LFM3 视觉模型面向端侧文档和屏幕理解
Liquid AI 的 LFM3-VL-2B 接收文字、图像与视频,面向本地文档阅读、图表理解、屏幕识别和物体定位。模型把 LFM3 语言部分与新的自研视觉编码器结合。
查看产品动态栏目最近发布的新闻与相关消息。
共 162 篇
Liquid AI 的 LFM3-VL-2B 接收文字、图像与视频,面向本地文档阅读、图表理解、屏幕识别和物体定位。模型把 LFM3 语言部分与新的自研视觉编码器结合。
Anthropic 公布 2026 年使用政策更新,生效时间为 11 月 12 日。新版本进一步说明了欺骗性活动、武器相关软件、监控,以及医疗、金融等高风险用途的要求。
LFM3-Omni-2B 是 Liquid AI 的端到端全模态模型,可以理解文字、图像、视频和音频,并用文字或语音回答。其目标是在端侧把原本分开的识别、视觉理解、语言和语音合成组件合并。
英伟达公开 Nemotron 3.5 Transcribe,支持 40 种语言的离线转写,可处理最长一小时录音,并提供翻译、说话人归属、时间戳和音频问答等功能。权重包含多种精度版本。
Anthropic 将网络安全验证计划扩展为防御、红队和专项访问三个层级,并把此前 Project Glasswing 的相关安排整合进来。申请方可按工作范围接受不同程度的身份与用途审核。
Liquid AI 的 LFM3-1.7B 采用新的三混合架构,面向本地智能体、工具调用、结构化输出和领域定制。官方提供原始模型和 GGUF 版本,方便按推理框架与硬件选择。
百度的 Unlimited OCR 2 提供 Transformers 和 SGLang 使用方式,支持将整份文档的页面按顺序放入同一个请求,从而在解析中利用跨页上下文。
南北阁公开 Nanbeige4.3-33B,重点面向编程和职业协作任务。团队先构建较高能力的教师智能体,再计划将相关能力蒸馏到更小的模型。
Spark-X2.6-4B 保持上一代的架构,通过改进后训练增强编程、智能体、多语言和长上下文能力。官方公开了 Transformers 格式权重,以及部署和推理配置示例。
Recursive 的 Flint 面向代码库调查、修复错误、实现功能和编写测试,支持文字输入输出、推理及多轮工具调用。模型约有 39.8B 总参数,每 token 激活约 2.5B 参数。
DeepSeek 官方公布 V4.1-Flash-1017 小版本更新,称其改善了推理、编程、智能体和视觉任务,并减少部分任务的执行时间与输出长度。模型与仓库采用 MIT 许可证。
Black Forest Labs 提供面向 ComfyUI 的 FLUX 3 Image Klein 文件,支持指令编辑、文生图、最多十张参考图组合及边界框布局控制。文件包包含基础和蒸馏版本,以及不同精度选项。
Meta 的 SAM 3 支持文字或视觉提示,可检测、分割并跟踪符合某个概念的物体。相比只指定一个位置,它能够按短语或示例寻找图像中所有匹配实例。
Qwen 官方公开 Qwen3.8-27B 权重,支持图像、视频理解和可调思考模式,重点加强编程、专业工作、研究及长流程智能体任务。模型沿用 Qwen3.5 的架构基础。
Lightricks 的 LTX-2.5 提供开放权重,可根据文字、图像和视频输入生成同步音视频,并支持本地运行和微调。文件按组件拆分,方便与 ComfyUI 工作流及命令行管线衔接。
苹果中国10月31日宣布,Apple 智能首批功能将于11月4日随 iOS 开发者 Beta 版开放测试,计划在12月随 iOS 27.3 正式推出。
Claude 官方帮助中心更新了 Ultra 套餐说明:通过验证的账号不再受到五小时使用限制,可以在每周额度内连续使用。网页订阅价格为每月200美元。
OpenAI 帮助中心公布,Plus、Pro 和 Business 套餐从12月起将在 ChatGPT 与 Codex 之间共享使用额度。该调整与 Work 的代理能力进入 ChatGPT 主体验同步推进。
符合条件的 Ultra 用户开始获得 Genie 4 访问;新增实时场景编辑、原生音频和作品社区,Pro 用户可加入等候名单。