#多模态

面壁把 35B 的 MoE 模型塞进 3GB 内存的手机里还能跑 13+ token/s，比 Qwen3.6 同规格得分还高，做端侧应用可以看看。

OpenBMB 的 MiniCPM-V 4.7 现在能在 Mac 上离线跑多模态了，1B 版每秒 315 token，图像视频都能看，数据不出本地。

OpenBMB@OpenBMB原文

有人给不存在的 GPT-6 拍了个洗碗广告恶搞视频，拿"洗碗基准测试"调侃各家跑分的营销味儿，两分钟乐一下。

AI Will@FinanceYF511 个信源在谈原文

华为麒麟 9050 Pro 的数据都在这了：GPU 快 40%、省电 45%，还有业界首个 2 亿像素 ISP，关心手机芯片的可以看看。

OpenBMB 的 MiniCPM-V 4.7 35B-A3B 被第三方去掉了审查，拒绝率从 96.3% 降到 0，Hugging Face 上能直接下载本地跑。

@atomic_chat_hq@atomic_chat_hq原文

OpenBMB 的 MiniCPM-V 4.7 在 3D 生成上赢了 Qwen 3.6 35B-3A，还省 10% token，本地跑视觉模型可以关注一下。

@atomic_chat_hq@atomic_chat_hq原文

讲的是世界模型这条新赛道：AI 不再只生成一张图，而是造出能实时互动的 3D 世界，想了解文生图之后下一个卷点在哪可以看看。

量子位@梦瑶原文

OpenRouter 上线了 Muse Wonder，做模型评测或想第一时间试新的可以去这个页面直接调。

OpenRouter@OpenRouterAI原文

OpenBMB 的 MiniCPM-V 4.7 能在 iPhone 上跑 35B 多模态模型，3GB 内存 13 tokens/s，OCR 还压过 Qwen3.6，端侧玩家可以试试。

OpenBMB@OpenBMB7 个信源在谈原文

中车长客造了国内第一列具身智能地铁，能自己感知路况、制定行车策略，还减重18%、节能超10%，硬件党别错过。

阿里云QwenWork能直接把图片变成视频海报配乐，一站式搞定营销素材

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

谷歌新开源的EmbeddingGemma 2能实现图文视频搜索，比传统搜索更精准。

Gorden Sun@Gorden_Sun原文

vLLM新开源的5个决策模型，能直接判断文本图像内容，不用生成文本，效率更高。

官方一手marktechpost@Michal Sutter原文

何恺明团队又出手了，这次做的是多模态的视觉原生Harness，把视觉当原生模块而不是外挂，思路和常见拼接方案不一样。

量子位@henry原文

Google 上线了一个检测 AI 内容的网站，上传图片视频就能查有没有 SynthID 水印，连 OpenAI 的水印也能认出来。

Detik Inet11 个信源在谈原文

Claude 这次一下上了两个功能：问句话就能出实时仪表盘，还能生成动画解说视频，做数据汇报的可以试试。

AI Will@FinanceYF511 个信源在谈原文

Google Translate 测试版代码里藏了个 Smart assist，能先把你口语里的废话和口误清掉再翻译，对常用对话模式的人挺实用。

Anthropic 让 Claude Science 补上了 GALEX 没拍到的三分之一天空，还标了哪些是实测哪些是模型猜的，做天文数据的人可以看看这个思路。

生数科技的 Vidu Q4 Preview 能一次塞 15 张参考图和 3 段音频生成视频，直接输出 4K，价格 0.09 元一秒起。

HiDream新发布的视频模型在排行榜上表现亮眼，能生成带原生同步音频的高清视频，价格亲民。

官方账号Artificial Analysis@ArtificialAnlys原文

StepFun 的 Step 5 Preview 限时免费，600B 参数还能看图，得分和 GPT-6 Luna 打平，可以先去试试再决定要不要付费。

官方账号Nous Research@NousResearch5 个信源在谈原文