Gemini 3 Flash逻辑推理全对，无需搜索工具
基于Linux.do的讨论，Gemini 3 Flash在逻辑题库测试中表现优异，所有题目均答对且无需调用搜索工具。相比之下，Gemini 3 Pro在数学方面稍弱，但调用Python工具后也能完成第一题。这突显了多模态AI模型在逻辑推理和...
标签索引 / 第 19 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
Gemini 3 Flash性能评测：超越2.5 Pro，性价比之王
本文基于手动测试数据，详细分析了谷歌Gemini 3 Flash模型的表现。测试数据来源于竞技场和官方渠道，由于尚未有API版本，部分为单轮测试，仅体现趋势。结果显示，该模型在100K召回率测试中达到100%，完全超越2.5 Pro版本，被...
开源画布式AI平台：生成可编辑PPT工作流
NextCreator是一款开源的画布式AI工作流创作平台，基于Tauri构建，支持网页端和桌面端。它整合NanoBananaPro技术，提供节点式编辑界面，支持AI图片生成、视频生成（基于Sora模型）、多模态文本生成等功能。平台可自动生...
AMC支持Gemini 3超高清分辨率与精细控制
All-Model-Chat（AMC）是一款全能AI聊天助手，深度集成Google Gemini API生态，支持多模态交互（文本、语音、图片、视频）、实时联网搜索、代码执行、长文档分析及高级推理功能。其最新特性包括支持设置媒体分辨率至UL...
GPT-5.2多模态疑似史诗级升级
近日，关于GPT-5.2多模态能力的讨论引发关注。据Linux.do用户测试，GPT-5.2在处理PDF文档时表现优异，速度远超以往版本，且能精准引用知识点。这一改进疑似源于向Google Gemini学习，后者以visual token处...
智谱发布5大开源模型，AMA活动等你提问
智谱本周重磅发布了5款开源模型，涵盖GLM-4.6V多模态大模型、CogVideo家族视频生成模型、CogView家族图像生成模型以及GLM-TTS语音合成技术。公司将于北京时间12月11日傍晚6点至晚10点举办AMA活动，邀请模型训练团队...
语言模型多模态测试题库：全面评估AI能力
本文介绍了Linux.do社区上的Wiki语言模型区分题库，涵盖逻辑推理、知识储备、图像识别、脑筋急转弯、代码执行、工具调用、幻觉检测和ASR能力等多模态测试领域。编辑建议强调使用权威模型进行标准化测试，要求每题测试5次，准确率≥80%归入...
Gemini Business 2API升级：支持多模态与Docker一键启动
Gemini Business 2API迎来重大更新，现已全面支持多模态功能，允许处理文本、图像等多种数据类型，显著提升AI应用能力。最新版本1.4通过Docker实现一键启动，极大简化部署流程，降低开发者使用门槛。版本历史显示，1.1支持...
豆包App功能远超网页版，多模态体验差异引关注
有用户发现国内AI模型豆包在移动网页版和App版之间存在明显功能差异。尽管移动网页版已新增生图和视频生成等多模态功能，但与App版相比仍显不足，回答内容也不完整。这一现象引发用户猜测，可能电脑端也存在类似情况，需安装软件才能获得最佳体验。该...
LightRAG：AI驱动的多模态RAG系统升级
LightRAG是由香港大学数据科学团队开发的开源检索增强生成（RAG）系统，结合知识图谱与LLM技术，提供高效文档处理与查询能力。新版本集成RAGAS评估与Langfuse追踪工具，优化大规模数据集处理性能，提升知识图谱提取精度，并支持多...