Новости: мультимодальная модель

DeepSeek выпустила V4-Flash-Vision-Exp на Hugging Face под лицензией MIT — первая мультимодальная модель серии V4 с поддержкой изображений. Оцените возможности: описание картинок, чтение скриншотов, анализ диаграмм. Разверните локально или через API. Модель легковесна, с открытым стеком инференса.

Оцените Qwen3.8-Flash — открытую мультимодальную MoE-модель от Alibaba, предварительную версию архитектуры Qwen4. Активируется всего 6 млрд параметров, стоимость обучения в 9 раз ниже Qwen3.7-Plus, а цены API — от 0,13 евро за миллион токенов. Модель поддерживает контекст до 1 млн токенов и превосходит DeepSeek V4 Flash в тестах.

Узнайте, как MiniMax H3 с открытым исходным кодом меняет рынок генерации видео: 15-секундный 2K-контент с нативным двухканальным аудио, первое место в рейтинге редактирования Artificial Analysis и цена 0,8 юаня за секунду. Оцените стратегию снижения затрат и открытую экосистему.

SenseTime открыла исходный код SenseNova-Vision — единой модели, объединяющей детекцию, сегментацию, прогнозирование глубины и 3D-реконструкцию. Модель возглавила глобальный рейтинг Hugging Face Any-to-Any. Узнайте, как универсальная архитектура заменяет десятки специализированных решений и открывает новые возможности для разработчиков.

HiDream AI представила HiDream-O1-Image-Pro — нативную унифицированную мультимодальную модель с более чем 200 миллиардами параметров, а также объявила о новом раунде финансирования на миллиард долларов. — pandaily.com