字节开源Lance 3B：统一多模态大模型，小身材大能量
核心看点字节跳动开源了Lance 3B——一款统一多模态大模型。虽然只有3B参数，但在多模态任务上表现出色，证明了小模型+好架构也能打出漂亮仗…
主题标签
模态
关于该主题的全部内容，按发布时间持续更新。
18
篇内容
字节开源Lance 3B：统一多模态大模型，小身材大能量
核心看点 字节跳动开源了Lance 3B——一款统一多模态大模型。虽然只有3B参数，但在多模态任务上表现出色，证明了小模型+好架构也能打出漂亮仗…
谷歌推出Gemini Omni模型，开启多模态交互新时代
谷歌I/O 2026发布Gemini Omni，这是一款真正意义上的多模态AI模型，能够同时理解并处理文本、音频、图像和视频，标志着人机交互从"…
Google升级Gemini API文件搜索：多模态RAG能力大跨越，企业级AI检索精度飙升
Google最近升级了Gemini API的文件搜索功能，这次升级的核心是引入多模态RAG（检索增强生成）能力。说白了就是：你现在不仅能搜文字…
DeepSeek 开启识图模式灰度测试，多模态视觉理解正式落地
核心看点 • DeepSeek-V4 发布后火速上线识图模式，多模态视觉理解能力正式落地 • 移动端与网页版新增识图入口，基础视觉理解、描述、推…
英伟达发布Nemotron 3 Nano Omni全模态模型：30B-A3B MoE架构，推理吞吐量暴涨9倍
核心看点 全模态统一：Nemotron 3 Nano Omni将视频、音频、图像和文本推理集成于单一模型，替代传统碎片化的视觉-语音-语言模型链…
火山引擎Seedance 2.0全面开放API：文图音视频四模态输入，视频生成进入SOTA时代
火山引擎今日正式上线 Seedance 2.0 系列 API 服务，面向企业和个人开发者全面开放其视频生成能力。作为当前视频生成领域的全球 SO…