SiliconFlow@SiliconFlowAIDeepSeek V4 Flash just got vision. 👀 DeepSeek-V4-Flash-Vision-Exp is now live on SiliconFlow - and …
DịchMô hình DeepSeek-V4-Flash-Vision-Exp đã có mặt trên SiliconFlow và OpenRouter, kết hợp khả năng hiểu hình ảnh với cửa sổ ngữ cảnh 1 triệu token. Đây là lựa chọn tối ưu cho các tác vụ đa phương thức và AI Agent với chi phí vận hành cạnh tranh.
H Company giới thiệu NeoMME, bộ mã hóa đa phương thức với hai phiên bản 260M và 800M, sử dụng kiến trúc Transformer thuần túy và kỹ thuật khuếch tán rời rạc để xử lý đồng thời văn bản và hình ảnh mà không cần mô hình thị giác tiền huấn luyện.
NeoMME là kiến trúc bộ mã hóa Transformer hai chiều nhỏ gọn, hỗ trợ đa ngôn ngữ và hình ảnh, giúp tối ưu hóa hiệu suất cho các tác vụ truy xuất tài liệu mà không cần dùng đến các mô hình ngôn ngữ tạo sinh cồng kềnh.
Thêm 1 nguồn khác đưa tinHugging Face: BlogSnapBench là bộ tiêu chuẩn đầu tiên đánh giá độ bền của các mô hình AI khi người dùng chụp ảnh và đặt câu hỏi trên thiết bị di động, giải quyết các vấn đề về ảnh mờ hoặc lỗi nhập liệu văn bản thông qua 1.145 truy vấn thực tế.
Cùng sự kiện, bài đại diện «MULTI3IR: Bộ tiêu chuẩn mới đánh giá khả năng truy xuất thông tin đa chiều và đa phương thức»Multi^3IR là bộ tiêu chuẩn đánh giá khả năng truy xuất thông tin cho các truy vấn mở, đa góc nhìn trên nhiều lĩnh vực. Nghiên cứu cũng giới thiệu SPIN, phương pháp tối ưu hóa giúp giảm độ lệch đơn chiều và cải thiện độ chính xác cho các mô hình truy xuất hiện nay.
Xiaobei@frxiaobeiWorld Labs vừa giới thiệu Atlas, mô hình thế giới đa phương thức đầu tiên được huấn luyện từ đầu, có khả năng tái tạo không gian 3D, điều khiển camera chính xác và mô phỏng thời gian thực, mở ra ứng dụng tiềm năng từ kỹ xảo điện ảnh đến robot học.
Cùng sự kiện, bài đại diện «Fei-Fei Li ra mắt Atlas: Kỷ nguyên mới của mô hình thế giới đa phương thức»UI-Venus-2 là tác nhân AI đa phương thức thế hệ mới, có khả năng tự động hóa tác vụ trên cả di động, web và máy tính nhờ khung làm việc suy luận-hành động khép kín, giúp thu hẹp khoảng cách từ thử nghiệm đến ứng dụng thực tế.
Nghiên cứu chỉ ra rằng việc tách biệt nhiệm vụ giúp tránh sự suy giảm hiệu năng khi mô hình đa phương thức vừa hiểu vừa tạo ảnh, đồng thời khẳng định mô hình end-to-end vượt trội hơn so với các hệ thống phân tách truyền thống.
Mô hình mới có khả năng tái tạo thế giới 3D chỉ từ một hình ảnh duy nhất, đồng thời hỗ trợ tạo môi trường huấn luyện thực tế cho robot.
Elvis Saravia@omarsar0Omni models are the next frontier. Simply put it, this is the most exciting release I've seen this …
DịchWorld Labs giới thiệu Atlas, mô hình thế giới đa phương thức đầu tiên có khả năng tạo hình ảnh, video với độ chính xác cấp pixel và tái tạo không gian 3D, mở ra kỷ nguyên mới cho các mô hình AI toàn diện.
