H3开源与视觉推理评测 | 多模态大模型8.5日报
07:47
正在加载内容...
精选参考来源
精选参考来源
1. MiniMax H3 开源：通用多模态生成模型，2K 分辨率、原生立体声、最长 15 秒视频
知乎 2026-08-04 00:00:00
2. 如何评价MiniMax 最近发布的H3模型？
知乎 2026-08-04 00:00:00
3. 今天调试了下，用Minimax H3 FL2VA的文生视频功能，搭配本地懒猫微服的算力舱（128GB统一内存，NVIDIA Thor GPU）生成的，视频消耗2小时时间，生成15秒的片段。大家觉得这个效果怎么样？下面是提示词竖屏9:16，15秒，写实电影短片风格，傍晚蓝调时刻。一位25岁左右的中国年轻女性，短发，穿米白色衬衫和深色牛仔裤，独自站在一间城市高层公寓的落地窗前。窗外是刚下过雨的城市，远处楼宇灯光逐渐亮起，玻璃窗上有少量雨滴，室内只开着一盏暖黄色台灯。镜头从人物背后中景开始，以非常缓慢、稳定的速度向前推进。人物先安静看向窗外，然后轻轻拿起桌上的一杯热咖啡，低头闻一下咖啡的热气，转身面向镜头。人物自然、轻声地用普通话说：“忙完这一点，今天就算赢了。”说完后，她轻轻笑一下，抬头看向窗外，镜头继续缓慢推进，在她的侧脸和窗外城市灯光中结束。声音设计：室内安静，有轻微空调风声；远处隐约有城市车流声；咖啡杯被拿起时有细微陶瓷摩擦声。人物台词口型必须自然同步，声音清晰，环境音不要盖过人声。全程人物脸部、服装、手部和咖啡杯保持稳定；不要出现字幕、文字、水印、Logo、额外人物、夸张镜头晃动或突然切镜。 毒家说的微博视频
新浪微博 2026-08-04 00:00:00
4. MINIMAX H3的效果真的很棒，我通过几张图片加文字做出了精准可控的游戏UI界面视频。详见我附件内容，提示词是：使用@图片1作为猫咪图鉴界面的精确UI、版式与视觉风格参考。使用图片2—9作为八只猫咪的精确外观参考，不得重新设计、混用或改变猫咪身份。对应关系如下：@图片9 = 卡片A = 月光垂耳猫@图片8 = 卡片B = 云朵绒猫@图片7 = 卡片C = 赤焰沙猫@图片6 = 卡片D = 潮汐巨猫@图片5= 卡片E = 花瓣狐尾猫@图片4 = 卡片F = 果园独眼猫@图片3 = 卡片G = 草甸冠猫@图片2 = 卡片H = 霜翼滑翔猫制作一段15秒、16:9横版视频。摄影机全程锁定，不移动、不缩放、不摇镜、不切换场景。界面、排版、字体、信息面板、卡片、图标、边框、按钮位置和整体构图必须始终稳定、清晰、优雅、易读。整体UI风格是一套现代、极简、精致的数字猫咪图鉴系统，具有未来感宠物档案馆气质，类似高端电子生物图鉴，但更可爱、更柔和。禁止场景切换，禁止增加额外文字，禁止增加额外按钮，禁止界面变形，禁止卡片错位，禁止UI元素漂移。#MINIMAX H3##AI创造营#
新浪微博 2026-08-04 00:00:00
5. SenseNova U1.5-Lite：8B 轻量模型原生支持 4K 图像生成
小红书 2026-08-04 00:00:00
6. MMOOC：多模态大模型越界问答评测基准
哔哩哔哩 2026-08-04 00:00:00
7. 多模态大模型学会"知道多少，就说多少"
小红书 2026-08-04 00:00:00
8. See2Think：MLLM画的辅助线，它真的看吗？
小红书 2026-08-04 00:00:00
9. 多模态如何理解世界
哔哩哔哩 2026-08-04 00:00:00
已收藏
去我的收藏夹