ModelBest abre o MiniCPM-V 4.7: modelo de 35B ocupa 3 GB no celular
O MiniCPM-V 4.7 chega em duas versões, 35B-A3B e 1B. O modelo MoE roda no iPhone 17 Pro Max com cerca de 3 GB de memória e mais de 13 tokens por segundo.
Notícias e análises sobre IA multimodal
16 artigos verificados sobre IA multimodal, produtos e movimentos do setor.
Modelo de decisão da Cloudflare agora vê vídeo e ouve áudio
A Cloudflare lança o Clef-omni, modelo de decisão de código aberto que aceita áudio e vídeo diretamente; um vídeo de 21 segundos com som leva cerca de 1,5 s.
Alibaba lança modelo de tradução simultânea, latência cai para 2,3 segundos
O Qwen3.8-LiveTranslate da Alibaba reduz a latência média por caractere para 2,3 segundos, entende 60 idiomas e fala 29, com página de demonstração e API já disponíveis.
Equipe de Fei-Fei Li lança Atlas, vídeo controlável em 1440p de um minuto
A World Labs lança o Atlas, um modelo omni de inteligência espacial que gera vídeos 1440p de um minuto com câmera controlável e reconstrói cenas 3D a partir de fotos.
WeChat abre código de modelo de embedding multimodal e lidera o MMEB-v2
A equipe de Visão do WeChat, da Tencent, lançou o WeMM-Embedding: a versão de 2B supera o Qwen3-VL-Embedding-8B, quatro vezes maior, no ranking MMEB-v2.
DeepSeek lança versão experimental de visão, limite de 384 tokens por imagem
DeepSeek lança o deepseek-v4-flash-vision-exp, primeiro modelo V4 com visão, limitado a 384 tokens por imagem, mantendo os preços do V4-Flash.
SenseTime abre o código do U1.5, modelo de 8B gera imagens 4K nativas diretamente
A SenseTime lançou o SenseNova-U1.5-8B-MoT sob licença Apache 2.0, com geração nativa em 4K e edição de imagem e controle preciso unificados em um único modelo.
Doubao ganha chamada de vídeo com IA
O SeedRealtime da ByteDance chegou ao fluxo de chamadas do Doubao, levando IA audiovisual full-duplex a um app de consumo.
Inkling Small encosta no modelo 975B
A Thinking Machines lançou o Inkling-Small com pesos abertos, 276B parâmetros totais, 12B ativos, entrada multimodal e resultados próximos ao Inkling de 975B.
MiniMax prepara abertura do H3
O MiniMax H3 combina vídeo 2K de 15 segundos, estéreo nativo, preço de RMB 0,8 por segundo e promessa de pesos abertos.
ByteDance mira fluxos de design com Seedream 5.0 Pro
ByteDance mira fluxos de design com Seedream 5.0 Pro e reescrito para leitores de tecnologia em portugues, preservando numeros, promessas de produto e pontos de verificacao.
Qwen3.7-Plus da Alibaba adiciona visão e loops de agente
A versão multimodal do Qwen3.7-Max lê imagens e vídeo, mas a Alibaba destaca iteração autônoma, ferramentas e autotestes.
Alibaba apresenta Qwen3.7-Plus como modelo agente que se testa sozinho
A Alibaba lançou o Qwen3.7-Plus em 2 de junho, com foco em entrada multimodal, uso de ferramentas, escrita de código e testes autônomos.
Alibaba lança Qwen3.5-Omni: modelo unificado de texto, áudio, vídeo e clonagem de voz
A equipe Qwen da Alibaba lançou o Qwen3.5-Omni, seu primeiro modelo verdadeiramente multimodal que processa texto, imagens, áudio e vídeo em uma única arquitetura, com clonagem de voz em tempo real.
Qwen3.5 suporta 201 idiomas, Alibaba acelera globalização
Alibaba lança Qwen3.5 com 397 bilhões de parâmetros, expandindo o suporte a idiomas de 82 para 201, integrando multimodalidade nativa e marcando a transição de chatbot para Agente de IA.
Kimi K2.5 usa 100 Agentes para decompor tarefas complexas
A Moonshot AI lançou o Kimi K2.5, que adiciona multimodalidade nativa e a funcionalidade Agent Swarm ao K2, permitindo dividir tarefas complexas em múltiplas subtarefas executadas em paralelo por agentes independentes.