Nghiên cứu giới thiệu bộ dữ liệu đa ngôn ngữ và hệ thống phân loại mới nhằm nhận diện các chiến thuật lừa đảo trong thông tin sai lệch đa phương thức trên mạng xã hội, hỗ trợ tự động hóa việc phân tích quy mô lớn.
SafeAtlas-VL giới thiệu bộ dữ liệu 1,5 triệu mẫu giúp đánh giá an toàn đa phương thức chi tiết theo thang đo 5 cấp thay vì nhị phân, bao phủ 15 danh mục rủi ro từ hình ảnh đến ý định người dùng.
DeepSeek vừa phát hành mô hình đa phương thức đầu tiên DeepSeek-V4-Flash-Vision-Exp trên Hugging Face theo giấy phép MIT, cung cấp đầy đủ mã nguồn và tài liệu triển khai cho cộng đồng.
Diễn biến sự kiện · 1 bài →Thêm 1 nguồn khác đưa tinPandailyNghiên cứu giới thiệu Parallel Tube Decoding (PTD), phương pháp giúp định vị đối tượng trong video nhanh chóng bằng cách giải mã song song thay vì tuần tự, loại bỏ độ trễ và lỗi tích lũy so với các mô hình ngôn ngữ đa phương thức hiện nay.
ModelBest OpenBMB@OpenBMBMiniCPM-o 4.5 now runs efficiently on Apple Silicon with TyloQuant MFQ! 🥰 The team at @Tylogi_ai h…
DịchMô hình MiniCPM-o 4.5 hiện đã có thể chạy cục bộ trên chip Apple Silicon thông qua kỹ thuật lượng tử hóa TyloQuant MFQ, giúp tối ưu bộ nhớ mà vẫn giữ nguyên khả năng xử lý đa phương thức và tương tác thời gian thực.
Alibaba Cloud@alibaba_cloudWan 3.0 is now on @DeepInfra! 🚀 Video + audio in one model, with 30-second generation and multimoda…
DịchAlibaba chính thức đưa mô hình Wan 3.0 lên nền tảng DeepInfra, cho phép tạo video 1080p dài 30 giây kèm âm thanh đồng bộ. Công cụ hỗ trợ đa phương thức từ hình ảnh đến website, đảm bảo tính nhất quán cho nhân vật với chi phí 0,2 USD/giây.
MAVIN là mô hình tiên phong cho phép AI tạo video đa góc quay với khả năng kiểm soát chặt chẽ về thời gian, đồng bộ âm thanh và nhất quán nhân vật, giải quyết bài toán khó trong việc kể chuyện bằng video dài.
opencode@opencodeQwen3.8-Flash is now available in OpenCode Go 125B/6B · 1M context · multimodal
DịchQwen3.8-Flash với các phiên bản 125B và 6B hiện đã khả dụng trên OpenCode Go, hỗ trợ cửa sổ ngữ cảnh lên tới 1 triệu token và khả năng xử lý đa phương thức.
CaRGo-T là khung suy luận mới sử dụng cấu trúc đồ thị để biểu diễn các mối quan hệ nhân quả và ngữ cảnh phức tạp trong nội dung hài hước, giúp các mô hình thị giác-ngôn ngữ hiểu sâu sắc hơn thay vì chỉ suy luận tuyến tính.
Logan Kilpatrick@OfficialLoganKExcited to bring Gemini Omni Flash 1.1 to the world, this is an update to our anything in, anything …
DịchGemini 1.5 Flash Omni vừa được cập nhật khả năng tạo video mạnh mẽ, hỗ trợ mở rộng video lên đến 10 giây mỗi lần, nâng cấp độ phân giải 4K và sử dụng video tham chiếu để tạo nội dung nhất quán.
OmniColor là giải pháp đột phá từ ĐH Bách khoa Hồng Kông, cho phép tô màu tranh vẽ nét dựa trên sự kết hợp linh hoạt giữa văn bản, gợi ý màu sắc, hình ảnh tham chiếu và khung hình lịch sử, giải quyết triệt để vấn đề xung đột điều kiện trong quy trình sản xuất hoạt hình chuyên nghiệp.
