หมุดที่ตรงกับ tag:Multimodal

Alibaba เปิดซอร์สรุ่นเรือธง Qwen3-VL-235B-A22B ทั้งเวอร์ชัน Instruct และ Thinking ซึ่งเป็นโมเดลวิชัน-ภาษาแบบ mixture-of-experts ขนาด 235B พร้อมบริบทเนทีฟ 256K โทเค็น ที่ Alibaba ระบุว่าเทียบเท่าหรือเหนือกว่า Gemini 2.5 Pro ในเบนช์มาร์กการรับรู้ภาพหลัก

Mistral AI เปิดตัว Mistral 3 ประกอบด้วย Mistral Large 3 โมเดลมิกซ์เจอร์ออฟเอ็กซ์เพิร์ตแบบเบาบางขนาด 675B พารามิเตอร์ที่ใช้งานจริง 41B ภายใต้ Apache 2.0 และโมเดลแบบหนาแน่น Ministral 3 สามรุ่น (3B, 8B และ 14B)

Z.ai เปิดตัว GLM-4.6V โมเดลวิชัน-ภาษาแบบมิกซ์เจอร์ออฟเอ็กซ์เพิร์ต 106B และ GLM-4.6V-Flash ขนาด 9B ภายใต้สัญญาอนุญาต MIT เป็นโมเดล GLM-V รุ่นแรกที่รองรับการเรียกฟังก์ชันแบบเนทีฟ ฝึกสำหรับบริบท 128K โทเคน และมีราคา $0.30 ต่อล้านโทเคนอินพุต

Moonshot AI เปิดตัว Kimi K2.5 โมเดลมัลติโมดัลแบบเนทีฟ open-weight ที่ฝึกล่วงหน้าต่อเนื่องด้วยโทเคนภาพและข้อความผสมราว 15 ล้านล้านโทเคน พร้อมโหมด Agent Swarm ที่ประสานงานเอเจนต์ย่อยได้สูงสุด 100 ตัวตลอด 1,500 การเรียกใช้เครื่องมือ

Alibaba เปิดตัว Qwen3.5-397B-A17B โมเดลโอเพนเวตแบบมัลติโมดัลเนทีฟที่เปิดใช้ 17B จากพารามิเตอร์ 397B พร้อม Qwen3.5-Plus แบบโฮสต์ที่มีบริบท 1M โทเค็น ในคืนก่อนวันตรุษจีน

ทีม Qwen ของ Alibaba เปิดตัวโมเดล Qwen3.5 ขนาดกลางแบบเปิดน้ำหนักสามรุ่นภายใต้ Apache 2.0 ได้แก่ โมเดลผสมผู้เชี่ยวชาญขนาด 122B ที่ทำงาน 10B, โมเดล 35B ที่ทำงาน 3B และโมเดลแบบหนาแน่นขนาด 27B ซึ่งบริษัทระบุว่าเหนือกว่า GPT-5 mini ของ OpenAI ในเกณฑ์มาตรฐานส่วนใหญ่

Z.ai (Zhipu AI) เปิดตัว GLM-5V-Turbo โมเดลพื้นฐานด้านการเขียนโค้ดแบบมัลติโมดัลรุ่นแรก ซึ่งแปลงแบบร่างดีไซน์ ภาพหน้าจอ และวิดีโอเป็นโค้ดฟรอนต์เอนด์ที่รันได้ และทำคะแนน 94.8 บน Design2Code เทียบกับ 77.3 ของ Claude Opus 4.6

Alibaba เปิดตัว Qwen3.6-Plus โมเดลมัลติโมดัลแบบโฮสต์ที่มุ่งเน้นการเขียนโค้ดแบบเอเจนต์ มีหน้าต่างบริบท 1M โทเค็น ราคา CNY 2 ต่อโทเค็นอินพุต 1M และทำคะแนนได้ 78.8 ใน SWE-bench Verified

Meta เปิดตัว Muse Spark โมเดลแรกจาก Meta Superintelligence Labs และเป็นโมเดลระดับแนวหน้าตัวแรกของ Meta ที่ไม่เปิดเผยน้ำหนักโมเดล ขับเคลื่อนแอป Meta AI และทำคะแนนได้ 52 บน Artificial Analysis Intelligence Index ตอนเปิดตัว เป็นรองเพียง Gemini 3.1 Pro, GPT-5.4 และ Claude Opus 4.6

Moonshot AI เปิดซอร์ส Kimi K2.6 โมเดลมัลติโมดัลแบบ mixture-of-experts ขนาด 1 ล้านล้านพารามิเตอร์ ใช้งานจริง 32 พันล้าน หน้าต่างบริบท 256K โทเคน และฝูงเอเจนต์สูงสุด 300 ตัวที่รัน 4,000 ขั้นตอนประสานกัน

Xiaomi เปิดตัว MiMo-V2.5-Pro โมเดลเอเจนต์ขนาด 1.02T พารามิเตอร์ โดยมี 42B พารามิเตอร์ที่ใช้งานและบริบท 1M โทเคน และ MiMo-V2.5 โมเดลพี่น้องแบบออมนิโมดัลขนาด 310B พร้อมเปิดซอร์สทั้งสองรุ่นภายใต้สัญญาอนุญาต MIT

Mistral AI เปิดตัว Mistral Medium 3.5 โมเดลเรือธงแบบรวมรุ่นแรก เป็นโมเดลโอเพนเวตแบบหนาแน่น 128B หน้าต่างบริบท 256K ที่ได้ 77.6% บน SWE-Bench Verified และมีราคา $1.50 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ $7.50 ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น

