看遍奥斯卡后，VLM达到电影摄影理解新SOTA｜上海AI Lab开源
看遍奥斯卡后，VLM达到电影摄影理解新SOTA｜上海AI Lab开源当前最强大的视觉语言模型（VLMs）虽然能“看图识物”，但在理解电影方面还不够“聪明”。
来自主题: AI技术研报
8182 点击 2025-07-17 10:19
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
当前最强大的视觉语言模型（VLMs）虽然能“看图识物”，但在理解电影方面还不够“聪明”。
Agent能力每7个月翻一番！
OpenAI如何以自下而上的文化和行动导向，推动大模型突破？从零到上线仅用7周，Calvin带你走进OpenAI编程智能体Codex的诞生过程，体验高强度冲刺的魔力。
我们独家获悉，大模型公司 MiniMax 近 3 亿美元的新一轮融资已接近完成，投后估值超过 40 亿美元（约 300 亿元人民币）。结合公开信息，目前国内达到这一估值的大模型公司有 MiniMax 和智谱。
今天，我们正式发布MiniMax Agent全栈开发功能。这可能是全球首个 在复杂全栈网站应用上高交付率 的Agent。它支持Supabase后端托管、Stripe支付功能、cron job定时任务、长链接维持等能力，可开发需要API、实时数据、下单支付、LLM调用、定时任务、登录注册等功能的各类应用。
这次是真真真挖到OpenAI大动脉了。 Jason Wei，思维链的提出者、o1系列模型的关键人物，被曝也被扎克伯格请走，即将入职Meta。
近日，基于自研多模态大模型，旨在打造AI应用的“超级感官”与“真大脑”的创业公司——无界方舟（AutoArk）宣布连续完成Pre-A & Pre-A+轮亿元级别融资
随着 AI 系统越来越强大，人们与机器的交流方式也在发生变化。语音，正在迅速成为默认的交互入口。
GPT-4o、Gemini这些顶级语音模型虽然展现了惊人的共情对话能力，但它们的技术体系完全闭源。
涌现（Emergence），是生成式AI浪潮的一个关键现象：当模型规模扩大至临界点，AI会展现出人类一般的智慧，能理解、学习甚至创造。