#多模态
MiniCPM-V 4.6：1B参数端侧多模态模型发布
面壁智能发布MiniCPM-V 4.6，这是MiniCPM-V系列端侧多模态家族中体量最小的新成员，整体参数规模仅约1.3B，但在性能和推理效率上表现突出。
1B参数意味着什么？
模型参数量大致决定了硬件要求。1B量级意味着手机、普通笔记…
GPT-Image-2 灰度测试作品展示：多风格图像生成能力详解
目前 GPT-Image-2 正在灰度中，可惜作者的 GPT Pro 订阅都没命中灰度... 只好先借用一下 X 上的优秀作品了（作品作者见每个 prompt 前面的@xxx，部分作品没有找到 prompt）。
作品展示
1. 九宫格设计师…
Seedance 2.0 Prompt 圣经：5 层提示词结构 + 镜头关键词库 + 约束系统完整指南
苏米注：Seedance 2.0 API 全面开放后，AI 视频生成再次成为热点。这篇文章整理了 Seedance 2.0 提示词的完整指南，从 5 层结构、镜头关键词库到约束系统，都是实测有效的技巧。
一、Seedance 2.0 到底…
MMX-CLI 详解：MiniMax 多模态命令行工具，7 种感官赋能 AI 内容创作
大多数 AI 能读写思考，但让它们唱歌画画就差点意思。MiniMax 今天发布的 MMX-CLI 要解决的正是这个问题。
苏米注：这个工具的定位很有意思——它不是把 AI 变成瑞士军刀，而是让 AI 自己学会使用工具…
Meta 发布全新大模型 Muse Spark：多模态是强项，编程是短板
今天凌晨，Meta 发布了全新的大模型 Muse Spark，已上线到 Meta 旗下的各类产品。
Meta Superintelligence Labs（MSL）负责人 Alexandr Wang 在推特上宣布了这个消息。他说，九个月前团…
智谱发布 GLM-5V-Turbo：视觉编程模型实测，网页复刻能力如何？
智谱最近发布了新款多模态模型 GLM-5V-Turbo，主打视觉编程能力。
这款模型可以直接基于图片、视频、网页生成可运行代码，在多项评测基准上以较小尺寸取得领先表现。
苏米注：视觉编程这个方向很有意思。之前用过的多模态模型大多是"塞了个识…
SentrySearch 开源项目：用多模态 AI 实现视频语义搜索，支持本地/云端双模式
在处理大量视频素材时，找到一个特定片段往往需要来回拖动进度条，效率极低。
最近 GitHub 上出现了一个开源项目 SentrySearch（目前已获 2.7K Star），它能让视频搜索变得像 Google 搜索文本一样简单。
视频搜索…
智谱 GLM-5V-Turbo 发布：原生多模态 Coding 基座模型
智谱 GLM-5V-Turbo 发布：原生多模态 Coding 基座模型
2026 年 4 月 2 日，智谱发布 GLM-5V-Turbo，定位为「面向视觉编程的多模态 Coding 基座模型」。这款模型在 GLM-5-Turbo 的编程和…
天谱乐：全球首个文本/图片/视频一键成曲的多模态AI音乐创作大模型
天谱乐是唱鸭旗下的AI音乐品牌，为用户提供个性化、智能化的音乐创作体验。它支持文本、图片和视频生成音乐，让创作变得简单便捷。利用先进的多模态理解与生成技术，天谱乐能够生成与图片和视频情感高度契合的音乐，并提供发行级的歌曲创作服务。无论是专…
SkyReels：一个画布+多Agent的端到端内容生成思路，适合营销与电商团队
把一张猫的头像，从风格化转绘到生成短视频、加配音并导出4K，全程没有跳出同一个画布。
这是我对全新 SkyReels 的第一印象：以“无限画布”为核心，串起图片、视频、数字人、音频等多模态生成，并用一组预设 Agen…