视觉模型

1 月 24 日消息，Hugging Face 平台昨日（1 月 23 日）发布博文，宣布推出 SmolVLM-256M-Instruct 和 SmolVLM-500M-Instruct 两款轻量级 AI 模型，在 AI 算力有限的设备上，最大限度发挥其算力性能。IT之家曾于 2024 年 11 月报道，Hugging

12月25日，阿里云通义千问发布业界首个开源多模态推理模型QVQ-72B-Preview。QVQ展现出超预期的视觉理解和推理能力，在解决数学、物理、科学等领域的复杂推理问题上表现突出。多项评测数据显示，QVQ超越了此前的视觉理解模型Qwen2-VL，整体表现与OpenAI o1、Claude3.5 Sonnet等推理模

OpenAI 推出互动新方式，用户可与 ChatGPT 通电话、发短信OpenAI 当地时间 12 月 18 日宣布，美国和加拿大用户可通过拨打 1-800-ChatGPT（1-800-242-8478）与 ChatGPT 进行交谈，每月有 15 分钟的语音通话额度，其他国家的用户也可通过发送 WhatsApp 消息到

火山引擎总裁 谭待12月18日，2024火山引擎FORCE原动力大会·冬在上海举办，火山引擎带来豆包大模型家族全新升级。豆包大模型12月日均tokens使用量超过4万亿，较5月发布时期增长超过33倍。okens调用规模化增长的同时，豆包大模型在不同场景中都在快速增长、全面开花。比如信息处理场景，最近3个月豆包大模型调用

12月18日，在火山引擎 Force 大会上，字节跳动正式发布豆包视觉理解模型。据透露，这是一个更具性价比的方案——豆包视觉理解模型千tokens输入价格仅为3厘，经换算，一元钱可处理284张720P的图片，比行业价格便宜85％。据火山引擎总裁谭待在现场介绍，豆包视觉理解模型不仅能精准识别视觉内容，还具备出色的理解和推

12 月 16 日消息，月之暗面 Kimi 今日发布视觉思考模型 k1。该模型基于强化学习技术打造，原生支持端到端图像理解和思维链技术，并将能力扩展到数学之外的更多基础科学领域。月之暗面官方表示，在数学、物理、化学等基础科学学科的基准能力测试中，初代 k1 模型的表现超过了 OpenAI o1、GPT-4o 以及 Cl

12 月 7 日消息， 科技 媒体 techtarget 昨日（12 月 6 日）发布博文，报道称 Ultralytics 公司的 YOLOv11 AI 模型遭遇供应链攻击，v8.3.41 和 v8.3.42 两个版本被植入加密挖矿软件。 截至IT之家发稿为止，Ultralyti

IDEA研究院创院理事长沈向洋官宣IDEA研究院最新成果：通用视觉大模型DINO-X。它实现视觉任务大一统，支持各种开发世界感知和目标理解任务，包括开放世界对象检测与分割、短语定位、视觉提示计数、姿态估计、无提示对象检测与识别、密集区域字幕等。文章评价匿名用户发布发布

计算机视觉技术在真实世界的应用场景十分广泛。然而，过去主流的小模型方案，难以应对碎片化、多变的长尾需求，限制了技术落地规模。 源自自然语言研究的Transformer架构诞生后，视觉模型与之结合，走上一条“从小变大，从N变1”之路。自2022年起，IDEA团队从目标检测出发，打造精准度、通用性、泛化能