谷歌新模型釜底抽薪：你还在费力拼接多模态AI吗？一个API已经终结了比赛
快速导读：谷歌发布Gemini Embedding 2，一个能将文本、图像、视频、音频、PDF统一编码的“怪物”。关键是，它原生理解音频视频，不再需要先转录成文字。对于构建RAG或多模态应用的团队来说，这意味着大量复杂的“管道工程”一夜之间被废弃了。 ...
Category: 大模型
AI编程带来代码审查瓶颈，Anthropic推出Code Review工具破局
IT之家 3 月 10 日消息，说到编程，尽早发现漏洞、保持代码库的一致性、提升整体软件质量至关重要。 “氛围编程”（vibe coding）的兴起 —— 即使用 AI 工具，通过自然语言指令快速生成大量代码，改变了开发者的工作方式。这类工具虽然加快了开发速度，...
Qwen-Image-Layered快速入门指南
你有没有试过：好不容易生成一张满意的图，想把背景换成星空、给主角加个发光特效、或者单独调亮人物面部——结果一编辑，边缘发虚、颜色断层、细节糊成一片？不是模型不行，而是传统图像表示方式天生“锁死”了修改自由度。 Qwen-Image-Layered 不走寻常路。它不直接输出一张扁平的 PNG，...
干掉Photoshop和canva！详测Lovart“图层编辑”新功能
你好，我是清风最近，全球第一的设计智能体，卷王 Lovart 上线了一个新功能：图片分层编辑！ 刚听说这个功能的时候，我是不以为然的，心想，言出法随的 AI 还差这个？ 直到昨天帮一个同事用 AI 改图，改到崩溃的时候，我突然意识到一件事： 因为底层技术架构，...
阿里发布万相2.6视频模型：AI创作进入「导演时代」
2025年12月16日，阿里云通义实验室正式发布万相2.6系列模型，这个被业界称为"视频生成领域的里程碑"的更新，不仅实现了从"抽卡式生成"到"精准导演"的技术跨越，更以15秒国内最长单次生成时长、全球唯二的"参考生视频"能力，重新定义了AI视频创作的行业标准。...
FunAudioLLM：声音理解与生成 人类与大型语言模型之间自然交互的基础模型
摘要 本报告介绍了FunAudioLLM，这是一个旨在增强人类与大型语言模型（LLMs）之间自然语音交互的模型家族。其核心包括两个创新模型：SenseVoice，负责处理多语言语音识别、情感识别和音频事件检测；以及CosyVoice，...
FLUX.1-dev本地部署与镜像下载全指南
在生成式 AI 的竞技场上，图像模型早已从“能画出来就行”进化到“懂你所想、绘你所思”的新阶段。🎨 而最近横空出世的 FLUX.1-dev，正是这场技术跃迁中最具野心的一次尝试——它不满足于做一名只会听指令画画的“画师”，而是要成为一位既能创作、又能理解、还能执行复杂任务的多模态全能选手。...
FLUX.1-dev入门实操：跟着图文教程，轻松上手新一代图像生成模型
你是不是也对那些能根据文字描述生成惊艳图片的AI模型感到好奇？想自己动手试试，但看到复杂的代码和配置就头疼？别担心，今天我们就来聊聊FLUX.1-dev——一个号称能生成“照片级”真实感图像的开源模型。 好消息是，现在你不用折腾环境配置，也不用担心显卡不够用。...
从零起步：全面指南教你训练强大的AI模型
导读 ChatGPT面世以来，各种大模型相继出现。那么大模型到底是如何训练的呢，在这篇文章中，我们将尽可能详细地梳理一个完整的 LLM 训练流程，包括模型预训练（Pretrain）、 Tokenizer 训练、指令微调（Instruction Tuning）等环节。 1....
从零开始：如何用Python训练一个AI模型（超详细教程）
引言 人工智能（AI）——一个熟悉又神秘的词汇。我们常听说它可以生成诗歌、编写代码、创作艺术，甚至回答各种问题。然而，当你想亲手实现一个“AI 模型”时，却可能感到无从下手。这篇教程正是为你准备的，将带你从零开始，逐步掌握从“AI 新手”到“能够搭建 AI 模型”的核心技能。...