DeepSeek 首個開源多模態模型來了:這雙“眼睛”不給人類看圖,專供 Agent 幹活
AI資訊AI新閒資訊正文DeepSeek 首個開源多模態模型來了:這雙“眼睛”不給人類看圖,專供 Agent 幹活發布於AI新閒資訊時間 :Sep 1, 2026閱讀 :2分鐘DeepSeek 在 Hugging Face 上線了 DeepSeek-V4-Flash-Vision-Exp,這是 V4 家族首款實驗性多模態模型,採用 MIT License。模型參數量達 305B,基於 V4-Flash-0731 底座,在原有語言模型基礎上接入視覺編碼器和 Aligner,經持續訓練獲得圖像理解能力。
不做“看圖說話”,專攻多模態 Agent與傳統多模態模型主打視覺問答不同,DeepSeek 為這個 Vision 版本劃定了全新賽道:官方重點強調多模態 Agent 能力,讓 Agent 直接讀取網頁截圖、軟件界面、圖表等視覺信息,再結合工具調用繼續執行任務。換言之,這雙“眼睛”不是給人看的,而是給 Agent 用的。此次開源內容相當完整,包括模型權重、Tokenizer、Prompt Encoding 參考實現以及一份最小化 PyTorch 推理實現,覆蓋視覺編碼器、Aligner、DFlash Attention、MoE、Hyper-Connections 等核心模塊。
社區跟進迅速,Hugging Face 頁面上已出現 7 個面向 llama.cpp、LM Studio、Ollama 的量化版本。時間線上也有值得注意的細節:8 月 21 日該模型先上線 DeepSeek API,當時只能調用、不給權重,開發者可通過 API 同時輸入文字和圖片,圖片按 Token 計費;十天後權重才正式開放,本地部署和二次開發由此成為可能。這種“先賣 API 再開源”的節奏,也透露出 DeepSeek 對其以 API 服務為主的定位。性能逼近 Claude Opus 4.
8,官方措辭依舊剋制從跑分來看,加入視覺能力後純文本 Agent 能力基本不受影響:Terminal Bench 2.1 從 82.7 漲到 83.9,DeepSWE 從 54.4 漲到 59.3,反而超過 Opus 4.8 的 58.0。多模態 Agent 提升更明顯:ApexBench Pass@1 達到 36.5,Agents' Last Exam 以 27.3 超過 Opus 4.8 的 25.7,ZeroBench Pass@5 也以 35.0 壓過對手的 34.0。不過 DeepSeek 並未宣稱“全面超越”:NL2Repo 項目上其得分 57.7,與 Opus 4.8 的 69.
7 差距不小。官方表述也保持克制,僅稱“多模態 Agent 能力接近 Claude Opus 4.8”。把近期更新串起來看,DeepSeek 正在拼裝一套完整的 Agent 技術棧:模型負責推理和工具調用,Harness 負責持續執行任務,Vision 則讓 Agent 能直接讀取電腦裡的視覺信息,此次開源正是這塊拼圖的關鍵落子。相關推薦DeepSeek首個視覺實驗模型正式開源,3050億參數對標頂尖水平DeepSeek開源V4系列首個實驗性多模態模型V4-Flash-Vision-Exp。
該模型基於V4-Flash架構融合視覺模塊,在原有文本能力上新增深度圖像理解與分析能力,總參數量達3050億,視覺與文本架構有機結合,可精準解讀圖像並實現多模態融合。Sep 1, 2026158.3k前字節AI高管廖謙“下海”做乙方:半個月搞定數百萬美元,要讓營銷代理像007一樣接單前字節跳動AI產品副總裁廖謙8月底離職創業,成立“極致上下文”公司,專注營銷場景多模態Agent。公司迅速獲得數百萬美元天使輪融資,投資方包括硅谷HT Investment和百度風投。廖謙將產品比作“007後勤處”,能根據品牌需求自動完成策略、腳本到視頻生成的全流程,客戶僅需簡單確認。
