跳到正文
只看一手#多模态
今天11月5日周四1 条
10月29日周四
  1. Hugging Face Blog83

    Mistral Large 4 多模态 MoE 模型登陆 Hugging Face

    Hugging Face 发布 Mistral Large 4（Le Chonk）的上架介绍，这是 Mistral 的多模态多语言 MoE 模型，总参数约 1T、激活 49B、上下文窗口 1M token，提供 FP8 与 NVFP4 官方版本及 GGUF 量化，采用 Mistral Ecosystem Open-Weight License 开放。

    推荐理由：文章拆解了 Mistral Large 4 的稀疏注意力与 MoE 架构，并给出本地和云端多套部署实测数据，便于评估落地成本。

10月28日周三
  1. Google DeepMind76

    Google DeepMind 发布世界模型 Genie 4，支持实时交互模拟与原生音频

    Google DeepMind 发布新一代世界模型 Genie 4，实现实时交互式模拟、增强的照相级真实感、自然的人物动作以及原生音频生成。Genie 4 原生多模态，可同时生成环境音、音乐和可交互对话，并结合 Gemini 系列能力：Gemini Omni 锚定真实世界外观，Gemini 3.8 Flash 作为引导智能体分解目标、跟踪进度并实时调整计划。

    推荐理由：官方长文详细拆解了Genie 4的实时生成、原生音频与Gemini协同推理机制，适合对比当前世界模型的技术路线。

10月24日周六
10月22日周四
  1. Google DeepMind63

    Google DeepMind 联合发布全球森林类型地图 ForTy 2020

    Google DeepMind 与 Google Research 联合 WRI 和 IIASA 发布 Forest Typology（ForTy）2020 全球地图，以 10 米分辨率把地表分为原始森林、天然更新林、人工林、种植园、经济林木及其他土地六类，并附 2017 至 2025 年逐年变化时间序列。

    推荐理由：原文给出分类方法、验证规模和开放许可，读者可了解如何用 AI 遥感识别森林类型并服务欧盟毁林法规。

  2. Google Research60

    Google Research 发布 AI 盲扫超声孕周评估研究，准确度非劣于专家操作

    Google Research 在 JAMA Network Open 发表前瞻性研究，验证用 AI 解读盲扫超声评估孕周，在芝加哥 Northwestern Medicine 和内罗毕 Jacaranda Health 两地 385 名 16 至 36 周孕妇中取得 4.18 天平均绝对误差，非劣于专家超声医师标准方法的 4.48 天。

    推荐理由：该研究在芝加哥和内罗毕两地前瞻性验证盲扫超声 AI 估孕周，结果显示非劣于专家标准，可参考其跨硬件泛化做法。

10月15日周四
10月6日周二
  1. Mistral AI73

    Mistral AI 发布 Mistral Large 4 公开预览，月底开放权重

    Mistral AI 启动 Mistral Large 4（ML4）公开预览，可在 Mistral Studio 试用预览 API，权重将于月底发布。ML4 是 1 万亿参数的原生多模态模型，激活参数 520 亿，在欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。

    推荐理由：Mistral 官方给出 ML4 在网络安全、编码与多模态上的多项基准数据，并承诺月底开放权重，可对照同类模型判断其开放定位。