开源AI

11月3日 【开源】 美团发布 LongCat-Flash-Omni-FP8，这是一个拥有 5600 亿参数（激活 270 亿）的开源全模态模型，专精于实时音视频交互。该模型采用高性能捷径连接混合专家（MoE）架构，并整合了零计算专家、高效的多模态感知模块与语音重建模块。通过课程启发式渐进训练策略，它在保持强大单模态能力的同时，实现了全面的多模态理解与生成能…

Emu3.5是由北京智源研究院最新发布的大规模多模态世界模型，其核心创新在于原生支持视觉与语言的联合状态预测。该模型采用统一的下一token预测目标进行端到端预训练，训练数据规模超过10万亿token，主要来源于互联网视频的连续帧及其转录文本，这为模型理解动态视觉序列与语言描述的关联性奠定了坚实基础。 模型架构设计上，Emu3.5天然接受交错的视觉-语言输入…