Oct 31, 2025223.9kRunway發佈首個界面世界模型Solaris,實時逐幀生成動態交互界面知名AI企業Runway發佈界面世界模型Solaris,實現軟件與網頁無需預寫代碼即可實時逐幀渲染圖形交互界面,打破傳統界面依賴固定框架的模式。該系統或將彌合“知曉事物”的AI助手與界面生成之間的割裂,推動交互式數字體驗邁向實時生成新階段。Sep 1, 202693.7k57 歲男子聽信 AI 指路抄近道,被困深山耗盡體力,事後 AI 竟回“哈哈,確實!”浙江消防披露:57歲湖南籍男子楊師傅在寧波登山,登頂後改走陌生路線,盲信AI推薦的下山路徑,結果越走越偏、體力耗盡,報警後才脫險。
楊師傅平日體能較好仍被困,事後AI回覆令人哭笑不得。消防提醒野外登山勿輕信AI,應選成熟路線確保安全。Sep 1, 202693.6kChatGPT Ads上線不足200天創商業化奇蹟,OpenAI野心直指千億美金OpenAI廣告業務ChatGPT Ads上線不足200天,年化收入運行率已破10億美元;試點僅6周即破1億美元,增勢迅猛。公司同步上調中長期營收預期,預計2026年全年廣告收入繼續增長。Sep 1, 202694.6k智啟未來,您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
迪士尼將以2000萬美元收購Character.AI部分資產並接納核心團隊
AI資訊AI新閒資訊正文迪士尼將以2000萬美元收購Character.AI部分資產並接納核心團隊發布於AI新閒資訊時間 :Oct 19, 2026閱讀 :1分鐘近日,聊天機器人初創公司Character.AI在申請破產之際迎來重大轉折,其前首席執行官 Karandeep Anand 此前已出任迪士尼首位首席技術官。據彭博社披露的法律文件顯示,迪士尼已同意以2000萬美元收購 Character.AI 的部分資產,並向至少60名員工(佔其員工總數的大多數)提供總額約6000萬美元年薪的就業機會,目前絕大多數受邀員工已接受試探性報價。此次收購與人才吸納,凸顯了傳統娛樂巨頭在人工智能浪潮下對垂直領域技術團隊的深度整合。儘管該初創公司擁有龐大且活躍的用戶群,但持續走高的運營成本以及潛在的訴訟責任與監管壓力(如近期面臨的兒童安全調查及相關法律訴訟)最終導致其業務承壓。該事件折射出當前大模型與對話式AI賽道正加速走向分化,高昂的合規成本與財務壓力正促使部分早期獨角獸資產與核心團隊向資金實力雄厚的巨頭靠攏,行業資源進一步向頭部集中。相關推薦Vercel數據表明決策模型Jev成史上採用最快AI模型Vercel週四數據顯示,TypeSafe AI的輕量級決策模型Jev推出兩週內獲35%付費團隊採用,覆蓋率達第二名Sonnet5.5近兩倍,創平臺最快普及紀錄。Jev於9月15日限量發佈,通過限制預設輸出數量實現更快、更低成本,適合快速分類大量數據,並促使OpenAI、亞馬遜推出競品。Vercel為早期採用者。Oct 19, 202676.7k垂直大模型"同源觀瀾"在福州發佈:用 AI 把兩岸共同歷史記憶"激活"10月18日,中華文化傳承與兩岸融合發展垂直大模型“同源觀瀾”在福建師範大學旗山校區發佈。它專攻文化史料,用數字技術盤活兩岸共同歷史記憶。校長鄭家建指出,涉臺檔案浩如煙海,整理考辨難度
