阿里通义千问开源Qwen3-VL视觉理解模型，4B/8B双版本实现多模态突破
阿里通义千问正式开源Qwen3-VL系列视觉理解模型，4B与8B版本通过密集架构实现显存优化，在STEM问答、VQA、OCR等任务中综合性能领先竞品，支持端侧实时AI应用，推动国产多模态模型小型化技术...
排序
苹果开放FastVLM浏览器试用版：本地运行85倍速视频字幕生成，重塑AI交互体验
苹果正式开放FastVLM视觉语言模型浏览器试用版，该模型依托MLX框架实现85倍速视频字幕生成能力，支持Mac设备本地运行且无需云端依赖。探索其在社交媒体、在线教育及视障辅助领域的革命性应用，体验低...
吉林大学AI重大突破：ScreenExplorer智能体实现GUI自主操作
吉林大学研发ScreenExplorer智能体实现GUI自主探索与操作，融合强化学习与大模型技术，推动AGI发展。该成果已应用于跨平台测试及无障碍辅助领域，技术代码开源共享。