标签:视觉理解

共汇总 52 条相关内容,覆盖 2 个栏目

DeepSeek 上线 V4-Flash-Vision-Exp 多模态模型,API 支持图文混合输入DeepSeek 于 2026 年 8 月 21 日推出实验性多模态视觉理解模型 V4-Flash-Vision-Exp,纯文本能力与正式版持平,视觉 Agent 能力大幅提升,同…AI资讯2026-11-01Nano Banana 2.1Google 的图像生成与编辑模型,以角色一致性和自然语言改图见长。大模型2026-11-12Gemini 4 ArgonGoogle 时隔约 11 个月推出的闭源旗舰,单次输出上限提升至 100 万 token。大模型2026-11-12GPT-6.1 Terra面向计算机操作场景优化的快速模型,支持视觉推理、精确界面操作与写作。大模型2026-11-12SenseNova 6.8 Flash商汤日日新多模态智能体模型正式版,强化长期记忆、主动交互与设计生成能力。大模型2026-11-12GPT Image 2.6OpenAI 最新一代图像模型,分为 Flare 与 Sunburst 两个版本,主打对话式精准编辑与文字排版。大模型2026-11-12混元 Hy4腾讯 2026 年 11 月发布的旗舰大模型,770B 总参、49B 激活,首次具备视觉理解与电脑操作能力。大模型2026-11-12gemma-4-12BGoogle Gemma 4 12B模型大模型2026-11-11Doubao-Seed-2.1-proDoubao-Seed-2.1 是面向 Coding 和 Agent 时代打造的新一代大模型,提供 Pro 和 Turbo 两个版本,分别面向高复杂度任务探索和规模化生产场景。相较…大模型2026-11-11Claude Fable 5.2Anthropic Mythos 级模型的最新通用版本,在软件工程、知识工作与视觉任务上处于第一梯队。大模型2026-11-11LongCat-2.5美团新一代大模型,总参数 1.6 万亿,训练全程由国产算力完成。大模型2026-11-11Gemini 4 CarbonGoogle 目前能力最强的推理模型,重点面向复杂软件工程、多步骤智能体、科研与网络安全。大模型2026-11-11GLM-5.3-FlashGLM-5 系列首个原生多模态版本,320B 总参、18B 激活,面向高频成本敏感场景。大模型2026-11-11