不操控鍵鼠、自己寫代碼:4 個 Gemini 智能體在《我的世界》裡自主組隊擊敗末影龍
AI資訊AI新閒資訊正文不操控鍵鼠、自己寫代碼:4 個 Gemini 智能體在《我的世界》裡自主組隊擊敗末影龍發布於AI新閒資訊時間 :Oct 19, 2026閱讀 :1分鐘Google DeepMind 放出了一段讓人重新審視"AI 協作"邊界的實驗。4個 Gemini4Argon 通用編碼智能體,在沒有人類替它們分派任何角色的情況下,僅憑遊戲內的聊天頻道和一份共享筆記,就自己商量著完成了分工,然後一頭扎進一個隨機生成的《我的世界》生存世界裡。這場硬仗打了27小時14分鐘,它們最終通關,把末影龍撂倒。這群"隊友"從頭到尾沒碰過鍵盤鼠標。它們真正的手腳,是一行行自己寫出來的代碼——通過調用 Mineflayer 庫,把意圖翻譯成遊戲裡能執行的動作。整場挑戰裡,它們累計產出2783個程序,相當於邊打邊現搓工具。最硬核的是它們的韌性:過程中總計死亡605次,卻沒有一次中斷退出,反而靠一次次試錯,自己摸索出了破壞末影水晶的有效戰術。也就是說,那套打敗 Boss 的關鍵打法,不是人類教給它們的,是它們自己悟出來的。結果的乾淨程度也經得起檢驗。DeepMind 安排獨立裁判智能體和人工進行了兩層審計,確認全程沒有任何作弊行為;而四個智能體之間的溝通效率高得驚人——整場27小時的鏖戰,聊天頻道里只留下229條消息。沒有廢話,沒有扯皮,要緊的事說清楚就繼續幹活。這次實驗最值得玩味的地方,在於它和過去多智能體研究的分野。以往類似嘗試往往先把每個智能體的職責寫死,再讓它們照劇本配合;而這一回,4個智能體完全靠自己磨合、自己劃分權責,在長達一天多的時間裡維持住沒有預設架構的協作。DeepMind 認為,這種"無預設架構、長時程、多智能體自主協作"的能力,可以遷移到編碼、科研、工程乃至機器人等領域。換句話說,這不再是一個被人類安排好工序的工具,而是一支能自己組隊、自己商量著把難題啃下來的隊伍——
垂直大模型"同源觀瀾"在福州發佈:用 AI 把兩岸共同歷史記憶"激活"
AI資訊AI新閒資訊正文垂直大模型"同源觀瀾"在福州發佈:用 AI 把兩岸共同歷史記憶"激活"發布於AI新閒資訊時間 :Oct 19, 2026閱讀 :1分鐘一個專門啃文化史料垂直大模型的亮相,把人工智能的觸角伸向了兩岸共同的歷史記憶。10月18日,中華文化傳承與兩岸融合發展垂直大模型"同源觀瀾"在福建師範大學旗山校區正式發佈,它的使命很明確——用數字技術把兩岸共享的歷史記憶重新盤活。福建師範大學校長鄭家建點出了這套系統要解決的真實痛點:涉臺檔案資料浩如煙海,整理和考辨的難度極高。該校研發推出"同源觀瀾",正是要用 AI 去做文獻挖掘與史料解析,把人文社科和數字技術真正擰在一起,也是學校推進新文科建設的一次交叉嘗試。模型把主戰場放在幾個重點方向:兩岸語言文學、兩岸人地關係、非遺保護與藝術實踐,以及兩岸社會模擬研究。支撐這套能力的,是一組已經落地的應用系統。目前模型已經建成多學科多模態知識圖譜"同源文藏"、AI 輔助涉臺研究平臺"觀瀾策筆",以及社會模擬與推演平臺"同源智鏡"。三者串起來,形成一條"基礎研究—技術研發—應用落地—政策服務"的閉環創新鏈路,為涉臺學術研究、文化傳播和決策諮詢提供數智底座。該校數智實驗室副主任宋美傑把這條鏈路概括得更形象:模型已經能從同源文化積澱、實時態勢感知,一路走到未來事件推演。後續系統還會逐步拓展到區域國別研究、兩岸文化傳播等方向,並推進文獻資源有序開放,交給涉臺研究人員使用。這款面向涉臺領域的垂直大模型,也被看作對臺工作長期著力推進的方向之一。相關領域人士在評價時表示,從功能介紹看,模型的整體表現亮眼,貼合實際工作需求,並期待研發團隊持續迭代優化,未來能向相關領域從業人員開放使用。當 AI 不再只會對通用問題侃侃而談,而是俯下身去鑽進浩繁的史料與文獻,它之於文化傳承的價值,才真正開始顯現。相關推薦Vercel數據表明決策模型Jev成史上採用
