DeepDigest
← все статьи
Multimodal

Multimodal

106 статьи по теме

НОВОЕ
AI Snake Oil

Сотрудничество человека и ИИ: альтернативы полной автоматизации

В сфере ИИ идёт спор о том, должен ли он быть ориентирован на автоматизацию труда или на сотрудничество с человеком. Сторонники второго подхода указывают на технические и экономические ограничения полной автоматизации. Обсуждаются ключевые проблемы на пути к эффективному сотрудничеству: создание понятных ИИ‑систем, работа агентов в реальном времени, непрерывное взаимодействие человека и ИИ, оценка такого сотрудничества.

LLM Research Multimodal
читать →
~10 мин 2 просмотра
TechOrange

World Labs представила модель Atlas: из 2D в 3D для обучения роботов

World Labs выпустила модель Atlas, которая преобразует 2D-изображения в детализированные 3D-симуляции. Модель может использоваться для обучения роботов и создания визуальных эффектов. В тестах Atlas показал лучшие результаты по сравнению с рядом конкурентов. Компания привлекла значительные инвестиции и уже предоставляет доступ к модели корпоративным клиентам.

LLM Multimodal Robotics
читать →
~2 мин 11 просмотра
Leiphone

Перестройка Seed от ByteDance: новые отделы и смена логики организации

ByteDance реорганизовала команду Seed, создав четыре новых отдела для работы с данными, усилением обучения и продуктами. Изменения отражают сдвиг от разделения по типам моделей к разделению по задачам пользователей. Цель — оптимизировать агентские способности и интегрировать модели в рабочие процессы.

LLM Agents Multimodal
читать →
~2 мин 34 просмотра
Leiphone

MiniMax H3 и Seedance 2.0 Fast: восстановление процесса разрушения по изображению

Проведено тестирование моделей MiniMax H3 и Seedance 2.0 Fast для восстановления процесса разрушения по изображению осколка керамического сосуда. Seedance 2.0 Fast показала более высокую скорость генерации, реалистичность и чёткость отображения физического процесса. H3 продемонстрировала способность генерировать видео на основе изображения и текста, но нуждается в улучшении в части реализма и деталей.

LLM Multimodal Research
читать →
~5 мин 48 просмотра
Leiphone

TUM : препятствия на пути внедрения ИИ в транспорт

Профессор TUM Ziyue Li на IJCAI 2026 указал на проблемы внедрения мощных ИИ‑моделей в транспорт: различие между академическими и реальными данными и необходимость объяснимости моделей. Для преодоления разрыва между исследованиями и практикой предложен фреймворк «PDE‑треугольник». Среди проектов в сфере интеллектуального транспорта — DB Delays и различные подходы к управлению светофорами с помощью RL.

LLM Research Multimodal
читать →
~5 мин 84 просмотра
Leiphone

Kuaizi.ai представила KP-кошелёк для управления AI-ресурсами в видеобизнесе

Kuaizi.ai выпустила KP-кошелёк и показатель KP для управления AI-ресурсами в видеобизнесе. Решение призвано упростить выбор и координацию моделей, производство и распространение контента. По данным компании, платформа уже обработала более 120 млн видео и помогла бизнесу сгенерировать свыше 20 млрд в GMV. Примеры клиентов показывают рост эффективности производства и распространения контента.

LLM Multimodal Business
читать →
~2 мин 77 просмотра
GitHub Copilot Changelog

Обновления GitHub Copilot в VS Code в августе 2026 года

В версиях VS Code с 1.132 по 1.135 (август 2026) улучшена работа с агентами, чатами и просмотром изменений. Появились новые возможности для организации чатов, поиска информации в переписке, работы с HTML‑файлами и диктовки. В том числе реализованы функции для совместной работы с агентами и упрощения навигации по длинным чатам.

LLM Agents Multimodal
читать →
~2 мин 129 просмотра
Leiphone

DeepSeek-V4-Flash-Vision-Exp и кадровые перемены: новости технологий и бизнеса

В мире технологий и бизнеса происходят значительные изменения: кадровые перестановки в крупных компаниях, судебные решения, инвестиции в технологические проекты и выпуск новых продуктов. Особое внимание привлекает мультимодальная модель DeepSeek-V4-Flash-Vision-Exp и новости от ведущих технологических гигантов, таких как Apple, Huawei и Xiaomi.

LLM Multimodal Business
читать →
~7 мин 94 просмотра
Leiphone

Kuaizi.ai представила KP-кошелёк для управления AI-ресурсами в видеобизнесе

Kuaizi.ai представила KP — единицу измерения затрат на AI в видеобизнесе и KP-кошелёк для управления этими ресурсами. Решение призвано упростить предприятиям выбор и комбинирование моделей, инструментов и ресурсов для создания и дистрибуции видеоконтента. Уже есть успешные кейсы применения технологии в разных отраслях.

LLM Multimodal Business
читать →
~2 мин 82 просмотра
TechOrange

Сочетание AI, HPC и квантовых технологий: решения реальных задач от Хайхай

Институт Хайхай представил примеры сочетания AI, HPC и квантовых технологий для решения реальных задач. Среди разработок — система OmniQEC для оптимизации квантовых кодов и Quantum-Train для эффективного обучения моделей. Эксперты подчёркивают важность поиска баланса между точностью вычислений и затратами ресурсов, а бизнесу советуют сначала определить «узкие места» и измеримые показатели эффективности.

