Empero 开源了 Qwythos-9B-Claude-Mythos-5-1M，这是一款增强推理能力的小模型，拥有 90 亿参数。该模型通过高质量数据提升复杂推理任务的表现，支持长上下文和工具调用，拓展了多模态应用。HyperAI 提供了快速部署和测试的资源，方便开发者使用。
2025年8月19日，文心开源创新大赛启动，吸引900余名开发者参与，聚焦多模态应用与AI+硬件。经过激烈角逐，23支团队晋级决赛，展示了AI与硬件的深度融合，参赛者利用文心4.5模型创新出多种实用硬件解决方案，涵盖健康监测、教育陪伴等领域。大赛推动了AI技术的落地应用，期待未来更多创新成果。
文心开源创新大赛于2025年8月19日启动，聚焦多模态应用与AI+硬件，吸引全球900余位开发者参与。赛事展示了70余支优秀团队的创新作品，涵盖智能硬件与AI解决方案，推动技术交流与生态合作，助力开发者成长。赛事旨在激发创新，构建开放共赢的AI生态。
文心开源创新大赛将于2025年8月19日上线，邀请开发者探索多模态应用和AI+硬件创新方案。活动包括技术工作坊，聚焦AI开发生态，并进行文心大模型和PaddleOCR的实战演示。活动定于11月8日在张江科学之门举行。
NVIDIA推出Nemotron Nano 2 VL模型，支持视频理解和文档智能，采用混合Transformer-Mamba架构，具备高效视频采样技术，提升处理效率和准确性，适用于多模态应用。
2025年7月，开放原子大赛在开源生态大会上启动，文心开源创新大赛正式报名，聚焦多模态应用和AI+硬件，鼓励开发者探索创新方案。百度作为合作方，推动开源技术发展，提供教程和线下交流活动，期待优秀作品涌现。
2024年，国产模型DeepSeek以低成本和高性能冲击AI行业，推动大模型竞争格局变化。价格战、能力提升和多模态应用成为新趋势，国际巨头被迫降价，中国开源生态逐渐掌握定价权，未来市场格局将重塑。
本研究提出了名为Vieira的声明式框架，旨在解决基础模型的局限性。该框架统一了多种增强机制，将基础模型视为无状态函数，支持复杂的多模态应用。研究表明，Vieira与现代基础模型结合后，准确性与竞争基线相当或更优。
Spring AI与Amazon Bedrock Nova模型通过Converse API集成，支持多模态应用，包括文本、图像和视频。Nova模型分为Pro、Lite和Micro版本，满足不同需求。该集成简化了开发流程，提供文本补全、图像和视频分析等功能，并支持外部工具调用，助力构建先进的对话应用。
MedXChat是一个用于医学助理和用户之间互动的模型，包括CXR到报告生成、基于CXR的问答和文本到CXR合成三个功能。该模型在医学多模态应用中表现出优异的适应性，并在MIMIC数据集上超越了基准模型。研究还介绍了一种创新的文本到CXR合成方法，能够生成高保真度的医学图像。研究中的数据和模型将开源。
OpenAI的ChatGPT视觉能力开启了新篇章，开发者们探索视觉理解与对话AI的结合。作者创建了一个多模态原型应用，利用KOSMOS-2进行图像描述，并结合Google的PaLM API实现深度对话。该应用允许用户上传图像并进行实时互动，界面友好，旨在推动视觉语言应用的发展。
本文介绍了Point-Bind和Point-LLM两个模型，Point-Bind是一个多模态模型，将三维点云与二维图像、语言、音频和视频对齐，实现了许多有前景的应用。Point-LLM是第一个遵循三维多模态指令的三维大型语言模型，通过将Point-Bind的语义注入到预训练的LLM中，实现了出色的三维和多模态问答能力。希望这些模型可以为扩展三维点云到多模态应用的社区提供帮助。
完成下面两步后，将自动完成登录并继续当前操作。
