多模態 的最新熱門文章

字節跳動推出 Seedream 4.0 多模態圖像創作模型，生成速度飆升十倍、支援4K畫質

想輕鬆體驗本地大型語言模型？Ollama 推出圖形介面，讓你像聊天一樣與 Llama 3 等模型互動。Ollama 讓複雜的 AI 模型操作變得簡單好用。

OpenAI的ChatGPT語音功能大升級！新增語音速度調整，讓使用者能自訂語速。全新語音模式更自然，根據使用者情緒調整語氣，享受更直覺的語音互動體驗。

馬斯克發表 Grok 4，號稱全球最強 AI 模型、推理能力達博士等級

OpenAI 確認今夏推出 GPT-5：「史上最強 AI 模型」將整合文字、語音、影像

探索Google Gemma系列模型：離線AI、MedGemma健康應用、SignGemma手語翻譯，AI開發者新趨勢與挑戰。

4o Image Generation 的多種應用情境，從模擬白板會議記錄、生成富含意義的文字圖像、創作趣味漫畫，乃至複雜的科學實驗圖解，GPT-4o 皆能輕鬆應對，展現其強大的多模態能力。

Google 近期推送 Pixel 更新，主要更新包含 Gemini Live 互動方式、Pixel Watch 也加入更多健康相關功能。

Nvidia 丟下震撼彈：全新 AI 模型開源、規模龐大，準備好與 GPT-4 匹敵

Llama 3.2：視覺模型趕超GPT-4o mini，1B端側模型媲美Gemma

AI 專家卡帕斯認為「大型語言模型」（LLM）名稱不準確，應改為更通用的「自回歸序列轉換模型」。此觀點引發廣泛討論。

中國電子商務巨頭阿里巴巴的雲端服務和儲存部門阿里雲宣布推出其最新先進的視覺語言模型 Qwen2-VL，旨在增強視覺理解、影片理解和多語言文本圖像處理。