Qwen-Image-3.0上线，支持最高4.5k token输入、12种语言、20多种字体，以及多图融合、图中图和图片编辑。实测显示，其在中文长文本生成、多语言混合排版、UI设计、多图融合与图片编辑等19个场景中均能稳定输出，文字不崩且信息对应准确，图片质量已能与GPT Image2媲美。该模型在国内可直接使用，速度快且价格不贵。
信息来源：公众号：卡尔的AI沃茨
转载请注明出处：https://www.ysthink.site/4360/
Qwen-Image-3.0上线，支持最高4.5k token输入、12种语言、20多种字体，以及多图融合、图中图和图片编辑。实测显示，其在中文长文本生成、多语言混合排版、UI设计、多图融合与图片编辑等19个场景中均能稳定输出，文字不崩且信息对应准确，图片质量已能与GPT Image2媲美。该模型在国内可直接使用，速度快且价格不贵。
赞 (0)
小红书开源 BigMac：多模态大模型训练新范式
上一页
6天前
AMD 投资 50 亿，Anthropic 采购 2GW GPU
下一页
6天前
相关推荐
-
NVIDIA 发布 Audio-Visual Flamingo：面向长视频的开放音频-视觉大语言模型
NVIDIA 推出 Nemotron-Labs-Audio-Visual Flamingo（AV-Flamingo），一个完全开源的音频-视觉大语言模型，专为理解和推理长视频中的音频、图像与复杂场景设计。
-
微软 MagenticLite 模型全面开源
MagenticLite 的模型现已完全开源。
此前在 Microsoft Foundry 上提供的 MagenticBrain 和 Fara 1.5，现已在 Hugging Face 上开放权重。
该应用、测试工具以及堆栈中的每个模型现已全部开放。
-
OpenAI 推出两款新转录模型 API
我们在 API 中引入了两种新的转录模型：
• GPT-Live-Transcribe：专为低延迟实时转录而构建。
• GPT-Transcribe：针对已完成音频文件和批量工作负载的异步转录进行了优化。两种模型都能更好地理解上下文，并在跨口音和语言的实际音频上提供更准确的转录，包括短句、数字、专业术语以及背景噪音较大的语音。
-
OpenRouter 上线 Gemini 3.6 Flash 与 3.5 Flash-Lite
今日在 OpenRouter 上线：Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite！
两者均为其模型系列的重大更新，具备高吞吐量（150+ tok/s），适用于智能体场景，从高效 token 的编码与知识工作，到低延迟、高并发的子智能体。
详情如下 🧵 -
ChatGPT 向美国用户推出健康功能
OpenAI 宣布向美国用户推出 ChatGPT 健康功能，支持安全连接 Apple Health 及受支持的医疗记录。每周有 3 亿用户使用 ChatGPT 进行健康咨询，新功能可让 ChatGPT 理解个人健康上下文，追踪变化并提供更个性化的帮助。