多模态大模型首次实现像素级推理！3B参数超越72B传统模型，NeurIPS 2025收录
多模态大模型首次实现像素级推理！3B参数超越72B传统模型，NeurIPS 2025收录多模态大模型首次实现像素级推理，指代、分割、推理三大任务一网打尽！
来自主题: AI技术研报
8629 点击 2025-10-17 10:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态大模型首次实现像素级推理，指代、分割、推理三大任务一网打尽！
李飞飞的世界模型创业，最新成果来了！刚刚，教母亲自宣布对外推出全新模型RTFM（A Real-Time Frame Model），不仅具备实时运行、持久性和3D一致性，更关键的是——单张H100 GPU就能跑。
Reve AI 是一家 2023 年 12 月才建立的加州 AI 初创公司，他们在 2025 年 3 月推出了第一个生图模型叫 Reve Image 1.0，内部代号是「Halfmoon」。6 个月过后，再次升级该模型为「图像编辑模型」。
从谷歌翻译到 ChatGPT，AI 系统通过抓取互联网上的海量文本来学习“说”一门新语言。对于那些使用者较少的语言来说，维基百科有时是其最大的在线语言数据库。因此，这些页面上的任何语法或其他错误，都可能污染 AI 赖以学习的“水源”。这会导致模型在翻译这些语言时尤其容易出错，
苹果又一华人AI高管被Meta挖走了！据彭博社爆料，这次被挖的是Ke Yang（杨克），负责AI搜索与问答系统，几周前刚被任命为AKI团队负责人，负责让Siri追赶上ChatGPT等主流大模型的能力。而离职消息一出，苹果AI的未来或又将添上许多变数。
靠AI挖出了癌症潜在新疗法，AI医疗领域再添猛将。谷歌、耶鲁联手，给攻克冷肿瘤找到了新方法。
Anthropic用Haiku 4.5打响了AI性价比之战！曾经的顶配性能，如今以三分之一的价格、两倍的速度下放，可以说是对高价AI模型的一次降维打击。
如果你曾将收据照片上传至报销系统，或在线阅读过PDF 格式的书籍，那么你可能已经使用过光学字符识别技术 ——这项已有数十年历史的技术能将打印体、手写体或印刷体文本图像转换为计算机可编辑的文本。
谷歌凌晨更新Veo 3.1，主打更强叙事与音频控制、首尾帧与多图参考等精控，接入Gemini API与Vertex AI，Flow与Gemini可用。可合成多人物场景、音画同步，片段最长约148秒；规格至1080p/24fps。
还在用Sora2做恶搞视频或表情包玩儿？快醒醒，国内AI视频玩家已实现弯道超车了—— 开卷实时流式生成！