TAG:多模态
Step 3.7 Flash重磅发布：Agent效率新时代到来
Step3.7Flash开源模型正式发布，专为Agent时代设计，解决效率、可靠性和多模态执行痛点。它在多项基准测试中领先，如ClawEval-1.1排名第一，提供高速推理（400TPS）和低成本部署。模型能理解视觉内容，自主完成代码生成和工具调用，工具调用成功率高达98%以上。同时，兼容主流Agent框架，支持本地运行，为开发者构建高效、可靠的智能工作流提供强大支持。
0 
0 
阶跃星辰开源 Step 3.7 Flash 大模型 速度翻倍
阶跃星辰正式开源Step 3.7 Flash大模型，专为智能体生产化落地设计。该模型采用稀疏混合专家架构，参数量达196B，生成速度最高每秒400 Tokens，显著提升效率并减少延迟。具备原生多模态理解能力，可解析UI、图表等视觉信息，并增强联网搜索功能。在智能体工作流中表现出高工具调用稳定性和生态兼容性，降低开发门槛，助力复杂任务高效执行。
字节跳动开源Lance 3B：实现图像与视频理解与生成
字节跳动开源了Lance 3B模型，这是一个仅30亿参数的轻量级原生统一多模态大模型。它打破了理解模型与生成模型之间的技术壁垒，能同时处理图像和视频的理解、生成与编辑任务。采用Apache2.0协议，训练高效，性能超越更大模型，有望推动AI短剧、智能体等领域的应用发展，降低多模态AI部署成本。
重构图像生成范式 智象未来原生全模态大模型HiDream-O1-Image登顶AA榜开源首发
智象未来发布的HiDream-O1-Image模型，以8B参数规模登顶Artificial Analysis文生图榜单开源第一。该模型采用原生全模态架构，摒弃传统VAE和独立文本编码器，通过像素级统一Transformer实现端到端生成，减少模态转换损耗。创新性地引入基于Gemma 4的推理智能体，在生成前进行思维链推理，提升指令遵循能力，打破开源图像生成领域稳定格局，推动多模态基础模型发展。
面壁智能推出MiniCPM-V 4.6，低内存高效率的人工智能新选择
面壁智能联合清华大学及OpenBMB开源社区发布了新一代端侧多模态大模型MiniCPM-V 4.6。该模型仅需1.3B参数和6G内存，即可在终端设备上高效运行，支持自然语言处理、图像识别和音频处理等多模态任务，适用于智能家居、机器人等场景。作为开源模型，它促进了技术共享，为人工智能应用提供了低内存高效率的新选择，推动创新并让更多用户享受AI便利。
MiniMax 启动「10x Team」计划，悬赏全球顶尖专家加速国产大模型研发
MiniMax 启动「10x Team」全球人才合作计划，面向顶尖行业专家与开发者开放多模态等核心资源，共同定义行业痛点与评测体系，推动大模型从通用能力走向垂直深度应用，实现行业效率十倍提升，反映国产大模型竞争转向产业落地。
国产大模型Qwen3.6-35B-A3B正式开源，聚焦高效率与多模态思考能力提升
国产大模型Qwen3.6-35B-A3B正式开源，该模型采用创新的MoE架构，实现350亿总参数下仅需激活30亿参数的极致推理效率。其在编程、Agent任务及多模态思考方面表现优异，尤其在空间分析和复杂逻辑处理上极具优势，且已深度兼容主流Agent框架，是开发者本地部署高性能AI底座的理想选择。
小红书开源训练引擎Relax，拓展AI训练基础设施布局
小红书AI平台团队开源大模型强化学习训练引擎Relax，面向全模态与Agentic场景，支持文本、图像、音频、视频统一接入。其模态感知并行与端到端异步流水机制提升训练效率与扩展性。此次开源体现小红书AI工程积累，并借技术贡献布局开发者生态。
MiniMax 开源面向 AI Agent 的命令行工具 MMX-CLI，打破接口壁垒
MiniMax 推出专为 AI Agent 设计的开源命令行工具 MMX-CLI，旨在解决多模态接口适配繁琐的痛点。该工具支持在主流开发环境中一键调度编程、视频生成、语音合成等全模态能力。通过输出隔离、语义化状态码及异步任务控制等深度优化，MMX-CLI 显著提升了 Agent 在非交互环境下的运行稳定性与自动化效率，助力开发者轻松构建复杂的 AI 自动化工作流。
程一笑时隔五年半再谈快手字节竞争
快手科技2025年财报显示，总收入达1428亿元，经调整净利润增长16.5%至206亿元。在AI赛道上，可灵AI商业化加速，年化收入运行率超3亿美元。程一笑回应与字节跳动Seedance2.0的竞争，强调多模态技术的前瞻性布局。2026年快手计划投入约260亿元资本支出，重点聚焦AI模型迭代、Agent能力落地及内容生态智能化。
欧洲AI巨头推出全能模型Mistral Small 4 支持推理多模态编程
Mistral AI 发布全能型大模型 Mistral Small4，首次在单一模型中集成旗舰级推理、多模态理解和编程能力。采用 MoE 架构，拥有 256k 超长上下文窗口，性能较前代提升显著，并以 Apache2.0 协议开源，为开发者提供高效灵活的选择。
开源界重磅发布Mistral Small 4 性能提升更省资源
Mistral AI 正式发布开源大模型 Mistral Small4，采用128专家混合架构，整合了逻辑推理、多模态处理和智能体编码三大能力，性能更强且算力开销更低。支持256k超长上下文窗口和可配置推理强度，为开发者提供高效全能底座。
DeepSeek V4与腾讯混元模型4月同步亮相
据《白鲸实验室》独家消息，DeepSeek V4与腾讯姚顺雨新混元模型将于2026年4月同步发布。DeepSeek V4由梁文锋主导研发，在多模态处理、代码能力和长期记忆方面有显著提升，并深度适配国产芯片。腾讯混元模型则注重实际应用，拥有30亿参数，强调长上下文与Agent可用性。两大模型的发布标志着中国AI领域的快速发展。
OpenAI测试ChatGPT写作模板功能 支持上传样本复刻个人文风
OpenAI正在测试ChatGPT的写作模板功能，用户可上传个人文档样本来复刻独特的文风与表达习惯，标志着AI从通用对齐转向个性化适配。同时，多模态联动与办公场景集成等更新，旨在通过精细化工具套件降低AI的机械感，提升生产力与用户体验。
DeepSeek V4细节曝光：支持百万上下文与原生多模态
DeepSeek V4作为国产AI领军模型，技术细节曝光：具备万亿参数规模、原生多模态处理能力以及高达100万token的上下文窗口，可一次性处理超长文本或代码库。模型优先适配国产算力平台，发布在即，预计将冲击全球AI竞争格局。
