Новости: мультимодальность

Новая мультимодальная модель Lance от ByteDance с открытым исходным кодом работает на 40 ГБ VRAM и попала в тренды Hugging Face в течение суток после релиза. — pandaily.com

ByteDance выпустила Lance — модель ИИ с открытым исходным кодом, нативную унифицированную мультимодальную модель с всего 3 миллиардами активированных параметров, разработанную для обработки задач понимания и генерации изображений и видео в единой системе. — pandaily.com

Google Gemini Omni — новая мультимодальная модель, которая анализирует текст, изображения, аудио и видео для генерации и редактирования роликов посредством простого диалога — начиная с Omni Flash. — techcrunch.com

Надежная автоматизация рабочего стола требовала больших и дорогих моделей. Новая статья утверждает, что дело не в размере модели, а в формате упаковки знаний: MMSkills добавляет визуальные доказательства к текстовым инструкциям, что резко повышает успех даже небольших моделей. — techtimes.com

SenseTime открывает исходный код SenseNova U1 — унифицированной мультимодальной модели, построенной на архитектуре NEO-unify, которая объединяет понимание и генерацию в единую структуру. — pandaily.com

Meta* обновила свою ИИ-экосистему новой моделью Muse Spark. Узнайте, как ее возможности рассуждения и предстоящий режим Contemplating mode призваны переопределить передовые рубежи ИИ. Читать далее… — neowin.net

Meta* возвращается в гонку ИИ-моделей с Spark Muse. Модель конкурентоспособна, но не лидирует. Игра в догоняющего, а не в прорывающего. — gizmodo.com

Компактная мультимодальная модель TII соперничает с мировыми лидерами, сигнализируя о сдвиге в сторону эффективного развертывания ИИ в реальном мире. — computerweekly.com

Meituan представила LongCat-Next — мультимодальную модель с 68,5 млрд параметров, способную обрабатывать текст, изображения и аудио в единой среде. Система демонстрирует конкурентоспособную производительность в задачах OCR, генерации изображений и речи, оставаясь на стадии исследований. — pandaily.com

Команда Alibaba представила Qwen3.5-Omni — полномасштабную мультимодальную модель ИИ, поддерживающую распознавание речи на 113 языках, генерацию речи на 36 языках и достигшую 215 SOTA-результатов в мультимодальных тестах. — pandaily.com