腾讯开源770B参数旗舰Hy4,微信官宣视频模型WeMM-Video。视觉编码器到底有没有用、携程已经把它做成平台,多模态正从跑分走向落地。
腾讯混元Hy4旗舰开源,Hy系列全部放出
11月20日腾讯混元开源770B总参、49B激活的旗舰Hy4权重,原生多模态、1M上下文,正式版、FP8、预训练三个版本连同系统卡、GGUF量化一起放出。想私有化部署或拿它做商用,开源协议的约束和单卡实测结果比参数本身更值得先看。

微信官宣WeMM-Video,视频理解接入微信生态
微信官宣多模态视频模型WeMM-Video,能看、能听、会推理,放出2B、4B、9B、35B-A3B四种规格并以Apache 2.0开源权重。官方称35B-A3B在Video-MME-v2上从36.6提到54.9、逼近Gemini 3.0 Flash,已用于直播电商和短剧分析;跑分口径出自官方,第三方复测还没跟上,选型前值得再等一手数据。

视觉编码器与算力账:哪部分参数真的在起作用
Meta FAIR论文《Unbundling Multimodal Vision Encoding》把视觉编码器拆开逐项验证,发现优势来自给图像单独用的那批参数,而不是“预训练”本身;另有研究让大小模型在视觉Token预算上“唱反调”,把算力集中到分歧区域。这两条都在回答多模态推理为什么贵、Token怎么省,目前还停留在论文阶段。

工程落地与行业动向:平台化与人才流动
携程公开酒店多模态理解平台建设过程,把图搜、首图精选、质检、视频理解串成可治理的内容资产闭环;雷峰网同期行业情报栏目传北京大厂多模态训练骨干或出走、杭州某公司技术报告外流。传闻均未获证实,但多模态团队的人员流动是行业正在盯的真实信号。
当前文章无评论,是时候发表评论了