李飞飞World Labs发布Atlas，输入相机坐标直接精准运镜生成1分钟4K视频
09-02 17:03
精选参考来源
精选参考来源
1. 中美算力差10倍，模型为什么只差3分？ #大有学问 #红衣聊AI #算力 #大模型
抖音 2026-08-26 00:00:00
2. 小鹏第二代VLA发布：从智能辅助驾驶到物理AI入口的跨越
微信公众号 2026-08-28 00:00:00
3. 8 位 AI 创业者谈世界模型：生成一切之后，还差一点常识｜WRC 2026
微信公众号 2026-08-28 00:00:00
4. 我擦，DeepSeek v4 Flash Vision 开源了传送门：huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp模型的正式名称是 DeepSeek-V4-Flash-Vision-Exp，这是 DeepSeek-V4 系列的首个实验性多模态模型。这个模型以 DeepSeek-V4-Flash 架构为基础，引入视觉模块，并通过持续训练获得视觉理解能力。与 V4-Flash-0731 相比，V4-Flash-Vision-Exp 的多模态 Agent 能力有了显著提升，同时在纯文本 Agent 任务上保持了相当的性能。#DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
5. 大模型的逐字生成模式，正在拖慢你的Agent，有人跑出了5倍提速
微信公众号 2026-09-01 00:00:00
6. #DeepSeekV4多模态模型正式开源#DeepSeek这波操作，够意思。8月21日刚上线API，今天就果断在Hugging Face把DeepSeek-V4-Flash-Vision-Exp权重给开源了，用的还是相当宽松的MIT License。说好的“多模态不是主线”，结果转头就给了开发者一个这么硬核的惊喜。这可不是简单给V4 Flash加了个“眼睛”。它最难能可贵的是，在补上视觉短板的同时，纯文本的Agent、推理能力丝毫没打折扣。更狠的是，多模态Agent能力直接对标顶尖闭源模型Opus-4.8，在多模态Agent评测中甚至打成了2:2平手。关键是，这“长眼”的成本几乎没涨。 一张图按token计费，上限384 tokens，价格和纯文本V4-Flash完全一致。配合新上线的免费Files API和更新后的DeepSeek Harness框架，从API调用到本地部署，DeepSeek这步棋，给开发者生态带来的想象空间巨大。当国产多模态模型开始用MIT协议开源并逼近顶级闭源模型时，AI圈的游戏规则，或许真要变一变了。网页链接
新浪微博 2026-08-31 00:00:00
7. AI 读过一切，却没经历过任何事：Ropedia 发布 HOMIE Gen2，给具身智能补「经验」这一课
微信公众号 2026-08-31 00:00:00
8. 今天，中国人工智能领域迎来又一标志性事件。DeepSeek在Hugging Face平台正式上线DeepSeek-V4-Flash-Vision-Exp多模态模型，并采用极具商业友好性的MIT License协议全面开源。紧随其后，DeepSeek Harness 0.1.1完成更新，原生支持新模型的Agent能力 #DeepSeekV4多模态模型正式开源# 从模型到生态：DeepSeek开源战略如何重塑多模态AI竞争格局
新浪微博 2026-08-31 00:00:00
9. #DeepSeekV4多模态模型正式开源#其实做产品的都知道，多模态API调用成本是个无底洞。DeepSeek今天这波开源，对小团队来说太解渴了。MIT License，商用随便改，不用交保护费。更关键的是它不只是"能看图"，文本推理、Agent能力全在，等于一个模型干好几个活儿。就连我刷到脑子里已经在过场景了：电商自动识别商品图生成详情页、教育App拍题讲解、医疗影像辅助……之前这些想法都被API成本劝退，现在可以真正落地了。开源不是做慈善，但DeepSeek确实在给创业者铺路。#DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
10. 突破遥操瓶颈！全新无本体数据世界动作模型Noe-0发布
微信公众号 2026-08-26 00:00:00
11. #DeepSeekV4多模态模型正式开源#从纯文本到Agent，再到视觉理解，DeepSeek V4这条路线越来越完整了。尤其这次Vision-Exp开源，意味着开发者可以直接把多模态能力拿去折腾自己的应用。AI真正开始从“会说话”往“能干活”进化了
新浪微博 2026-08-31 00:00:00
12. 牛来大模型被认领是国产牛，打穿了Deepseek的价格线
微信公众号 2026-08-27 00:00:00
13. “牛来”大模型身份曝光
微信公众号 2026-08-26 00:00:00
14. 深度｜从一张图片到一个可运行的世界：最强3D生成团队推出世界生成模型
微信公众号 2026-09-01 00:00:00
15. #DeepSeekV4多模态模型正式开源#开源了，但你大概率跑不起来。DeepSeek-V4-Flash-Vision-Exp 今天在 Hugging Face 放出完整权重，MIT 协议，能商用、能二开。可仓库足足 168GB、48 个分片，官方自己都说了这是"便于理解结构的参考实现"，不是开箱即用的生产引擎，普通人电脑根本装不下。这其实不是个新模型。8 月 21 号它就上了 DeepSeek 的 API，那会儿就能传图加文字，让它看截图、读图表。今天这一步是把权重交出来——开发者能脱离官方 API，自己部署、改。它是 V4 系列第一款原生支持图片输入的模型，在原来 Flash 架构上塞了视觉模块，文本和 Agent 能力没掉。官方说多模态 Agent 水平已经接近 Opus-4.8。我看法很直接：DeepSeek 这几个月从 V4-Flash、Harness 到 Vision，明显在搭一套能自己看屏幕、调工具、跑任务的 Agent 技术栈。显存够，才谈得上本地折腾。
