多模态AI

腾讯混元图像3.0登顶全球文生图榜单第一，正式登陆元宝App。这款800亿参数开源模型支持2048×2048超高分辨率，可实现表情包、人像写真等专业级图像生成，已助力电商、游戏行业提升80%开发效率。

了解字节跳动豆包平台最新AI驱动的3D模型生成工具，支持图像和混合生成模式，专注于游戏开发和工业级应用，预计短期开放，助力多模态AI生态发展。

谷歌2025年重磅开源Gemini CLI框架，详解其命令行终端集成Veo视频模型、Imagen图像模型的技术优势，免费政策及与Claude Code的竞争格局，揭示AI编程工具链新趋势。

蚂蚁数科在香港金融科技节发布创新多语种多模态大模型训练框架，通过语言感知优化机制提升小语种理解能力，在主流多语言VQA基准测试中准确率提升9.5%，评测总分超越GPT-4o、Gemini等国际主流模型...

本文深度解析谷歌Mixboard AI工具的核心功能与技术优势，探讨其如何通过Gemini 2.5 Flash模型和自然语言交互，为家居设计、活动策划等场景提供高效可视化解决方案。

谷歌相册6.48版本推出AI图生视频自定义提示词功能，用户可通过自然语言指令精准控制视频生成方向，基于Veo 3模型的技术升级使生成准确率提升40%，实现从随机创作到精准定制的跨越。

谷歌发布Gemini大模型能耗报告：文本生成单次仅耗电0.24瓦时，同步推出轻量级Gemma 3 270M模型。深度解析其Transformer架构优化、40%能耗降低技术，及在移动端多模态处理场景的...

谷歌Gemini API全面集成URL Context功能，支持直接处理URL内容（网页、PDF、图像），实现34MB大文档解析和多模态理解。本文解析其技术优势、对RAG架构的革新及在数据分析领域的S...

阿里巴巴通义万相2.6模型正式发布，作为国内首个支持角色扮演的AI视频生成技术，可实现基于人物外观与音色的定制化视频生成，提升至15秒时长，适用于影视、广告及短剧制作，现已上线阿里云百炼平台，助力企业...

MiniMax发布新一代海螺2.3视频生成模型，在肢体动作、微表情和风格化处理实现技术突破，配合Media Agent工具实现全流程自动化创作，生成速度提升50%，为专业创作者提供高效视频生成解决方案...