标签：多模态 第2页

AMC 1.8.4 版本更新带来重大功能改进，免费集成 Google Gemini AI 模型，支持多模态交互（文本/语音/图片/视频）。新增系统音频录制功能，优化语音输入、快捷键自定义和富文本粘贴体验。项目深度集成 Gemini 生态，提...

赞(0)Toy2026-01-03前沿 阅读(37)去评论

元旦假期，作者回家发现普通工薪家庭的父母也在使用豆包AI应用。尽管对互联网不熟悉，他们开始利用豆包完成日常任务如查询菜谱、生成动态图片。豆包作为多模态AI工具，日活用户已过亿，显示AI技术快速渗透普通人生活。作者反思，好的AI不在于复杂功能...

赞(0)Toy2026-01-02前沿 阅读(34)去评论

All Model Chat是一款深度集成Gemini生态的全能AI聊天助手，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。内置丰富的预设场景与个性化配置，助用户探索AI无限可能。最新更新新增了...

赞(0)Toy2026-01-02前沿 阅读(33)去评论

开发者Amery2010推出炫酷GitHub年报生成器Cybergit，支持个性化年度报告生成。同时分享多个开源AI项目：基于Google Gemini的Deep Research工具实现快速深度研究；Gemini Next Chat客户端...

赞(0)Toy2025-12-31前沿 阅读(36)去评论

Qwen-Image-2512作为Qwen-Image模型的最新更新，显著提升了图像生成质量。该模型在人物真实感、自然细节渲染和文字准确性方面均有突破，尤其在人像表现上减少了AI痕迹。性能评估显示，它在AI Arena上经过10,000轮盲...

赞(0)Toy2025-12-31前沿 阅读(39)去评论

开发者基于AutoJS魔改出AutoX，并集成MCP服务端，实现类似豆包手机的AI控制功能。通过驱动codex-5_2模型，AutoX能完成自动化任务。项目旨在推动社区开发更复杂技能，并计划添加多模态支持以替代OCR在复杂场景中的不足。目前...

赞(0)Toy2025-12-30前沿 阅读(35)去评论

用户实测对比Gemini 3.0 Pro在网页端、Google AI Studio和Gemini Ultra DeepThink的表现，处理多模态年度总结任务。结果显示DeepThink最优，AI Studio次之，网页端最差且存在脱离pr...

赞(0)Toy2025-12-30前沿 阅读(42)去评论

在Linux.do论坛上，用户分享了一道能难住主流AI模型的数学题。题目源自中国数学竞赛（CMO），要求找到最小正整数n，使得在正n边形顶点任意染红、黄、蓝三色时，必然存在四个同色点形成等腰梯形。答案为17，但多模态模型Gemini 3 f...

赞(0)Toy2025-12-29前沿 阅读(48)去评论

开源项目PolarisDesk是一款AI驱动的跨平台桌面助手，旨在成为更懂用户电脑状态的智能工具。它支持多模型适配（如Claude）、文档理解、屏幕信息读取等功能，基于Electron架构构建。项目提供多种实用场景，如自动生成命令、分析错误...

赞(0)Toy2025-12-28前沿 阅读(41)去评论

AutoGLM For Android是一款基于Open-AutoGLM开源项目的二次开发应用，革命性地将复杂的AI任务直接引入Android设备，无需电脑或ADB连接。通过Shizuku授权，用户可在手机上无缝控制各种任务，包括自定义系统...

赞(0)Toy2025-12-27前沿 阅读(40)去评论

用户在Linux.do社区分享GLM-4.7的深度使用体验，通过多项式因式分解和立体几何等实际测试，验证了模型的多模态能力，均成功解答。然而，用户指出性能降智问题，如重复写入时识别错误、自定义指令执行异常，以及实际用量不足导致被欺骗感。作者...

赞(0)Toy2025-12-26前沿 阅读(43)去评论

本文作者对2026年AI发展提出了26项前瞻性预测，涵盖中国AI崛起、多模态技术统一、智能体突破、研究进展、产品创新和基础设施建设等多个维度。预测包括中国开源模型在国际榜单登顶、纯扩散模型被多模态替代、AI短片获主流认可、智能体计算取得突破...

赞(0)Toy2025-12-26前沿 阅读(49)去评论

Open-AutoGemini是一个开源项目，基于Open-AutoGLM框架开发，专门适配谷歌Gemini AI模型，使其能够接管并控制手机操作。该项目利用Gemini 3 Flash强大的多模态能力和高速响应特性，通过原生工具调用实现高...

赞(0)Toy2025-12-26前沿 阅读(39)去评论

这款AI驱动的一站式绘图平台正式上线，用户可免费体验。平台支持三个绘图引擎，响应速度达秒级，并优化了Mermaid等图表样式。提供项目管理系统，所有数据本地存储，保障隐私。支持多模态输入，包括文档可视化、图片复刻和链接解析。版本管理功能完善...

赞(0)Toy2025-12-25前沿 阅读(39)去评论

近日，全国规划资源领域首个基础大模型‘云宇星空大模型（专业版）’在上海正式发布。该模型由上海市规划资源局与商汤大装置联合研发，基于海量高质量‘文本-图像-空间’多模态行业语料，实现了城市空间治理领域全链路认知与决策能力的突破性构建。技术底座...

赞(0)Toy2025-12-25前沿 阅读(37)去评论

本文系统拆解大模型选型的核心技术参数，涵盖模型系列、架构类型、参数规模、后训练方式、量化精度和上下文长度。作者基于两年AI应用开发经验，详细解析了如Qwen3、VL、MoE等专业概念，并提供了量化精度选择策略和显存估算方法。文章强调理解这些...

赞(0)Toy2025-12-24前沿 阅读(33)去评论

本文详细介绍了一款名为MTGA的开源工具，帮助个人开发者突破Trae企业版限制，实现自定义API与大模型接入。通过四个简单步骤，用户可轻松配置代理服务，支持GPT-4o、Claude 3.5等先进模型，甚至启用多模态能力。教程提供了详细的参...

赞(0)Toy2025-12-23前沿 阅读(55)去评论

作者为完善RAG（检索增强生成）教程，计划新增多模态年报检索或文档规范审查项目实战，现公开征集技术建议和改进意见。教程基于GitHub开源项目（https://github.com/datawhalechina/all-in-rag），社区...

赞(0)Toy2025-12-23前沿 阅读(41)去评论

Gemini Nexus v3.1作为Chrome浏览器插件，成功免密钥调用Google Gemini人工智能，带来多项创新功能。更新包括生图自动去水印、图片编辑、思考过程显示、多模态文件上传、截图翻译、整页聊天以及支持发送图片等。用户只需...

赞(0)Toy2025-12-22前沿 阅读(39)去评论

Gemini Nexus v3.1是一款强大的Chrome浏览器扩展，集成Google Gemini AI，提供多种实用功能。新版本支持生图自动去水印、图片编辑、思考过程显示、多模态文件上传、截图翻译、大香蕉绘图、整页聊天，并支持发送图片。...

赞(0)Toy2025-12-21前沿 阅读(42)去评论