#多模态

GPT-6 Astra用6小时破解了217年未解的拿破仑密码，展示了多模态AI的惊人效率。

AI Will@FinanceYF511 个信源在谈原文

Claude Opus 5.5 能用 Python 写音乐、做3D动画，还支持 Blender 渲染，多模态创作能力真强。

AI Will@FinanceYF5原文

VISTA让Claude Opus在视觉游戏中表现超越人类，动作减少57.4%，多模态推理能力有突破。

清华团队新方法用合成场景训练MLLM，提升多区域视觉理解，在6个基准上平均涨3.23分。

MOBA-VL用游戏遥测数据训练，能准确捕捉击杀和目标等关键事件，比现有模型更精准解说电竞比赛。

OpenRouter 新增多图参考编辑功能，一次上传14张图，比单图编辑更精准。

OpenRouter@OpenRouterAI原文

Perplexity开源了27B参数的多模态决策模型，还推出了按输入计费的API，输出免费。

Aravind Srinivas@AravSrinivas原文

BFL的FLUX 3 Image现在能在OpenRouter用了，支持4K和多参考编辑，比之前的版本更精准。

OpenRouter@OpenRouterAI2 个信源在谈原文

Perplexity发布了多模态决策模型，价格比Jev低，性能却更高，还开源了模型。

Aravind Srinivas@AravSrinivas原文

Pika新出的Camera Director功能，能让你从不同角度重新构图视频片段，质量很高很实用。

官方账号Pika Labs@pika_labs原文

Tavus 推出 Griffin 视频对话模型，能实时互动，48% 的人误认为真人，视频交互能力接近人类水平。

elvis@omarsar011 个信源在谈原文

TheUnbiasedCo 发布的 Pareto 26.10 在 OpenRouter 上线，价格比旧版便宜近七成，还支持多模态和长上下文。

OpenRouter@OpenRouterAI原文

谷歌 Gemini 4 输出长度达 100 万 tokens，价格比 GPT-6 Astra 更实惠，在写作和多模态能力上有优势。

官方一手歸藏(guizang.ai)@op741811 个信源在谈原文

EviRover通过交互解决单次观察不足的感知问题，在多个基准测试上大幅提升性能，已开源所有资源。

MemLife解决了长期视频记忆的检索难题，无需训练或视频访问即可提升性能，还提供了MemOpt优化框架。

UniAE-MoE整合了两种主流音频编码器，通过任务特定数据扩展技术提升跨音频领域理解能力。

TPAE方法通过细粒度监督提升多模态模型推理能力，在七个基准测试中表现优异。

DAGent解决了深度研究任务中的规划脆弱性问题，通过条件扩展任务图实现更高效的执行。

Ideogram 推出了 4.5 版本，能连续编辑图片不变形，还准备开源。

Gorden Sun@Gorden_Sun原文