搜索
VeRL-Omni 是一个面向多模态生成模型的通用 RL 后训练框架，由 VeRL-Omni 团队在 verl 与 vllm-omni 之上构建。覆盖扩散 transformer（Qwen-Image）、混合 AR-DiT（Qwen-Omni）、统一理解 + 生成（BAGEL、HunyuanImage-3.0）等架构。
智象未来正式发布基于新一代原生全模态模型架构 Unified Transformer（UiT）打造的图像大模型 HiDream-O1-Image-Pro。这一超2千亿参数的原生全模态图像大模型，不仅在多个基准测试中刷新 SOTA 纪录，也标志着智象未来正向图像、视频、文本、音频等多模态统一建模的“原生全模态”阶段迈进。
幽深森林，身着飘逸浅裙的乐手忘情地拉动琴弦。阳光穿透树冠洒落林间，斑驳光影与悠扬的琴声相融。镜头自低处仰拍环绕，营造出如梦似幻的氛围。
5月初的一个上午，我走进杭州西溪附近的一间办公室，眼前的人被同事叫醒，从地板上爬起来。头戴一顶深灰色、紧紧包住脑袋的绒布帽，上身是一件紫色紧身短袖上衣，露出清晰可见的肌肉线条，而下身是一条黑色长裙。
大模型的能力边界正在不断拓展，从文字到视觉，再到音频，全模态理解已渐成现实。然而，当你问一个多模态大模型「这首歌的高潮从第几秒开始？」或者「第 30 秒之后乐器编配发生了什么变化？」，得到的往往是一个模糊甚至错误的回答。
jina-embeddings-v5-omni正式发布，我们把 v5-text 向量模型的能力延伸到图像、音频和视频。文本侧不变，v5-omni 产出的文本向量与 v5-text逐字节一致，无需重建任何已有索引。
在前不久的 AI TECH DAY 上，斑马智能又新发布了“元神 AI 汽车机器人大脑”，同时推出 AutoOmni 全模态端模型产品矩阵与“龙虾上车”方案 AutoClaw，构成所谓的“一脑双引擎”升级。这不只是一轮产品迭代，更像在做一次预判：汽车正在从功能的集合机器，变成一个可以持续进化、还能主动协作的的智能体系统。
英伟达于昨日正式推出全新多模态推理模型Nemotron 3 Nano Omni，将文本、视觉、语音三大模态能力深度融合至单一模型体系，目前可免费使用。
由张昊天作为一作兼共同通讯作者在临港实验室联合上海浦江实验室、华盛顿大学、哈佛大学、MIT 等科研力量共同推进的 ODesign 开源科研项目，定位于全球首个面向全模态的分子设计基座模型。
没错，用的就是主打长程任务、模糊指令遵循，跻身国产Agent第一梯队的小米MiMo‑V2.5 Pro。小米最新发布的MiMo‑V2.5系列，包含Pro旗舰Agent、全模态基座、TTS语音合成、ASR语音识别四大模型，综合实力对标国际顶尖水准。