手绘图直接变海报，国产开源多模态模型把图片玩“活”了
手绘图直接变海报，国产开源多模态模型把图片玩“活”了正式版将在近期推出并开源。
来自主题: AI资讯
7253 点击 2026-08-04 11:05
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
正式版将在近期推出并开源。
这两天，AI圈百家争鸣。GPT-6曝光、DeepSeek V4 Flash公测、SD2.5发布、MiniMax多模态开源视频模型发布……
JarvisHub 给出的答案，是把可编辑画布同时变成用户工作区、Agent 的外部记忆、行动空间和共享项目状态。Agent 不再只从聊天记录里猜测上下文，而是直接「看」到画布上的提示词、参考图、候选版本、生成结果、依赖关系、失败记录和用户反馈，再据此规划、调用工具、写回结果。
目前，这项技术已成功应用于上海人工智能实验室Intern-S2-Preview 35B/397B系列多模态大模型的预训练中，有效提升了模型的科学推理与多模态理解能力。值得一提的是，相关研发均基于国产昇腾算力平台完成，并成功实现了面向大规模预训练的深度适配与优化。
今天，Thinking Machines正式发布第二款重磅模型——Inkling-Small。276B总参数、12B激活参数，原生多模态，100万token上下文。半个月前，首个开源975B Inkling登场，曾在AI圈掀起了巨浪。
今天，我们正式发布 MiniMax H3。这是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。
长视频理解，正在成为多模态大模型的重要能力。
近几年，多模态生成模型进步很快。一句指令就能生成图片、视频、音频、网页、UI、分镜，甚至整套演示文稿。只看成品，创作门槛似乎已经大幅降低。
过去两年，多模态模型的竞争看起来像一场“造眼睛”的竞赛：更高的图像分辨率、更多的视觉 token、更大的模型，以及更昂贵的训练。行业似乎默认，只要第一次看得足够清楚，AI 就能从“看见”抵达“洞见”。
Z Potentials 独家获悉，新加坡国立大学博士，牛津大学博士后研究员林庆泓（Kevin）近期以首席研究员（Principal Researcher）身份加入世界模型公司 Video Rebirth，负责多模态智能体与世界模型相关研究。