新浪微博 2026-08-31 00:00:00
16. 世界模型没那么热了，我们却看到了最好的一个
微信公众号 2026-09-01 00:00:00
17. Seedance 2.5 还能这么玩？只要一张图， 生成一个可随意摆弄的 3D 世界
微信公众号 2026-09-01 00:00:00
18. 「牛来」20秒批量产！杭州黑马发布3D模型，世界模型底牌亮出
知乎 2026-08-27 00:00:00
19. 刚刚，DeepSeek V4 首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 在 Hugging Face 上线，采用 MIT License 开源。公开内容包括模型文件、Tokenizer、Prompt Encoding 参考实现，以及最小化 PyTorch 推理实现，覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心模块。据IT之家了解，DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek V4 系列首款原生支持图片输入的视觉模型，官方明确标注为“Exp”实验版本，于 2026 年 8 月 21 日上线 DeepSeek API 平台。该模型支持在文本之外输入图片，可以让模型描述图片、识别截图中的文字、分析图表等。支持的图片格式包括 JPEG、PNG、GIF、WebP。深度求索官方表示，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持大家借助多样化的 Agent 工具解锁更多实用的工作场景。在 Agent、推理、世界知识等纯文本任务上与 V4-Flash 正式版持平，原有优势完整保留。在需要视觉理解的 Agent 基准测试中较 V4-Flash 大幅提升，多模态 Agent 能力已接近 Opus-4.8。#何九华曾官宣当爸未提生母#
新浪微博 2026-08-31 00:00:00
20. 李飞飞、吴佳俊再联手，打破世界模型和机器人动作的「巴别塔」
微信公众号 2026-08-29 00:00:00
21. 盛大创始人再出手，上海本土AI公司StartLux打赢万亿大模型
今日头条 2026-08-30 00:00:00
22. #DeepSeekV4多模态模型正式开源#DeepSeek V4家族首款多模态实验模型正式开源了，模型DeepSeek‑V4‑Flash‑Vision‑Exp上传Hugging Face，采用MIT协议，开发者可以直接拿来本地部署、二次开发。 这个模型不是简单给大模型加个看图能力，它的核心定位偏向多模态Agent。在原有V4‑Flash强悍文本推理基础上新增视觉模块，既能看懂截图、图表、软件界面，还能结合工具调用自动完成任务。 有意思的是该模型十天前就已经上线API接口对外可用，现在完整开源，相当于把这套“能看画面干活”的能力彻底交到开发者手上。从跑分数据来看，升级视觉之后，原有Agent能力不降反升，多项测试指标甚至对标海外顶尖模型。 不过也要客观看待，它目前依旧属于实验版本，并不是成熟稳定的正式版。开源不等于开箱即用，本地部署对硬件配置有门槛，普通用户很难直接体验，利好更多是面向开发者、技术团队。 现在各家大模型都在卷多模态，但是很多只停留在看图问答。DeepSeek这次重点放在Agent自动执行任务这个方向，算是差异化路线。能看懂画面还能动手干活，这才是多模态真正的价值，期待后续看到更多基于它衍生出来的应用。你们觉得带视觉能力的Agent，会是接下来大模型的主流方向吗？#DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
23. #DeepSeekV4多模态模型正式开源#DeepSeek这次直接把自家最新的V4多模态大模型给开源了，已经传到Hugging Face上了，用的是MIT协议，基本放开给大家免费用，限制很少。这是他们V4系列第一款带看图能力的版本，在原来文字能力的底子上加了视觉理解的本事，之前擅长的推理，写东西这些能力也都完整留着。DeepSeek模型现在格局是真的大，这么新的模型直接放出来给所有人用。
新浪微博 2026-08-31 00:00:00
24. #Anthropic首款在物理世界运行的AI工具问世#机器人、智驾、智能座舱的大脑，未来非常有可能是属于 Anthropic、Kimi 这类多模态通用大模型公司的；机器人创业公司和车企，做好本体、车体的制造，以及当好数据供应商。我预测会是这样的分工，几年后回头再看看准不准～
新浪微博 2026-08-28 00:00:00
25. 全球首个「虚拟细胞+世界模型」来了，David Baker领衔！
今日头条 2026-08-26 00:00:00
26. 世界模型热了这么久，光象科技想让它变为生产力
今日头条 2026-08-28 00:00:00
27. 马斯克点赞的APP来了！刚下场视频世界模型，就拿下评测第一
知乎 2026-08-26 00:00:00
28. Code World Model：Coding Agent 作为世界模型的大脑
今日头条 2026-08-29 00:00:00
29. 创业融资｜上科大团队做具身世界模型基础设施，完成千万美元种子轮融资
微信公众号 2026-08-28 00:00:00
30. 上科大团队创业具身世界模型，瞬适科技获千万美元融资
今日头条 2026-08-28 00:00:00
31. AI世界模型落地虽多，但物理一致性仅几分钟，商用还差多远？
今日头条 2026-08-27 00:00:00
32. 世界模型：AI走进物理世界的新起点
今日头条 2026-08-27 00:00:00
已收藏
去我的收藏夹