阶跃星辰发布最强开源多模态推理模型 Step3

复旦大学和阶跃星辰将要出一款端到端多模态 SVG 生成模型：OmniSVG，核心是支持从简单图标到复杂动漫角色的生成。 OmniSVG 主页：https://omnisvg.github.io/ 论文地址：https://arxiv.org/abs/2504.06263v1 OmniSVG 支持三种生成模式：

阶跃星辰昨天发布并开源了全新的通用图像编辑模型 Step1X-Edit，上线次日就在海外开源社区平台 Hugging Face 登上 Spaces 趋势热榜，该榜单反映了模型实际应用价值的受欢迎程度。 Step1X-Edit 提供强大的改图能力，可以帮用户完成

阶跃星辰宣布开源图生视频模型 Step-Video-TI2V，一款基于30B参数Step-Video-T2V训练的图生视频模型，支持生成102帧、5秒、540P分辨率的视频，具备运动幅度可控和镜头运动可控两大核心特点，同时天生具备一定的特效生成能力。 公

继开源 Skywork-R1V 后，昆仑万维宣布再开源多模态推理模型的全新升级版本 —— Skywork-R1V 2.0（简称 R1V 2.0) 。 公告称，Skywork-R1V 2.0 是当前最均衡兼顾视觉与文本推理能力的开源多模态模型，该多模态模型在高考理科难题的深度

阶跃星辰StepFun AI团队发布了Step1X-3D，一个完全开源的、专注于高保真度和可控性的纹理3D资产生成框架。该框架旨在解决现有3D生成方法在纹理质量、几何细节和可控性方面的不足。 Step1X-3D通过多阶段优化流程，结合了先进的

码库，并于近日继续开源上线了升级后的DeepSeek-V3模型。 阶跃星辰则在一个月左右时间开源三款多模态大模型，其最新开源的是图生视频模型Step-Video-TI2V，支持生成的视频具备运动幅度可控和镜头运动可控两大核心特点，同时自

在今天召开的直播活动中，马斯克正式发布了 Grok 4，声称是全球最强 AI 模型，在处理学术问题上的表现已达到博士级别。整场发布会时长 53 分钟，马斯克演示了 Grok 4 模型的多模态功能、更快的推理能力等诸多新特性。 Grok 4

le_thinking 下 reasoning_content 输出异常 🏢 企业版更新 发布 0.1.2 版本，增强 Prometheus 指标监控能力，max_tokens 默认支持最长 tokens。 修复多模态模型在 vLLM 与 Transformers 推理时的兼容问题，提升分布式部署稳定性。 我们感

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

了业内首个支持30种方言自由混说的语音识别大模型——星辰超多方言语音识别大模型，可同时识别理解粤语、上海话、四川话、温州话等30多种方言，是目前国内支持最多方言的语音识别大模型。 据悉，中国电信人工智能

今天，阿里云举办通义千问发布会，开源通义千问720亿参数模型Qwen-72B。 地址：https://modelscope.cn/models/qwen/Qwen-72B/ 据介绍，Qwen-72B在10个权威基准测评创下开源模型最优成绩，成为业界最强开源大模型，性能超越开源标杆Llama 2-70

上海人工智能实验室（上海 AI 实验室）升级并开源了通用多模态大模型书生·万象3.0（InternVL3）。 根据介绍，通过采用创新的多模态预训练和后训练方法，InternVL3 多模态基础能力全面提升，在专家级基准测试、多模态性能全面

近日中国电信开源了12B参数规模星辰语义大模型TeleChat-12B。相较于1月开源的7B版本，内容、性能和应用等方面整体效果提升了30%。其中，多轮推理、安全问题等领域提升超40%。另外，据了解，中国电信将于年内开源千亿级参数大

阿里巴巴通义实验室开源了一款名为HumanOmniV2的多模态推理模型，旨在解决现有模型在全局上下文理解不足和推理路径简单化的问题。该模型能够更精准地捕捉图像、视频、音频中的隐藏信息，从而更好地理解人类的复杂意图和