#多模态模型

共 9 篇相关文章

Cloudflare开源决策模型Clef：27B多模态模型，接收状态与类型化问题模式，单次前向传播输出结构化概率，无需文本生成与解析，兼容Jev和SystemOne。

CMU 2026 AI Agent公开课第七讲深度解读：计算机操作智能体（CUA）的九年演进史、四类评测范式（静态/端到端/LLM裁判/人工），以及预训练、SFT、RL三阶段训练流程，从World of Bits到GPT-6 Astra全景剖析。

小米发布多模态大模型MiMo-V2.6，推出Pro（1.02T参数）与Flash（309B参数）两个MoE版本，支持1M上下文、原生FP8权重与DFlash投机解码，并获得vLLM零日支持，同步开放权重与RL训练栈。

耶鲁大学等机构推出SciMDR框架，通过两阶段数据合成流水线，让70亿参数小模型在科研文献阅读理解上达到接近GPT-5水平。本文详解其降维构建与升维重塑的核心技术原理及实验结果。

深度解析StepFun AI发布的Step 3.7 Flash，一款198B参数稀疏MoE视觉语言模型，支持256K上下文与三级推理，在多模态理解、AI编程和Agent工具编排方面表现顶尖，已获SGLang首日支持。

Meta超级智能实验室发布Muse Spark，一款原生多模态推理模型，支持视觉思维链、工具调用和多智能体协调。本文深入解析其核心能力、开源策略及行业竞争格局。

深度解析MiniMax公司核心技术能力，包括多模态基础模型、超长上下文处理、Agent智能体等，了解这家AGI公司的产品生态与行业竞争优势。

2026年AI行业正从生成式AI迈向Agentic AI代理式时代。深度解读GPT-5.5代理能力、Claude自主学习、Physical AI部署、DeepSeek V4开源突破，以及推理优化、多模态模型与全球AI竞争格局的最新趋势。

awesome-pretrained-chinese-nlp-models 是GitHub上5500+ Star的中文预训练模型索引项目，系统收录BERT、ChatGLM、Qwen等大语言模型及多模态模型，按任务、规模、领域分类，帮助开发者快速完成中文NLP模型选型。