Vercel數據表明決策模型Jev成史上採用最快AI模型
AI資訊AI新閒資訊正文Vercel數據表明決策模型Jev成史上採用最快AI模型發布於AI新閒資訊時間 :Oct 19, 2026閱讀 :1分鐘Vercel於週四發佈的數據顯示,由 TypeSafe AI 創建的輕量級決策模型Jev在推出兩週內,已獲得35% 付費團隊的採用,其覆蓋範圍達到排名第二的Sonnet5.5模型近兩倍,創下Vercel平臺有史以來最快的模型普及速度。Jev於9月15日限量發佈,通過限制預設輸出數量實現更高速度與更低成本,成為快速分類大量數據的理想選擇,並已促使OpenAI和亞馬遜等公司推出競品。作為早期採用者,Vercel已利用Jev取代GPT-6Luna來識別有害指令。相關數據源自類似OpenRouter的統一 API 服務VercelAI網關,該報告同時指出開源模型已佔據處理代幣的70% 以上及總支出的近25%,而前沿實驗室支出亦實現十倍增長。這一趨勢表明,高效的輕量化決策模型與開源生態正快速滲透實際業務,前沿模式與開源替代方案呈現出互補而非競爭的發展態勢。相關推薦垂直大模型"同源觀瀾"在福州發佈:用 AI 把兩岸共同歷史記憶"激活"10月18日,中華文化傳承與兩岸融合發展垂直大模型“同源觀瀾”在福建師範大學旗山校區發佈。它專攻文化史料,用數字技術盤活兩岸共同歷史記憶。校長鄭家建指出,涉臺檔案浩如煙海,整理考辨難度極高,該模型正是為破解這一痛點研發,讓AI深入兩岸共享的歷史記憶。Oct 19, 202684.3k上市前 Anthropic 擬捐 5% 股份設公共利益基金,估值每漲 50% 再添 2%Anthropic在衝擊史上最大規模IPO之一之際,宣佈在獲股東批准後,將5%股份劃入新設“公共利益基金”。隨著公司估值上漲,基金持股比例未來可能進一步增加。該基金擬以全資有限責任公司形式落地,其增資規則設計巧妙。此舉被視為在上市前主動加碼公益約束。
認識 Voxel51 3.0:為實體 AI 打造的統一多模態資料平臺
Voxel51 已發布 Voxel51 3.0,這是其資料平臺的一次重大更新。Voxel51 3.0 是一個端對端的多模態資料平臺,將搜尋、篩選、標註和評估整合於單一系統中。該平臺鎖定針對機器人、車輛和工廠感測器資料進行模型訓練的團隊。此次發布新增了 Voxel51 Agent、資料溯源層及免費的自助式存取。重點摘要:規模:Voxel51 Agent 內建超過 45 個 MCP 工具、80 多個運算子及 18 個開源技能。執行環境:可於 app.voxel51.com 使用託管網頁應用程式,或於雲端、混合、地端及隔離環境中自行部署。未揭露本機 GPU 需求。效能:未發布產品基準測試。Voxel51 引用其自身調查數據作為依據。最佳亮點:免費方案包含 Voxel51 Agent、每月 30,000 次推論請求及 30 個運算小時。
本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目,幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目,幫助讀者快速瞭解當天的重要動態。