5天前 · ai

全新 Apple 模型将视觉理解与图像生成相结合，取得惊人效果

Apple 研究人员已发表了一项关于 Manzano 的研究，Manzano 是一种多模态模型，结合了视觉理解和文本到图像生成，同时显著……

2周前 · ai

Nvidia的Cosmos Reason 2旨在将推理VLMs带入物理世界

Nvidia CEO Jensen Huang 去年表示，我们正进入 physical AI 时代。虽然公司仍然提供用于软件场景的 LLMs，Nvidia…

1个月前 · ai

Z.ai 推出开源 GLM-4.6V，原生工具调用视觉模型用于多模态推理

中国人工智能初创公司 Zhipu AI（亦称 Z.ai）发布了其 GLM-4.6V 系列，这是一代针对多模态推理优化的开源视觉语言模型（VLM）。