商汤“日日新”大模型推出免费Token计划，多模态能力零门槛体验
商汤科技旗下的“日日新”大模型引发社区关注，核心在于其推出了“Token Plan 免费”计划。作为商汤的原生多模态大模型，日日新致力于突破技术边界。此次开放免费Token额度，意味着用户和开发者可以零成本体验其多模态能力。这一动作不仅降低...
标签索引 / 第 3 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
AI图解逻辑题：多模态能力正在重塑人类的学习与应试方式
近日，一则关于利用 AI 辅助备考的案例引发关注。用户在解决行测逻辑判断题（数独）时，发现 GPT 的纯文本解析晦涩难懂，但在要求 AI 进行“图形化生成”后，复杂的逻辑瞬间变得清晰直观。这一体验不仅验证了多模态大模型在逻辑推理可视化方面的...
100% AI编程打造的开源神器：小遥搜索V2.0发布，Notion风UI重塑本地多模态搜索体验
小遥搜索 v2.0.0 正式开源，这是一款主打隐私安全的本地 AI 搜索桌面应用。新版本彻底重构了 UI，引入 Notion 温暖明亮风格与零网络依赖的系统字体栈，视觉与性能显著提升。该工具支持语音、文本、图片多模态输入，能深度检索本地文档...
实测Qwopus3.6-27B：200k上下文加持，多模态与推理能力表现惊艳
近日，社区用户实测了由Jackrong蒸馏的Qwopus3.6-27B-v1-preview模型，效果令人印象深刻。该模型主打200k超长上下文窗口与多模态能力，实测中其图像识别速度极快，基本实现秒回。在代码编写任务中，模型响应迅速，不做过...
DeepSeek火速上线多模态功能，实测OCR识别能力引发争议
继DeepSeek V4发布后，有用户发现其火速上线了多模态功能。然而，实测结果显示DeepSeek在视觉理解方面存在明显短板，特别是在手写文字OCR识别上，错误率高达90%，表现远逊于豆包（30%）和Llama 3.1（10%）。此外，测...
DeepSeek 多模态能力落地：识图功能实测上线，正式开启视觉理解新阶段
继在推理领域大放异彩后，DeepSeek 再次展现其技术野心。据社区用户实测反馈，DeepSeek 已悄然上线识图模式，正式迈入多模态交互时代。用户上传了一张在潮州拍摄的小猫图片，模型成功完成了识别与交互。这一更新标志着 DeepSeek ...
社区实测DeepSeek上线多模态能力：继推理突破后向视觉领域扩张
近日，科技社区发现DeepSeek似乎已悄然上线多模态能力。用户实测反馈显示，模型在处理图像相关任务时表现稳健，引发了对DeepSeek是否已部署原生多模态架构的猜测。此前DeepSeek凭借R1模型在推理性能上惊艳业界，此次若证实具备视觉...
小米豪掷2亿Token扶持开发者：MiMo V2.5上线，大模型“烧钱”抢人战升级
有开发者在V2EX社区分享称收到小米大模型团队邀请，成功入选“MiMo Orbit激励计划”并获赠高达2亿Token的算力额度。这标志着小米MiMo API平台已全面升级至V2.5版本，开放了包括旗舰推理、多模态理解及语音合成在内的全系列模...
修复CLIP“模态鸿沟”：CS-Aligner利用分布对齐重构视觉语言学习范式
本文分享了一篇入选ICLR 2026的论文CS-Aligner，直击当前CLIP类模型的痛点：仅靠InfoNCE损失函数会导致图文特征在空间分布上产生明显的“模态鸿沟”。CS-Aligner创新性地引入柯西-施瓦茨（CS）散度作为额外监督项...
DeepSeek多模态大模型即将登场，研究员陈小康剧透技术进展
DeepSeek多模态研究员、北京大学博士陈小康近日在社交媒体X上透露，DeepSeek即将推出全新的多模态模型。作为近期在AI开源社区极具影响力的团队，DeepSeek此前发布的代码和模型已引发行业震动。陈小康的此番发声引发了技术社区的广...