搜索[端侧多模态]结果-低调大师优秀个人博客

精选列表

搜索[端侧多模态]，共10015篇文章

腾讯混元开源多模态定制化视频生成工具 HunyuanCustom

腾讯混元宣布正式推出并开源全新的多模态定制化视频生成工具 HunyuanCustom。

2025-05-09

新加坡国立大学计划推出多模态大模型 NExT-GPT

新加坡国立大学下一代搜索技术联合研究中心（NExT++）近日公布新计划——开发一款可以突破输入端多模态理解限制的大模型 NExT-GPT。

2023-09-12

阿里云开源通义千问多模态大模型 Qwen-VL

QwenLM/Qwen-VL 技术论文地址： https://arxiv.org/abs/2308.12966 Qwen-VL以通义千问70亿参数模型Qwen-7B为基座语言模型研发，支持图文输入，具备多模态信息理解能力

2023-08-25

腾讯混元推出 0.3B 端侧模型，内存占用仅 600MB

腾讯混元宣布，基于首个产业级 2Bit 端侧量化方案，正式推出一款面向消费级硬件场景的“极小”模型 HY-1.8B-2Bit，等效参数量仅有 0.3B，内存占用仅 600MB，比常用的一些手机应用还小。

2026-02-10

iOS 26 新增实时翻译：基于端侧并向第三方开放接口

tab=readme-ov-file（@AIGC 开放社区、@OneThingAI Lab） 02 有亮点的产品 1、Apple Intelligence 实时翻译功能：基于端侧、横框多个应用、向第三方开发者开放

2025-06-10

清华&面壁团队队开源 AgentCPM-GUI，面向中文 APP 的端侧 GUI Agent

近日，清华大学联合面壁智能团队发布了 AgentCPM-GUI —— 一个面向中文 APP 的端侧 GUI Agent，已在中文 Android 场景和开源 Benchmark 取得 SOTA 性能。

2025-05-14

面壁智能发布 MiniCPM3-4B 基座模型，“端侧 ChatGPT 时刻到来”

面壁智能官方宣布，面壁「小刚炮」系列进化为全新 MiniCPM 3.0 基座模型，以 4B 参数，带来超越 GPT-3.5 的性能，并表示“端侧 ChatGPT 时刻到来”。

2024-09-06

网易有道开源 EMLL：高性能端侧机器学习计算库，大幅提高计算性能

开源地址：https://github.com/netease-youdao/EMLL 一、端侧AI 端侧AI具有以下优势：低延时保证数据隐私不依赖网络端侧AI挑战：处理器算力有限，远低于云端计算能力

2021-06-17

端产品多版本共存服务器端兼容的问题

今天偶然跟同事聊天，说到pc端产品升级的问题，由于我们是服务器端，理论上我们需要兼容不同版本的产品。

2017-11-26

延迟只多 0.8 毫秒，检索质量涨 2.92%：抖音 DME 怎么让多模态检索又快又准

💡 一句话总结：抖音搜索团队提出 DME，用"隐式 latent reasoning + 跨条件重建"两个训练期机制，让多模态嵌入在不增加推理延迟的前提下既快又准，还提出 acc@K 指标证明嵌入向量能解码回文本

2026-08-12

Android侧滑-RecyclerView轻松实现高效的侧滑菜单

一前言利用系统类ItemTouchHelper实现简单高效的RecyclerView侧滑菜单!

2018-08-30

AI Agent 三大核心方向深度解析：Agentic 工作流、多智能体系统与多模态 RAG

无论是单 Agent 的推理-行动循环，还是多 Agent 协作系统，亦或是多模态检索增强生成，都已成为构建下一代 AI 应用的核心范式。

2026-08-06

面壁智能联合清华大学开源 1.58-bit 端侧大模型 BitCPM-CANN

面壁智能宣布联合清华大学、OpenBMB开源社区，在清华大学鲲鹏昇腾科教创新卓越中心的支持下，正式发布并开源其在低比特大模型训练方向的最新成果——BitCPM-CANN。根据介绍，从量化算子、训练算法到全链路框架，BitCPM-CANN 均在华为昇腾上原生完成，包含 0.5B、1B、3B、8B 四个模型尺寸，与同尺寸 MiniCPM4 全精度家族逐项对照评测，性能表现优异。相比传统 BF16 精度，BitCPM-CANN 在推理阶段释放约 6 倍显存红利，同时将模型能力保留率维持在 90%–97.2%。对手机产业来说，6 倍的显存红利意味着，一个 8B 参数的 BitCPM-CANN 大模型，可以轻松运行在当前主流旗舰手机之上。从评测结果看，BitCPM-CANN 三个尺寸模型的能力保留率达到 95.7%—97.2% 区间；即使是能力保留最弱的 0.5B，保留率也达到了 90% 以上（90.1%）。这个结果表明：低比特训练的技术路线具备系统性、可扩展性和工程可复现性。公告称，面壁智能基于 MindSpeed × Megatron-LM 主干搭建了完整的低比特训练底座，包含环境适配、32K长序列支持、并行策略、融合算子等完整工程体系。从此，所有面向昇腾的低比特训练工作，都可建立在同一套公共基础设施之上。

2026-05-26

RWKV-8 预览之 DeepEmbed：对端侧友好的稀疏设计，解决 MoE 显存占用

在此我们首先公布其中的 DeepEmbed 技术，它可以实现类似 MoE 的优秀推理性能，同时无需占用显存，甚至无需占用内存，可以让稀疏的大模型真正部署到所有端侧设备。

2025-05-28

文稿自动化预检：多模态文档质量核验技术研究

本文从工程角度，介绍多模态文档核验的技术模块与架构设计，同时分析整套方案的固有局限与文档隐私保护策略，文中会结合一个名为 FreeDetect 的开源项目作为工程实现案例。

2026-10-16

腾讯云多模态文档解析的图片提取、格式覆盖与采购指南

文档解析最容易踩的坑，是图片：解析完只拿到一堆文字，原文档里的插图、图表、签章页全丢了——多模态应用做到一半发现图文对不上，回头再补一套图像抽取开发。腾讯云多模态文档解析（MMDP）把图片资源做进了解

2026-10-13

EmbeddingGemma 2：740M 参数的多模态嵌入模型，支持本地推理

Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构的 740M 参数多模态嵌入模型。

2026-10-07

多模态与视觉大模型深度实践：从架构解析到微调部署

当前主流多模态大模型普遍采用 “视觉编码器 + 跨模态投影层 + 大语言模型” 的三段式架构。

2026-09-03

DeepSeek Harness rc.8：把多模态输入接进可插拔 Agent 工程

很多 Agent 项目卡在同一个地方：模型会回答，工具也能调用，但一旦任务同时涉及截图、日志和本地文件，开发者就得自己拼接上下文、维护多个子代理。DeepSeek Harness v0.1.0-rc.8 的价值，不只是“又发了一个版本”，而是把这些工程问题继续收敛到一个可替换的 Harness 层。

2026-08-25

DeepSeek V4-Flash 补上视觉能力，多模态 Agent 接近 Opus 4.8

说明加视觉没有牺牲文本侧的推理能力。

2026-08-21

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

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。