谢赛宁等推出统一多模态模型！替代VAE实现图像理解/生成双SOTA，代码权重数据集全开源
谢赛宁等推出统一多模态模型！替代VAE实现图像理解/生成双SOTA，代码权重数据集全开源统一图像理解和生成，还实现了新SOTA。
来自主题: AI技术研报
7894 点击 2025-05-17 16:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
统一图像理解和生成，还实现了新SOTA。
超越OpenAI！ 国产大模型突袭，AI语音生成天花板被重新定义了。
字节拿出了国际顶尖水平的视觉–语言多模态大模型。
还记得刘慈欣在《全频带阻塞干扰》中描绘的耀斑爆发吗？
「矩阵」不再是科幻！Matrix-Game震撼来袭，突破边界带来交互式引擎。只需一句话，沙漠森林等任意场景可控生成，动作丝滑操控，360°视角自由切换，沉浸感爆棚。
在视觉语言模型（Vision-Language Models，VLMs）取得突破性进展的当下，长视频理解的挑战显得愈发重要。以标准 24 帧率的标清视频为例，仅需数分钟即可产生逾百万的视觉 token，这已远超主流大语言模型 4K-128K 的上下文处理极限。
字节Seed首次开源代码模型！Seed-Coder，8B规模，超越Qwen3，拿下多个SOTA。它证明“只需极少人工参与，LLM就能自行管理代码训练数据”。通过自身生成和筛选高质量训练数据，可大幅提升模型代码生成能力。
字节开源图像编辑新方法，比当前SOTA方法提高9.19%的性能，只用了1/30的训练数据和1/13参数规模的模型。
Qwen3强势刷新开源模型SOTA，但如何让其在资源受限场景中，既能实现低比特量化，又能保证模型“智商”不掉线？
昆仑自研的AI模型(SOTA)就像是“最好的锄头”，正在助力公司开采AIGC领域那片“最肥沃的金矿”。