LLM Research Multimodal
читать →
~3 мин 86 просмотра
Leiphone

Muse Glimmer от Meta*: мультимодальный агент с 30B параметров

Meta* выпустила мультимодальную агент-модель Muse Glimmer с около 30 млрд параметров. Модель поддерживает контекст 128K, умеет вызывать инструменты, выполнять код, обрабатывать изображения и экранную информацию. Она оптимизирована для работы на устройствах с ограниченной видеопамятью и показывает хорошие результаты в задачах с длинной цепочкой выполнения.

LLM Multimodal Research
читать →
~7 мин 138 просмотра
Leiphone

Шаньтан: полугодичная прибыль и развитие AI-экосистемы в 2026 году

Шаньтан в первом полугодии 2026 года впервые достигла прибыли в 620 млн юаней. Компания активно развивает AI-экосистему — выпустила ряд моделей, расширяющих возможности интеллектуальных агентов, и трансформирует Token-завод в масштабируемое производство. Интеллектуальные решения внедряются в работу предприятий и частных лиц, охватывая десятки отраслей и стран.

LLM Multimodal Business
читать →
~2 мин 122 просмотра
LangChain Blog

Multi-modal RAG на презентациях: подходы и оценка

Разработаны два подхода к реализации multi-modal RAG для презентаций со слайдами. Оценка показала, что мультимодальные подходы (60 % и 90 %) существенно превосходят RAG с использованием только текста (20 %). Выявлены плюсы и минусы каждого метода, а также выпущен шаблон для быстрого развёртывания приложений.

LLM Multimodal
читать →
~2 мин 170 просмотра
Leiphone

AI-радар от Чэнтай: новый этап в развитии технологий

Чжоу Кэ из компании Чэнтай заявил, что эпоха AI-радаров наступила. AI-радар отличается от традиционных тем, что его работу определяют обучаемые AI-модели. Технология позволит машинам понимать трёхмерный физический мир в любых погодных условиях. Развивается открытая экосистема вокруг AI-радаров, объединяющая разработчиков, производителей и исследователей.

LLM Research Multimodal
читать →
~6 мин 140 просмотра
Leiphone

Пространственный интеллект: как ИИ создаёт устойчивые 3D‑миры

Пространственный интеллект — подход, призванный решить проблему бесполезности миров, сгенерированных ИИ. Ли Фэйфэй выделяет три компонента такой системы: Renderer, Simulator и Planner. Уже есть примеры исполняемых 3D‑миров, созданных с помощью генеративного ИИ, однако остаются серьёзные технические ограничения и проблемы со скоростью и связностью миров.

LLM Multimodal Research
читать →
~8 мин 152 просмотра
Leiphone

Шекспир: интеллектуальное кольцо с акцентом на эмоции

Бренд «Шекспир» представил интеллектуальное кольцо с акцентом на эмоциональную составляющую и эстетику, а не на точность медицинских данных. Продукт рассчитан на женщин 20–40 лет из крупных городов. Кольцо оснащено чипом APOLLO3 и AI‑помощником, а также функцией для пар. Компания выбрала стратегию дифференциации на насыщенном рынке интеллектуальных колец.

LLM Safety Multimodal
читать →
~2 мин 196 просмотра
Leiphone

WRC 2026: воплощённый ИИ в логистике и быту

На WRC 2026 акцент сделан на второй фазе воплощённого ИИ. Профессиональные зрители оценивают стабильность и эффективность систем, а не только их функции. Среди ключевых направлений — сортировка посылок, приготовление кофе, офисные и розничные сценарии. Компании демонстрируют новые модели роботов и систем управления, ориентируясь на практическую применимость технологий.

LLM Robotics Multimodal
читать →
~7 мин 178 просмотра
TechOrange

Тагда демонстрирует на выставке 2026 систему с двуруким роботом на базе ИИ

Компания Тагда показала на выставке 2026 систему с двуруким роботом на базе ИИ, способную воспринимать окружающую среду, понимать задачи и выполнять действия. Многомодальный ИИ позволяет роботу получать инструкции в разных форматах и адаптироваться к условиям. Система объединяет модели ИИ, управление движением и оборудование, а также демонстрирует применение в конкретных сценариях — например, в рисовании портрета. Решения Тагда нацелены на электронную промышленность и сборку серверов.

LLM Robotics Multimodal
читать →
~3 мин 119 просмотра
Leiphone

Эпоха мировых моделей: будущее воплощённого интеллекта от «»

Компания «» движется к созданию универсального робота, сочетающего высокую свободу и универсальность. Ключевая идея — переход от имитации действий к пониманию законов физического мира с помощью моделей мира. Среди достижений — разработка модели мирового действия, прорыв в интеграции ПО и аппаратного обеспечения, а также первые коммерческие внедрения в логистике.

LLM Robotics Multimodal
читать →
~6 мин 191 просмотра
Leiphone

Octo-платформа Минлю: путь к «организационному мозгу» роботов

У Минхуэй из Минлю Кэцзи выступил на форуме Всемирной выставки роботов 2026, подчеркнув необходимость «организационного мозга» для внедрения роботов в производство. Компания разрабатывает открытую платформу Octo для взаимодействия человека и машины. Обсуждаются вопросы интеграции ИИ и роботов в бизнес‑процессы и эволюция организаций в AI‑нативные.

LLM Agents Multimodal
читать →
~5 мин 162 просмотра