundo em problemas de ciências exatas do vestibular e em cenários de tarefas gerais, tornando-se um dos modelos multimodais de código aberto mais equilibrados em termos de capacidade de raciocínio visual e de texto.

NVIDIA lança o modelo de linguagem multimodal Describe Anything: geração de descrições detalhadas de regiões específicas

A equipe de IA da NVIDIA lançou um revolucionário modelo de linguagem multimodal de grande porte — Describe Anything 3B (DAM-3B) —, projetado para descrições detalhadas e regionalizadas de imagens e vídeos. Este modelo, com sua tecnologia inovadora e desempenho excepcional, causou grande discussão no campo da aprendizagem multimodal, tornando-se mais um marco no desenvolvimento da tecnologia de IA. A seguir, a AIbase resume os principais destaques e o impacto deste modelo no setor. O avanço na descrição regionalizada: O DAM-3B se destaca por sua capacidade única de:

昆仑万维开源 SkyReels-V2：Modelo de geração de filmes de duração ilimitada

A equipe SkyReels da Kunlun Wanwei lançou e tornou de código aberto o SkyReels-V2, o primeiro modelo de geração de filmes de duração ilimitada do mundo a usar a estrutura de forçamento de difusão (Diffusion-forcing). O modelo realiza a otimização colaborativa combinando modelos de linguagem grandes multimodais (MLLM), pré-treinamento multiestágio, aprendizado por reforço e a estrutura de forçamento de difusão, marcando uma nova etapa na tecnologia de geração de vídeo.

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