X.PIN@thexpinZhipu open-sourced GLM-5.3-Flash on Aug. 26, the GLM-5 series' first native multimodal model. Its on…
DịchZhipu AI vừa phát hành mã nguồn mở GLM-5.3-Flash, mô hình đa phương thức đầu tiên chạy hoàn toàn trên 100.000 chip nội địa Trung Quốc với hiệu suất ngang ngửa Claude Opus nhưng chi phí cực thấp.
AI Notes@AYi_AInotesWeChat vừa ra mắt WeMM-Embedding, mô hình đa phương thức tối ưu cho tìm kiếm hỗn hợp và nhận diện hình ảnh. Với phiên bản 2B mạnh mẽ, mô hình này cho phép chạy mượt mà trên card đồ họa phổ thông, hỗ trợ đắc lực cho các ứng dụng như tìm kiếm thông minh, bộ nhớ dài hạn cho AI Agent và gắn nhãn nội dung.
Zhipu chính thức ra mắt GLM-5.3-Flash với 320 tỷ tham số, xác nhận đây chính là mô hình Ox Alpha từng gây xôn xao. Đây là mô hình đa phương thức gốc đầu tiên trong dòng GLM-5, hỗ trợ xử lý linh hoạt văn bản, hình ảnh và video.
Cùng sự kiện, bài đại diện «Zhipu AI xác nhận mô hình 'Niu Lai' chính là GLM-5.3-Flash, vận hành trên 100.000 chip nội địa»Đội ngũ WeChat (Tencent) vừa ra mắt WeMM-Embedding, bộ mô hình nhúng đa phương thức hỗ trợ văn bản, hình ảnh và video, hiện đang được ứng dụng rộng rãi trong hệ sinh thái WeChat.
Nghiên cứu giới thiệu bộ dữ liệu hội thoại tự nhiên bằng tiếng Thổ Nhĩ Kỳ, kết hợp video, âm thanh và văn bản để tối ưu hóa việc dự đoán lượt nói trong giao tiếp thông qua thuật toán di truyền.
StreamPI là khung mô hình hóa thời gian đa phương thức giúp các mô hình VLA đơn khung như pi0.5 có khả năng suy luận trình tự mà không cần thêm tham số, giúp robot vận hành ổn định và chính xác hơn.
VBVR-Pro là nền tảng kiểm thử khép kín sử dụng tạo sinh hình ảnh làm phương tiện suy luận, giúp việc suy luận thị giác trở nên có thể huấn luyện và kiểm chứng. Hệ thống vượt trội hơn các mô hình VLM truyền thống nhờ cơ chế đánh giá dựa trên quy tắc xác định.
OpenRouter@OpenRouterQwen3.8 Flash from @Alibaba_Qwen is now live on OpenRouter. A multimodal reasoning model for coding…
DịchAlibaba vừa ra mắt Qwen3.8 Flash trên nền tảng OpenRouter, một mô hình đa phương thức mạnh mẽ hỗ trợ lập trình, phân tích tài liệu, xử lý hình ảnh và video dài.
Cùng sự kiện, bài đại diện «Qwen3.8-Flash-Next chính thức được hỗ trợ trên SGLang ngay từ ngày ra mắt»Z.ai trình làng GLM-5.3-Flash, mô hình đa phương thức gốc với 320 tỷ tham số, hỗ trợ xử lý hình ảnh, video và cửa sổ ngữ cảnh lên tới 1 triệu token, hiện đã mở mã nguồn theo giấy phép MIT.
Cùng sự kiện, tinh chọn hiển thị «Zhipu ra mắt GLM-5.3-Flash: Mô hình đa phương thức mạnh mẽ với chi phí cực thấp»
MiniMax@MiniMax_AIMiniMax H3 is at @anyscalecompute's #RaySummit today in SF. @VictorSuOrtiz will break down our 33B …
DịchMiniMax giới thiệu mô hình mã nguồn mở H3 (33B) tại RaySummit, cho phép tích hợp văn bản, hình ảnh, video và âm thanh vào một ngữ cảnh duy nhất. Các chuyên gia sẽ hướng dẫn cộng đồng cách tinh chỉnh và triển khai mô hình này trên hạ tầng của các đối tác lớn.