MiniMax เปิดตัว MiniMax-M3 โมเดลหลายโมดัลโดยกำเนิดที่มีบริบท 1M โทเคน สร้างบนสปาร์สแอตเทนชันรุ่นใหม่ ทำคะแนน 59.0% บน SWE-Bench Pro และมีราคา $0.30 ต่อ 1 ล้านโทเคนอินพุตหลังสิ้นสุดส่วนลดช่วงเปิดตัว

Alibaba เปิดตัว Qwen3.7-Plus โมเดลเอเจนต์มัลติโมดัลแบบกรรมสิทธิ์ที่อ่านภาพและวิดีโอ ควบคุมหน้าจอ และทำคะแนน 79.0 บน ScreenSpot Pro ราคาประมาณ $0.40 ต่อโทเคนอินพุตหนึ่งล้านโทเคน

Meta เปิดตัว Muse Spark 1.1 โมเดลให้เหตุผลหลายโหมดสำหรับงานเชิงเอเจนต์ที่มีหน้าต่างบริบท 1M โทเค็น พร้อมเปิดตัวตัวอย่างสาธารณะของ Meta Model API ในราคา $1.25 ต่อโทเค็นอินพุต 1 ล้านโทเค็น และ $4.25 ต่อโทเค็นเอาต์พุต 1 ล้านโทเค็น; ได้คะแนน 51 บน Artificial Analysis Intelligence Index

Thinking Machines Lab เปิดตัว Inkling โมเดลแรกของบริษัท เป็นระบบ Mixture-of-Experts แบบเปิดน้ำหนัก ขนาด 975B พารามิเตอร์ (ทำงานจริง 41B) บริบท 1M โทเค็น ให้เหตุผลได้ทั้งข้อความ รูปภาพ และเสียง และสร้างขึ้นเป็นฐานสำหรับการปรับแต่ง

Moonshot AI เปิดตัว Kimi K3 โมเดลมัลติโมดัลแบบโอเพนเวตที่มี 2.8 ล้านล้านพารามิเตอร์และหน้าต่างบริบท 1 ล้านโทเคน ราคา $3.00 ต่อหนึ่งล้านโทเคนอินพุต และ $15.00 ต่อหนึ่งล้านโทเคนเอาต์พุต โดยเผยแพร่เวตเมื่อวันที่ 27 กรกฎาคม

Thinking Machines Lab เปิดตัว Inkling-Small โมเดลแบบเปิดน้ำหนักขนาด 276B พารามิเตอร์ (ทำงานจริง 12B) ที่เทียบเท่าหรือเหนือกว่า Inkling ขนาด 975B ในเบนช์มาร์กด้านการให้เหตุผลและการเขียนโค้ดเชิงเอเจนต์ รวมถึง 80.2% บน SWE-bench Verified

Alibaba เปิดตัว Qwen3.8-Max โมเดลเรือธงแบบ mixture-of-experts ขนาด 2.4 ล้านล้านพารามิเตอร์ หน้าต่างบริบท 1M โทเค็น อันดับห้าใน Text Arena และอันดับสองใน Vision Arena และเป็น Qwen ระดับ Max ตัวแรกที่บริษัทเปิดเผยน้ำหนักโมเดลในเวลาต่อมา

ทีม Qwen ของ Alibaba เปิดซอร์ส Qwen3.8-27B โมเดลมัลติโมดัลแบบ dense ขนาด 27B ภายใต้ Apache 2.0 ซึ่งทีมระบุว่าเหนือกว่า Qwen3.7-Plus แบบกรรมสิทธิ์ในด้านการเขียนโค้ดและเวิร์กโฟลว์สำนักงาน โดยมีบริบทเนทีฟ 262K

Z.ai เปิดตัว GLM-5.3-Flash โมเดลโอเพนเวทแบบมัลติโหมดดั้งเดิมขนาด 320B พารามิเตอร์ (ใช้งานจริง 18B) บนฐานที่ฝึกใหม่ ซึ่งบริษัทระบุว่าเหนือกว่า GLM-5.2 ด้วยราคาเพียงหนึ่งในสิบ โดยตั้งราคา $0.15 ต่อหนึ่งล้านโทเค็นอินพุต

StepFun เปิดตัว Step 5 Preview โมเดลเรือธงแบบ sparse mixture-of-experts ขนาด 600B พารามิเตอร์ ใช้งานจริง 27B พร้อมบริบท 1M โทเค็น ราคา $1.00 ต่อโทเค็นอินพุต 1 ล้านโทเค็น และได้คะแนน 44 บน Artificial Analysis Intelligence Index

Xiaomi เปิดตัวและเปิดซอร์ส MiMo-V2.6-Pro และ MiMo-V2.6-Flash โมเดลออมนิโมดัลโดยกำเนิดที่มีบริบท 1M โทเค็น โดย Pro ได้ 46.32 คะแนนใน Artificial Analysis Intelligence Index สูงที่สุดในบรรดาโมเดลโอเพนซอร์ส

Mistral AI เปิดตัว Mistral Large 4 ในรูปแบบพรีวิวสาธารณะ ซึ่งเป็นโมเดลมิกซ์เจอร์ออฟเอ็กซ์เพิร์ตแบบมัลติโมดัลโดยกำเนิดที่มีพารามิเตอร์ประมาณ 1 ล้านล้านตัว ฝึกบนคลัสเตอร์ของตนเอง โดยสัญญาว่าจะเปิดน้ำหนักภายในสิ้นเดือนตุลาคม 2026