多模态语言模型
1比特KV量化，10倍吞吐提升无损性能：多模态适用的KV cache量化策略来了，即插即用无需改原模型
读
在InternVL-2.5上实现10倍吞吐量提升，模型性能几乎无损失。
>>
加入极市CV技术交
Llama 4 系列的首批开源模型
Llama 4 Scout 和 Llama 4 Maverick 是两个强大的多模态模型，分别拥有16和128个专家，并在多个基准测试中表现出色。它们均能运行于单个 NVIDIA H100 GPU 上，且提供了业界领先的上下文窗口。
业界突破多模态泛化推理能力，OPPO研究院&港科广提出OThink-MR1技术
研究人员提出了一项新技术OThink-MR1，通过动态强化学习提升多模态语言模型的泛化推理能力。该技术结合了动态KL散度策略和精心设计的奖励模型，显著改善了模型在多种任务上的表现。
阿里 MinMo 登场，多模态语音交互 “内卷” 升级！
阿里通义实验室推出的MinMo多模态大型语言模型在语音交互领域表现卓越，能够实现无缝语音交互，支持多种任务处理和多样化可控生成。其主要功能包括全双工语音交互、多样化可控生成以及多任务处理能力。应用场景涵盖智能客服、语音助理、人机对话系统及语音翻译等场景。
震撼！首个开源的交互式全模态大语言模型，GPT-4o realtime的开源实现。
南京大学AI团队发布的VITA-1.5开源项目是一款接近实时的多模态大型语言模型，支持中英文，显著降低交互延迟，并在语音处理和图像理解方面取得提升。