Kimi 16B胜GPT-4o！开源视觉推理模型：MoE架构，推理时仅激活2.8B
Kimi 16B胜GPT-4o！开源视觉推理模型：MoE架构，推理时仅激活2.8B刚刚，Kimi团队上新了！
来自主题: AI技术研报
7838 点击 2025-04-10 16:25
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
刚刚，Kimi团队上新了！
统一多模态大模型（U-MLLMs）逐渐成为研究热点，近期GPT-4o，Gemini-2.0-flash都展现出了非凡的理解和生成能力，而且还能实现跨模态输入输出，比如图像+文本输入，生成图像或文本。
GPT-4o图像生成架构被“破解”了！
这届网友真是把 AI 玩出花！
当前搜索AI市场面临着一个显著的断层：Perplexity的Sonar Reasoning Pro和OpenAI的GPT-4o Search Preview等专有解决方案与开源替代品之间存在巨大差距。这些封闭式系统虽然表现优异，但却限制了透明度、创新和创业自由。作为一名正在开发Agent产品的工程师，你是否曾经渴望拥有一个功能强大且完全开放的搜索框架？
文生图 or 图生文？不必纠结了！
近来风头正盛的GPT-4.5，不仅在日常问答中展现出惊人的上下文连贯性，在设计、咨询等需要高度创造力的任务中也大放异彩。
想象一下，耗费动画大师宫崎骏数十年心血、一帧一画精雕细琢的艺术风格——比如《起风了》中耗时一年多的四秒人群场景，或是《幽灵公主》里那个生物钻地镜头背后一年零七个月的 5300 帧手绘，如今，在GPT-4o手中，似乎变得“唾手可得”。
AI能像人类一样理解长视频。
最近GPT-4o确实超级好玩，玩法不要太多，我有很多想法但无奈最近服务器一天到晚崩溃个没完，（建议只为了生图功能准备买会员还没买的再考虑考虑），暂时没法做多玩法汇总的详细教程，今天单讲生成表情包的流程。