Zhipu AI vừa ra mắt GLM-5.3 Flash, mô hình đa phương thức thuần túy đầu tiên của hãng, được tối ưu hóa hoàn toàn để vận hành trên hạ tầng chip AI nội địa Trung Quốc.
Elvis Saravia@omarsar0What's better than an open-weight multimodal model release? Well, the technical report. I just love…
DịchAlibaba ra mắt Qwen3.8-Flash, mô hình MoE đa phương thức với 125B tham số (kích hoạt 6B mỗi token), hỗ trợ ngữ cảnh lên tới 1 triệu token và là phiên bản xem trước của kiến trúc Qwen4.
Đội ngũ Qwen của Alibaba vừa giới thiệu Qwen3.8-Flash-Next, mô hình MoE đa phương thức 125B chỉ kích hoạt 6B tham số mỗi token, đóng vai trò là bản xem trước cho kiến trúc Qwen4 thế hệ mới.
Cùng sự kiện, bài đại diện «Qwen3.8-Flash-Next chính thức được hỗ trợ trên SGLang ngay từ ngày ra mắt»vừa công bố GLM-5.3-Flash, mô hình đa phương thức đầu tiên thuộc dòng GLM-5 với 320 tỷ tham số. Sản phẩm đạt hiệu suất ngang ngửa Claude Opus 4.8 nhưng có giá thành cực kỳ cạnh tranh, hiện đã mở API cho các nhà phát triển.
Cùng sự kiện, tinh chọn hiển thị «Zhipu ra mắt GLM-5.3-Flash: Mô hình đa phương thức mạnh mẽ với chi phí cực thấp»OpenRouter@OpenRouterOx Alpha revealed: @Zai_org's GLM-5.3-Flash, the first native multimodal model in the GLM-5 series. …
DịchOpenRouter vừa giới thiệu GLM-5.3-Flash, mô hình đa phương thức gốc đầu tiên thuộc dòng GLM-5. Với hiệu suất ấn tượng, mô hình này đã xử lý hơn 20 nghìn tỷ token chỉ trong 6 ngày, trở thành mô hình lớn nhất từng xuất hiện trên nền tảng này.
Zhipu AI Z.ai@Zai_orgIntroducing GLM-5.3-Flash - Leading capabilities at a highly competitive price - Natively multimoda…
DịchZhipu AI vừa phát hành GLM-5.3-Flash, mô hình đa phương thức mạnh mẽ với 320 tỷ tham số, hỗ trợ cửa sổ ngữ cảnh 1 triệu token và hoàn toàn tương thích với chip AI nội địa.
Đội ngũ Qwen vừa phát hành mô hình đa phương thức MoE Qwen3.8-Flash-Next, phiên bản xem trước của kiến trúc Qwen4 với 125B tham số và cơ chế định tuyến chuyên gia tối ưu hóa hiệu suất.
Cùng sự kiện, bài đại diện «Qwen3.8-Flash-Next chính thức được hỗ trợ trên SGLang ngay từ ngày ra mắt»
Kim@kimmonismusQwen 3.8 Flash-Next official released: A 6B-active open model just beat Claude Opus 4.6 Max across 8…
DịchQwen3.8-Flash-Next là mô hình đa phương thức mã nguồn mở dạng MoE, chỉ kích hoạt 6B tham số mỗi token nhưng đạt hiệu suất vượt trội. Mô hình hỗ trợ cửa sổ ngữ cảnh 256K, có thể mở rộng lên tới 1M.
Alibaba Cloud@alibaba_cloudQwen3.8-27B is now FREE on Token Harbor. #BuildWithQwen
DịchQwen2.5-27B hiện đã có mặt miễn phí trên Token Harbor với khả năng xử lý đa phương thức, cửa sổ ngữ cảnh 1 triệu token và hỗ trợ tư duy chuyên sâu cho lập trình và nghiên cứu.