3B 多模态大模型在动作角色扮演游戏的战斗任务中，成功率超越 GPT-4o 和人类玩家，淘天集团未来生活实验室团队提出了 CombatVLA，已被 ICCV 2025 接收。

在复杂的三维环境中实现实时决策仍面临重大挑战，要求模型能在秒级时间尺度做出响应，具备高分辨率感知能力，并能够在动态条件下进[……]

继续阅读

我们很⾼兴推出 Qwen-Image-Edit，Qwen-Image的图像编辑版本。Qwen-Image-Edit基于我们20B的Qwen-Image模型进⼀步训练，成功将Qwen-Image的独特的文本渲染能力延展至图像编辑领域，实现了对图片中文字的精准编辑。此外，Qwen-Image-Edit将[……]

继续阅读

AudioGenie是什么

AudioGenie是腾讯AI Lab团队推出的多模态音频生成工具，能从视频、文本、图像等多种模态输入生成音效、语音、音乐等多种音频输出。工具采用无训练的多智能体框架，通过生成团队和监督团队的双层架构实现高效协同。生成团队负责将复杂的输入分解为具体的音频子事件，通过自适[……]

继续阅读

AI的应用领域绕不开游戏，而提到AI+游戏，人们通常会想到：利用AI生成游戏资产提升效率，或者设计智能NPC优化叙事体验，但是，游戏的最高配置不是多贵的显卡、多强的主机、多清晰的屏幕，而是陪你一起玩的朋友——这才是玩家心底最珍视的核心需求。逗逗AI 1.0致力于打造的，正是这样一个“陪你游戏的AI伙[……]

继续阅读

计算机视觉领域的大部分下游任务都是从二维图像理解（特征提取）开始的。

在特征提取、语义理解、图像分割等 CV 基本任务中的模型三幻神分别是 SAM、CLIP 和 DINO，分别代表了全监督、弱监督和自监督三大数据训练范式。

在人工智能领域，自监督学习（SSL）代表了 AI 模型无需人工监[……]

继续阅读

8 月 14 日消息，据科技媒体 9To5Google 今天报道，谷歌 Gemini AI 助手 App 版现已支持“记忆”与“临时聊天”功能。

两个功能的具体介绍如下：

一、“记忆”：

开启这项功能后，Gemini 会记住并学习用户的对话内容，在持续的聊天中记住用户分享的信息和偏好，[……]

继续阅读

• 官网地址：https://3d.hunyuan.tencent.com/sceneTo3D

• Github 项目地址：https://github.com/Tencent-Hunyuan/HunyuanWorld-1.0

• Hugging Face模型地址：h[……]

  继续阅读

8月11日，昆仑万维SkyWork AI技术发布周正式启动。8月11日至8月15日，我们每天发布一款新模型，连续五天，覆盖多模态AI核心场景的前沿模型。

截至目前，我们已经发布SkyReels-A3、Matrix-Game 2.0、Matrix-3D、Skywork UniPic 2.0、Skyw[……]

继续阅读

8月14日，昆仑万维正式发布Skywork Deep Research Agent v2，它是天工超级智能体（Skywork Super Agents）的核心引擎。

Skywork Deep Research Agent自5月22日上线后，大幅重塑了大模型在AI Office领域的角色，通过s[……]

继续阅读