#多模態

共 3 篇文章

研究突破2026年3月30日

Lightricks 發布 LTX 2.3，一款 22B 參數的擴散 Transformer 模型，能在單次前向傳遞中同時生成原生 4K 解析度、50 FPS 影片與同步音訊。這是目前最高效能的開源影片生成模型，支援最長 20 秒片段，並配備可在消費級硬體上運行的桌面編輯器。

模型發布2026年3月30日

Gemini 2.0 Flash 採用原生多模態架構，拋棄了傳統 CLIP 式視覺編碼器，改以統一的 token 空間處理影像與文本。本文深度分析其技術創新、視覺問答基準表現及在醫療影像和科學圖表理解領域的突破。

模型發布2026年3月29日

阿里巴巴正式發布 Qwen 3.5 多模態大型語言模型，在文本、影像、程式碼、數學等多項基準測試中展現出前沿級別的能力。此次發布標誌著中國 AI 產業在前沿模型研發上的重要突破，Qwen 3.5 在多項評測中與 GPT-5、Claude Opus 4 等國際頂尖模型形成正面競爭。