AI虚拟女友新进展：Mori v0.1.0支持多模态与工具集成
Mori v0.1.0是一个基于AgentScope框架构建的虚拟AI女友agent系统，目前已开源至GitHub平台。该系统支持多种AI模型供应商（如OpenAI、Claude等），采用Gradio作为GUI前端，并利用Jinja2模板渲...
标签索引 / 第 18 页
多模态
这个标签下有 190 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
Lim Code：VSCode AI插件支持多模态工具，解决卡顿问题
Lim Code是一款专为VSCode设计的AI编程插件，集成了多模态工具支持，如图像生成、抠图、旋转等，解决了现有插件如Kilo Code和Roo Code的卡顿和bug问题。该插件支持Gemini、Anthropic和OAI兼容格式，支...
2025最新AI大模型全栈课程：从基础到生产级应用实战
聚客AI大模型第六期提供了2025年最新的AI大模型全栈学习资源，涵盖从基础到高级的多个技术领域。课程内容包括RAG技术与应用、MCP技术开发、LangChain框架应用、LangGraph工作流编排、大模型微调技术（LLamaFactor...
Gemini 3 Flash 多模态模型：下一代计算机控制新突破
从Linux.do论坛的讨论中获悉，下一代计算机控制模型可能基于Gemini 3 Flash，而非Pro模型，因为Pro模型运行速度较慢。Gemini 3 Flash保持了强大的多模态能力，预计将支持更多动作，主要用于操作系统级别的控制，而...
Google集成Opal至Gemini，多模态AI竞争升级
Google正式将Opal集成至Gemini模型，进一步强化其原生多模态处理能力。凭借谷歌在搜索引擎、YouTube等平台的数据优势，Gemini在AI竞争中展现出显著优势，尤其在图像、音频等多模态数据处理上高效且低成本。与OpenAI相比...
AMC更新：支持YouTube视频导入，Gemini API加持
最近，AMC发布了一项重要功能更新，正式支持导入YouTube视频链接，利用Gemini API原生能力，实现快速导入和处理大体积视频文件。这一更新针对当前对YouTube视频分析的高需求，为用户提供了更便捷的工具。该功能深度集成Gemin...
Gemini 3 Pro评测：用户亲测表现平平无奇
作者分享使用谷歌Gemini 3 Pro的亲身经历，在代码编写中遇到各种问题，前端开发错误多且解决困难，对比Trae CN solo表现更优；研究模式和知识库功能产出不佳，存在幻觉和逻辑错误。评价Gemini比DeepSeek强一点（多模态...
AI聊天优化提示词：提升对话质量的工程技巧
本文分享了一个针对AI聊天机器人的提示词工程案例，专为优化与女生的交流设计。提示词基于Gemini Pro模型，强调多模态优势（优于DeepSeek），包含角色设定（如Eros认知心理学家）、思维链协议（情绪侦测、陷阱识别）和结构化输出格式...
Gemini 3 Flash 视觉能力媲美Pro版，超越GPT模型
本文报道了一个社区共建的语言模型区分题库Wiki项目，涵盖逻辑推理、知识储备、识图能力等多模态测试框架。测试结果显示，Google的Gemini 3 Flash在视觉任务中表现与高端版3 Pro相当，显著优于OpenAI的GPT 5.2。该...
谷歌AI军备竞赛：全方位优势难以撼动
谷歌在AI竞赛中展现出全方位领先优势。模型层上，谷歌拥有第一梯队多模态闭源和开源模型，并在生物学领域通过AlphaFold实现垄断。应用层中，谷歌全家桶、搜索引擎及AndroidOS已集成AI overviews，提供无缝体验。数据来源方面...