← 返回 AI 資訊

#多模態

共 12 篇文章

模型發布

Thinking Machines 發布 Inkling 2 Small:594B 參數 MoE 模型暫居西方開放權重之冠

Mira Murati 創辦的 Thinking Machines Lab 於 11 月 5 日發布第二代模型 Inkling 2 Small(594B 總參數、17B 活躍參數),於 Artificial Analysis Intelligence Index 取得 31 分、較前代躍升 18 分;官方計劃在外部安全測試完成後以 Apache 2.0 釋出權重——若成事,將成為中國以外得分最高的開放權重模型。

模型發布

騰訊開放 WeVisOne-VL:單一 2B/4B 模型包辦偵測、OCR、分割與摳圖,取代整條視覺工具鏈

騰訊微信視覺團隊發布開放權重視覺語言模型 WeVisOne-VL(2B/4B 兩尺寸),用一個模型統一偵測、指稱、計數、OCR、分割與 alpha matting,並以 960 萬參數的像素解碼器直接輸出像素級結果、無需外掛 SAM。團隊自我評測於 30+ 基準多數超越同規模模型,亮點如 Dense200 密集偵測 F1 達 71.3。

研究突破

微軟 AesCode-32B 開源發布:以 HTML/CSS 生成可編輯視覺稿的多模態代碼模型

微軟於 10 月 11 日在 Hugging Face 發布 AesCode-32B:以 Qwen3-VL-32B-Instruct 為基座的 32B 多模態代碼生成模型,能將提示詞與參考圖轉為結構化、可編輯、可驗證的 HTML/CSS 幻燈片、海報與儀表盤。透過圖結構監督與解耦跨模態獎勵,其視覺品質較基座提升 22.4 分,逼近 GPT-5.5 與 Claude Opus 4.8 等封閉前緣模型,代表多模態生成正從「像素輸出」轉向「代碼輸出」。