AI 工具箱
接近32℃问海边穿搭，AI却推荐了羽绒服
7月中旬在上海测试淘宝、京东AI导购，输入“海边度假、防晒且透气”后，前三条推荐仍出现羽绒服和抓绒冲锋衣。一次测试无法说明平台全貌，却暴露了季节条件没有被当作硬筛选的问题。
阅读全文
Search
站内搜索
关键词：多模态
找到 112 篇相关文章
AI 工具箱
开发者生态
MiCo发布一个月，开源社区把它接进了哪些Agent框架
上海AI实验室多模态预训练框架MiCo开源一个月后，已被开发者陆续接入LangGraph、Dify、CrewAI等主流Agent框架。本文盘点各框架接入进度，给出可复用的工具调用模板，并记录一次真实接入坑点。
阅读全文WAIC 2026 现场：通专融合路线首次集中亮相
2026年7月17日，WAIC 2026在上海开幕，1100余家企业携3000余项展品集中亮相。本文记录现场三大技术路线——通用基模型+专家插件、多模态通才、具身神经符号系统的同台比拼，结合高文院士'通专融合'演讲和BI
阅读全文
技术应用
2026座舱Agent上车，停车场纠纷仍要人定责
2026年，车载AI Agent开始从语音问答走向多模态感知、工具调用和主动服务。放到停车场剐蹭场景，它可以帮车主找记录、理清时间线、生成陈述，但责任认定仍取决于证据效力和外部处理流程。
阅读全文
技术应用
2026暑期AI手机横评：三款旗舰的端侧多模态谁更懂生活
2026年暑期，iPhone 18、华为Mate 80与小米15 Ultra的端侧AI实测揭示了不同的技术取舍。苹果凭借稀疏架构实现极致能效，华为在中文多轮对话中展现深度理解，小米则以万亿参数模型提供强大的本地创意能力。
阅读全文
前沿研究
BIGAI为何押注物理世界：通专融合要过哪些硬门槛
BIGAI以“通通”3.0、SceneVerse++和TongSIM把通专融合落到具身智能：大脑负责规划，小脑负责控制，本体完成动作。判断这条路线是否成立，要看仿真经验能否迁移到真实设备，并在时延、算子和安全约束下持续执
阅读全文
前沿研究
一句话找照片，手机相册为何适合端侧多模态模型
相册里的搜索、编辑和分享原本分属不同工具。端侧多模态模型把图像理解与自然语言检索放进同一条本地流程，减少照片上传，也方便弱网或离线使用。体验上限仍由模型压缩、内存、调度和散热决定。
阅读全文我们把五款AI视频工具接进了一条质检线
一边是每小时超过2万场的直播回放，一边是每晚约600万帧的夜间监控。我们用五款视频模型、Python 和 LangGraph 跑了一个半月，留下“抽帧、双模型描述、冲突仲裁、规则复核”四步。按项目账本，月成本约4.7万元
阅读全文
前沿研究
多模态大模型评测新标准：2026年基准测试为何更看重逻辑推理
2026年多模态大模型评测进入深水区，传统图像描述不再是核心竞争力。随着“方升-全模态”和《通用大模型评测体系2.0》的发布，基准测试重点转向复杂图表分析、科学公式推导及长视频因果逻辑理解，揭示技术发展的下一阶段风向。
阅读全文
前沿研究
Mistral Medium 3走企业路线，但别急着贴上开源合规标签
Mistral Medium 3 已进入 Azure AI Foundry 和 Google Cloud，覆盖代码、数学推理、长文档与多模态任务。它的优势是企业接入路径清晰，但现有资料不足以证明“24B 开源”或直接满足
阅读全文
AI 实操指南
工厂里的质检Agent，怎么跟老旧ERP系统对话
宁波一家转向节工厂的质检Agent上线第一天，就因为读不懂20年前ERP的数据格式把良品误判为次品。本文拆解如何通过一层薄中间件做协议转换、编码桥接和缓存限流，让多模态Agent实时读取老系统里的物料规格与公差，附核心代
阅读全文
前沿研究
BIGAI 2026路线图解码：通用智能体在垂直行业的落地场景
2026年7月，BIGAI在通用人工智能论坛上发布“通通”3.0，确立了“常识增强”与“多模态交互”两大核心技术方向。从电商客服的“翻车”教训到医疗法律的高门槛场景，BIGAI正通过“数据-大脑-小脑-本体”的闭环架构，
阅读全文