ModelBest rilis MiniCPM-V 4.7, model 35B hanya 3GB di ponsel
ModelBest dan OpenBMB merilis MiniCPM-V 4.7. Model MoE 35B-A3B disebut hanya memakai sekitar 3GB memori di iPhone 17 Pro Max dengan kecepatan 13 token/detik lebih.
Berita dan Analisis AI multimodal
15 artikel terverifikasi tentang AI multimodal, produk, dan perkembangan industri.
Model Keputusan Cloudflare Kini Bisa Memproses Video dan Audio
Clef-omni dari Cloudflare menerima input audio dan video utuh. Video 21 detik berbunyi diproses sekitar 1,5 detik, dengan tarif 0,15 dolar AS per juta token input.
Alibaba Pangkas Latensi Terjemahan Real-Time ke 2,3 Detik
Qwen3.8-LiveTranslate memangkas latensi per-karakter dari 2,8 ke 2,3 detik, memahami 60 bahasa, bisa bicara 29 bahasa; halaman demo dan API sudah aktif.
World Labs Rilis Atlas, Video 1440p yang Bisa Dikontrol Kamera
Atlas dari World Labs menjadikan pose kamera sebagai input kondisi, menyatukan rekonstruksi 3D, video berkontrol kamera, dan simulasi spasial dalam satu model.
WeChat Rilis Model Embedding Multimodal Open Source, Puncaki MMEB-v2
Tim WeChat milik Tencent merilis model embedding multimodal open source WeMM-Embedding, versi 2B-nya menduduki puncak MMEB-v2.
DeepSeek rilis versi eksperimen vision, batasi 384 token per gambar
Model baru DeepSeek, deepseek-v4-flash-vision-exp, mengonversi tiap gambar maksimal 384 token tanpa biaya vision tambahan, memberi batas atas pada biaya screenshot agen GUI.
SenseTime Open Source U1.5, Model 8B Langsung Hasilkan Gambar 4K Native
SenseTime rilis resmi SenseNova-U1.5-8B-MoT: generasi gambar 4K native, kontrol edit presisi, lisensi Apache 2.0, plus lima kelemahan yang diakui terbuka.
Inkling Small Dekati Flagship 975B
Thinking Machines merilis Inkling-Small dengan bobot terbuka, 276B parameter total dan 12B aktif, plus dukungan multimodal dan skor yang mendekati Inkling 975B.
MiniMax Akan Membuka Model Video H3
MiniMax H3 menggabungkan video 2K 15 detik, audio stereo native, harga RMB 0,8 per detik, dan rencana open weight.
ByteDance bidik alur desain dengan Seedream 5.0 Pro
ByteDance bidik alur desain dengan Seedream 5.0 Pro disusun ulang untuk pembaca teknologi Indonesia dengan angka utama, klaim produk, dan pertanyaan terbuka tetap dipertahankan.
Qwen3.7-Plus Alibaba tambah visi dan loop agen
Versi multimodal Qwen3.7-Max bisa membaca gambar dan video, tetapi Alibaba menekankan iterasi otonom, alat, dan pengujian mandiri.
Alibaba menjual Qwen3.7-Plus sebagai model agen yang bisa menguji diri
Alibaba merilis Qwen3.7-Plus pada 2 Juni dengan fokus pada input multimodal, pemanggilan alat, penulisan kode, dan pengujian otomatis.
Alibaba Rilis Qwen3.5-Omni: Model Teks, Audio, Video Terpadu dengan Kloning Suara
Tim Qwen Alibaba telah merilis Qwen3.5-Omni, model all-modal pertama mereka yang memproses teks, gambar, audio, dan video dalam satu arsitektur, dengan fitur kloning suara real-time dan audio-video vibe coding.
Qwen3.5 Dukung 201 Bahasa, Alibaba Percepat Ekspansi Global
Model open-weight Qwen3.5 dari Alibaba kini mendukung 201 bahasa dan dialek, menghadirkan pemrosesan multimodal native, serta menandai pergeseran industri dari chatbot ke AI agent.
Kimi K2.5 Uraikan Tugas Kompleks dengan 100 Agen
Moonshot AI merilis Kimi K2.5 yang menambahkan pemahaman multimodal native dan fitur Agent Swarm, memecah tugas kompleks menjadi sub-tugas yang dijalankan secara paralel oleh banyak agen untuk meningkatkan kecepatan.