搜索[多模态模型]结果-低调大师优秀个人博客

精选列表

搜索[多模态模型]，共10000篇文章

打破“次元壁”：多模态原生Agent、实时流式交互与具身感知工程化实战

【机器之心/斯坦福HAI综合报道】 2026年7月，随着GPT-5o与Gemini 2.5等多模态原生模型（Natively Multimodal Models）的全面普及，AI Agent正式从“文本对话框

2026-07-12

Claude Code + DeepSeek V4 唯一的遗憾要被补齐了：多模态识图灰度上线

不是凭空出现：那些被忽略的多模态铺垫很多人以为 DeepSeek 之前一直只做文本，识图能力是凭空冒出来。

2026-04-30

🔥 VTJ.PRO 重磅集成 Gemini 3，开源AI低代码引擎迈入多模态智能新纪元

此举标志着这款明星开源项目不再局限于单一AI能力，而是进化成一个具备多模态深度理解、复杂逻辑推理与高质量代码生成的智能开发平台，为前端与全栈开发者带来前所未有的效率革新。

2026-01-15

通义万相团队发布 Wan2.5-Preview，实现多模态输入与电影级视频同步生成

✂️ 图像编辑 —— “改字不崩脸”的工业级修图指令编辑：支持丰富编辑任务（换背景/改颜色/加元素/调风格），指令理解精准，无需专业PS技能；一致性保持：支持单图/多图参考垫图，人脸、商品、风格等视觉元素

2025-09-24

智源联合南开大学开源 Chinese-LiPS 中文多模态语音识别数据集

智源研究院宣布已开源与南开大学共同构建的 Chinese-LiPS 中文多模态语音识别数据集。

2025-05-13

谷歌搜索测试「AI Mode」：整合多模态和实时信息、一键解答复杂问题

谷歌表示，AI 模式将提供更高级的推理、思考和多模态能力，帮助用户更高效地获取信息。谷歌表示，以往用户在处理复杂问题时，往往需要多次搜索才能解决，而“AI 模式”能够解决这个痛点。

2025-03-06

搜狗 AI 交互技术部总经理陈伟：未来AI语音交互产品将会走向多模态

借此契机，陈伟于 2012 年 8 月加入搜狗，负责带领搜狗 AI 交互技术团队，围绕搜狗“自然交互 + 知识计算”的 AI 战略，重点布局搜狗多模态人机交互技术的研发和产品化工作，研究的领域覆盖了多模态人机交互系统的各项技术

2020-06-03

新能源汽车充电站AI安全预警系统方案：多模态感知破解占位与通行乱象

随着新能源汽车保有量的激增，充电站“建得多、用得乱”的问题日益凸显。燃油车占位、非机动车乱停、场内超速逆行等行为，不仅降低了充电设施利用率，更埋下了安全隐患。传统的道闸+地锁方案成本高、体验差，且无法应对复杂动态场景。新能源汽车充电站AI安全预警系统方案通过纯视觉感知与边缘智能分析，实现了对场站全要素的实时理解与主动干预，为充电运营商提供了轻量化、高精度的数字化治理新路径。

2026-09-19

一个字段，搜遍所有媒体：用 semantic 字段为微信打造多模态搜索

Elasticsearch 9.5 的 semantic 字段让多模态搜索像文本搜索一样简单。

2026-08-18

台青辣董AIMV《阿母欄红龟粿》方言AI声纹建模：腾讯云多模态管线实践

我是廖昌威（辣董），一名闽南语母语者兼 AI 全栈开发者，用"方言声纹建模 + 微距超写实多模态管线"做的 AIMV《阿母欸紅龜粿》，拿下了第三届「京彩台湾」两岸青年短片大赛 AI 特别单元·我的家庭记忆三等奖

2026-07-24

多模态RAG幻觉率仍超40%，5段代码构建可信检索增强生成管道

引言：多模态RAG的信任危机 2026年7月，随着企业知识库全面向图文、表格、PDF等多模态数据演进，多模态RAG（检索增强生成）成为标配。

2026-07-15

多模态GEO优化：实景照片、门店短视频、门店实景全景图嵌入地理坐标提升权重

随着生成式AI与本地生活检索体系全面升级，主流平台本地流量排序逻辑已彻底革新，不再单一依靠文字关键词匹配，而是形成文本语义权重+视觉实景可信度权重+地理元数据确权权重+时空场景匹配权重四维评分体系。据行业公开检索权重拆分数据显示，在实体门店本地搜索场景中，地理元数据确权权重整体占比超42%，是决定平台判定门店真实度、本地匹配度、自然推荐优先级的核心维度。

2026-07-14

27B 数理 SOTA 与 3 秒情感克隆，有道全面开源“子曰 4”多模态与 TTS 引擎

“子曰4" 正式迈入全模态时代，不仅全面支持文本、图片、音频的融合交互，有道更宣布将核心的“多模态模型”与“语音合成（TTS）模型”

2026-05-20

Humanoid Occupancy 建立多模态环境理解新范式

天然适配多模态融合：相较于点云、网格等其他三维表示方法，语义占用可将RGB图像、深度信息、LiDAR点云等多类传感器数据方便地统一整合至空间体素中，使得该系统在数据结构规范性、语义标注便捷性及下游任务接口兼容性上更具通用性与可扩展性

2025-08-07

MiniMax H3 开源：33B 全模态模型，一个视觉语言模型只够当它的编码器

MiniMax 今天开源了 H3，一个 33B 参数的全模态生成模型，能生成带原生立体声的 2K 视频。

2026-08-03

多模型接入场景下的 AI 调用审计设计

企业使用大模型时，风险往往不在“模型是否可用”，而在调用过程是否可控。

2026-09-28

Erupt 2.2.0 已发布，支持模型图谱 + 多维表格 + 多主题

2026-09-14

多模型 API 调用架构：分层、路由与熔断降级实践

最近模型 API 市场有两个明显变化：一是头部厂商陆续调价，单价涨幅普遍不小；二是部分厂商在调价同时调整计量方式，同一段代码消耗的 Token 数明显增多。

2026-08-31

Perplexity Computer 发布，支持多模型协作的智能体系统

多模型协同成为核心架构 Perplexity Computer 的关键创新之一在于“多模型协作”。

2026-02-26

利用多Lora节省大模型部署成本｜得物技术

然而，如果业务场景众多且每个场景的流量较小，就需要部署多套大模型。以常见的7B大模型为例，至少需要一块22G显存的显卡才能运行，而14B模型需要两块22G显存的显卡，70B的大模型则需要更高的成本。

2024-08-20

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。