字节跳动最新推出的AI图像生成模型Seedream 4.0引发行业关注。该公司宣称，在内部评测基准MagicBench中，该模型在提示词遵循度、图像对齐能力和美学质量三个核心维度上超越了谷歌DeepMind的Gemini 2.5 Flash Image模...

英伟达正式推出全新Rubin CPX GPU，该芯片专为处理超过100万token的超长上下文窗口而设计，标志着人工智能推理基础设施迈向新阶段。采用“分解式推理”架构理念，Rubin CPX针对视频生成、复杂软件开发等长序列上下文任...

GitHub上新出现的Jaaz项目标志着创意工具领域的重要突破。作为全球首个开源的多模态创意助手，Jaaz专注于隐私保护并支持完全本地化运行，无需依赖云端服务。该项目采用先进的多模态AI技术，能够根据文本提示生成高质...

微软通过GitHub开源项目yuniko-software/minecraft-mcp-server，推出基于Mineflayer API的Minecraft MCP服务器。该技术突破允许Claude等大型语言模型实时控制游戏角色，实现自然语言指令驱动的自动化建造、环境探索...

谷歌开发者博客宣布，其先进的文本生成图像模型Imagen 4系列现已在Gemini API中全面开放使用，同时推出高性能版本Imagen 4 Fast。这一里程碑式更新标志着谷歌在多模态AI领域取得重要突破，开发者可通过API直接调用具...

谷歌开发者博客宣布，其先进的文本生成图像模型Imagen 4系列现已在Gemini API中全面开放使用，同时推出性能优化的Imagen 4 Fast版本。这一里程碑式更新标志着多模态AI技术进入工业化应用阶段，开发者可基于该API实现...

马斯克旗下xAI团队开发的Grok模型即将迎来重大更新，内部版本号V7已完成预训练。此次升级的核心突破在于原生多模态能力的实现，模型可直接处理音频和视频输入，标志着通用人工智能在跨模态理解领域迈出关键一步。值...

Qwen-Image作为一款200亿参数的MMDiT架构图像基础模型，在复杂文本渲染和精准图像生成领域取得重大突破。该模型不仅能实现多语言（包括字母文字和表意文字）的多行文本布局和段落级语义生成，还能保持编辑过程中的语...