標籤：多模態

以下是帶有「多模態」標籤的全部文章，共 6 篇。

Mistral Large 4 登場：一兆參數對標中國開源模型

2026-10-07 技術

法國人工智慧公司 Mistral AI 發布 Mistral Large 4 公開預覽。該模型為一兆參數的原生多模態模型，每次啟用約四百九十億參數，在歐洲自有資料中心以三千八百張 NVIDIA Grace Blackwell 圖形處理器從零訓練。官方稱其效能超越美國與歐洲既有的開源權重模型，權重預計於十月底釋出。

百度開源 Unlimited-OCR：25K 星單次解析數十頁

2026-09-11 技術

Unlimited-OCR 是百度 2026 年 6 月發布的開源文件解析模型，GitHub 星標達 25,425。它以自研 R-SWA 注意力機制讓 KV 快取維持恆定，可在 32K 上下文內單次前向傳遞轉錄數十頁文件，並相容 vLLM 與 SGLang 部署。本文解析其架構創新、效能表現與適用場景。

GLM-5.3-Flash 突襲開源：320B 參數僅 1/10 價錢

2026-08-26 技術

智譜 AI 今日突襲發佈 GLM-5.3-Flash：GLM-5 系列首個原生多模態模型，320B 總參數、僅 18B 活躍參數，效能超越 GLM-5.2 之餘價格只需十分之一，編程與 Agent 能力逼近 Claude Opus 4.8。本文拆解其混合注意力架構、30T 多模態預訓練、開源授權與本地部署方案。

38,610 星開源項目：UI-TARS 多模態 AI Agent

2026-08-18 技術

UI-TARS-desktop 是 GitHub 星標逾 3.8 萬的開源項目，由字節跳動（ByteDance）推出多模態 AI Agent 技術棧，涵蓋 Agent TARS 與 UI-TARS Desktop，可透過視覺語言模型理解螢幕並操作電腦與瀏覽器，Apache 2.0 授權免費商用。

7.4 萬星開源項目：LlamaFactory — 一站式高效微調百款大模型框架

2026-08-15 技術

LlamaFactory 是 GitHub 星標逾 7.4 萬的開源大模型微調框架，以單一介面支援 100 多款語言與多模態模型的預訓練、監督微調與偏好對齊，提供零代碼 CLI 與 LLaMA-Board 網頁介面，整合 LoRA、QLoRA 與 vLLM 等加速方案，採用 Apache-2.0 授權。