gemini
-
NeurIPS2024 | OCR-Omni来了，字节&华师提出统一的多模态文字理解与生成大模型
研究背景与挑战 在人工智能领域，赋予机器类人的图像文字感知、理解、编辑和生成能力一直是研究热点。目前，视觉文字领域的大模型研究主要聚焦于单模态生成任务。尽管这些模型在某些任务上实现了统一，但在 OCR 领域的多数任务上仍难以达成全面整合。 例如，Monkey 等视觉语言模型（VLM）擅长文字检测、识…
-
o1之后，GitHub又接入Claude、Gemini，网友：也杀不死Cursor
那些转到 cursor 的用户，会不会又被吸引过来呢？ 火山写作 字节跳动推出的中英文AI写作、语法纠错、智能润色工具，是一款集成创作、润色、纠错、改写、翻译等能力的中英文 AI 写作助手。 167 查看详情 从今天起，GitHub Copilot 用户可以有更多模型选择了。包括 Anthropic…
-
苹果自研AI战略搁浅：或放弃自研转向Anthropic/OpenAI合作
7月1日，据彭博社记者马克·古尔曼透露，苹果公司正与人工智能企业anthropic和openai进行深入谈判，拟终止其内部代号为“apple foundation models”的自研大语言模型项目，转而采用外部ai技术全面重构siri的核心能力。此举标志着苹果对其原定于2026年推出自研ai系统的…
-
2025年ai写作公文哪个好用
2025 年推荐的 AI 公文写作工具包括：Gemini、WordTune、Quill、Compose AI 和 Rytr。它们提供强大的人工智能功能，如准确的公文草稿、语法建议、法律效力和定制选项。在选择时，考虑精度、易用性、定制选项、行业支持和客户支持。 ☞☞☞AI 智能聊天, 问答助手, AI…
-
人工智能聊天软件排名 2025国内人工智能聊天软件前十名汇合
随着人工智能技术的发展，人工智能聊天软件已成为日常生活中重要的辅助工具。为了帮助用户了解国内人工智能聊天软件的发展状况，本文汇总了2025年国内人工智能聊天软件前十名，为用户提供全面的参考信息，助力选择满足自身需求的聊天软件。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 D…
-
谷歌 DeepMind 推出双 AI 机器人系统
%ignore_a_1%DeepMind最新推出的Gemini Robotics项目，首次实现了让机器人在行动前具备“思考”能力的双模型协同系统。这一技术突破有望打破当前机器人仅能完成特定任务的瓶颈，推动其向更通用化方向发展。 尽管生成式AI已在文本、图像、音频和视频内容创作中广泛应用，如今这项技术…
-
Zed 编辑器 AI 辅助编程功能改为“按 Token 用量收费”
开源代码编辑器 zed 宣布对其 ai 辅助功能的计费模式进行重大调整，将从原有的“按 prompt 提交次数”计费，转向基于“token 实际用量”的新机制。此举旨在让费用结构更贴近实际资源消耗成本，同时为用户提供更高的使用灵活性。 主要变更内容 新的 Token 计费方案即日起适用于所有新用户；…
-
蚂蚁数科推出多语种视觉大模型训练框架
在近日举行的香港金融科技节上，蚂蚁数科推出了一项名为“多语种多模态大模型训练框架”的前沿技术，致力于突破当前大模型在多语言应用场景中的局限。该框架在埃及阿拉伯语、印尼爪哇语、巴哈萨语以及巽他语等数据资源匮乏的小语种任务中展现出卓越性能。 其核心技术亮点在于一套全新的语言感知优化架构。该架构采用“以目…
-
GoogleAI视频生文怎么加速处理过程_GoogleAI视频生文加速处理设置技巧
首先启用流式状态传递（STS）模式，通过添加transfer_state=true激活状态迁移，确保视频分段连续并设置0.5秒重叠窗口，首次请求使用init_state=full初始化，后续用init_state=resume；其次优化视频为H.264编码的MP4格式，分辨率缩至720p，帧率限30…
-
原生融合多模态上的突破，让商汤大模型打破Scaling Laws撞墙「魔咒」
ai 领域的下一个突破口：原生融合多模态大模型 人工智能似乎在大型语言模型的研发上遭遇了瓶颈。GPT-5的发布延迟以及其他公司面临的类似问题，表明了当前大模型训练的局限性：高昂的成本、漫长的训练时间、日益枯竭的数据资源，以及电力供应等基础设施的限制。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜…
