多模态
6 published articles
多模态 / 开源
Qwen 插件包为你的编码代理装上眼睛、双手和视频记忆
阿里巴巴 Qwen 团队发布了 Qwen-MM-Plugins，这是一个 Apache-2.0 工具包，为编码代理提供原生多模态技能：动态分辨率图像和视频读取、OCR、grounding、ASR、长视频记忆、视频生成，以及通过瘦客户端控制 Blender 和 FreeCAD。一个脚本即可在 Claude Code、Codex、Qoder、OpenClaw、Qwen Code 和 Gemini CLI 中完成安装。
2026-08-15
AI安全
Shieldstral：3B参数分类器，胜过规模七倍于己的模型
据2026年7月的一篇arXiv论文，一款3B安全分类器匹敌了体积接近其七倍的文本模型，并在多模态审核上确立了新的最先进水平。诀窍：将审核重新定义为二元问答，基于约5410万个样本进行训练。
2026-08-05
人工智能
Inkling揭示了开源模型市场的新分界线
Inkling是首个公开可用的近万亿参数模型，原生支持音频、图像和文本输入，同时拥有100万token的上下文窗口以及NVFP4量化版本。原始基准测试分数很强，但更具启示性的故事在于，开源生态系统如何从追赶者转变为在技术前沿的积极竞争者，以及Inkling在这一新版图中的位置。
2026-07-15
行业现状
十五篇AI生成文章揭示出比任何单个模型都更重要的三大转变
一个关于AI生成的15篇文章系列揭示了比任何单个模型都更重要的三大转变：多模态流水线已成为常规操作，智能体编排正取代手动链接，实时反馈正将生成过程从赌博转变为对话。
2026-07-11
人工智能
MiniMax M3 突破开源权重天花板：CUDA 加速 9.4 倍，全程无需人工干预
MiniMax M3 实现 CUDA 内核加速 9.4 倍，在 BrowseComp 上击败 Opus 4.7，并自主复现了 ICLR 论文。所有能力均以开源权重形式提供。
2026-07-06
开源创新
Hugging Face 的 Moon Bot 将 Slack 变成编码代理，而这只是本周的动态
Moon Bot 将 AI 辅助编码直接带入 Slack 工作流，而 VLX-Flow 和 VLX-Seek 则致力于实时视频理解和细粒度感知。其他亮点包括医学编码器预训练方案、Qwen 上的 QLORA 蒸馏实验，以及一个用于机器学习的星际基准。
2026-06-29