快手开源 KuaiMod，多模态 AI 专治各种劣质内容

快手宣布并开源其最新自研的多模态大语言模型 Kwai Keye-VL。 根据介绍，Kwai Keye-VL 以 Qwen3-8B 语言模型为基础，引入了基于开源 SigLIP 初始化的 VisionEncoder，能够深度融合并处理文本、图像、视频等多模态信息，凭借其创新的自适

在2024世界人工智能大会上，快手高级副总裁、主站业务与社区科学负责人盖坤宣布，快手文生图大模型可图（Kolors）正式开源。该模型基于数十亿图文对进行训练，支持256的上下文token数，支持中英双语，技术细节参考技术报告

！本周爆火的文生图模型 FLUX.1 系列，支持中文提示词的快手生图，还有 SenseVoice 语音识别，都在本版本得到支持。 图一、图二：由FLUX.1-dev生成 - 新增内置支持模型 📦   - flux.1-schnell 和 flux.1-dev 🌟   - llama-3.1-instruct 4

模型发布，拥有卓越的动态效果表现，更强的语义响应 快手可灵 AI 发布了其 KLING 2.1 系列视频模型。据悉，可灵 2.1 系列拥有标准版和大师版两个版本模型： 标准版支持标准（720P）和高品质（1080P）两种模式。价格方面，标准

sp;是我们迄今为止最具突破性的一款向量模型。作为一款开源模型，它的性能表现已全面超越来自主流供应商的顶尖闭源模型。” 在多语言检索方面，其性能比 OpenAI 的 text-embedding-3-large 高出 12%（66.49 vs 59.27）。 在长文档

处理和推理图像、视频和文本的等多模态内容的框架）的开源复制品。 其数据集 OpenFlamingo-9B 的 Demo 页面展示了训练结果，用户可以上传图片让该模型进行识别。 小编浅试了一下，一张简单的图片耗时 11 秒，可以相当精准地

Mistral AI 现已开源发布全新轻量级 AI 模型 Mistral Small 3.1。Mistral Small 3.1 能够处理文本和图像，参数仅为 240 亿。该模型提高了文本能力和多模态理解能力，并具备 128K 上下文窗口。 核心特性 轻量级部署：可在 单个 RTX 4090

深度学习模型的训练通常依赖于大规模的非结构化以及多模态数据，如图像、音频、文本和视频。这些数据往往需要进行大量且精准的标注，例如物体检测任务中的边界框、图像分割的掩码、语音识别的文本转录等。 特征：数

中国电信宣布将自研星辰 AI 大型模型全面开源，公开其底层代码、算法逻辑及其预制的各种基础大模型、开发模块、训练工具等核心产品能力。 用户既可以直接调用大模型，也可以根据自身业务需求对大模型进行微调或个性化

式发布了 Agent TARS 的 Beta 版本，将其定位为一个开源的多模态 AI Agent 工具，旨在提供与各种现实世界工具的无缝集成能力，并实现“随时随地可用”。 Agent TARS 的早期预览版已于三月份开源。此次 Beta 版本

苹果近日发布多模态大模型 MM1.5，旨在增强对文本丰富的图像的理解、视觉指代和接地，以及多图像推理的能力。 据悉， MM1.5在在 MM1 架构的基础上训练而成，MM1.5 采用了以数据为中心的模型训练方法，在整个模型训练生命周

，并将为各种AI实际应用奠定坚实基础。PonderV2代码同时开源。 PonderV2具有深度理解和感知三维真实世界的能力，并为广泛的三维应用提供强大支持。在预训练方面，该预训练与模型具备以下四项核心优势。 统一的预训练方式

上海报业集团、上海文广集团等语料数据联盟成员，共同开源发布“书生·万卷” 1.0多模态预训练语料。 “书生·万卷” 1.0目前包含文本数据集、图文数据集、视频数据集三部分，本次开源的数据总量超过2TB。集合语料数据联

联合发布行业首个“拍存管一体”的“AI相机”，具备全模态输入、处理、输出的系统化完整交付AI能力。 AI相机已在百度网盘App上线，并已接入百度文库App。百度文库还宣布多智能体协作能力“GenFlow超能搭子”全新升级为2.0