量子位

滚烫Deepseek一夜刀掉英伟达4万亿，除夕开源多模态新模型：7B超越DALL-E 3和StableDiffusion

作者

DeepSeek发布新模型Janus-Pro-7B，击败DALL-E 3和Stable Diffusion，在GenEval和DPG-Bench基准测试中表现优异。该模型基于自回归框架设计，采用SigLIP-L视觉编码器进行多模态理解和生成。

豆包团队视频生成新突破：无需语言模型，仅凭“视觉”就能学习复杂任务

作者

一种名为VideoWorld的模型无需依赖语言模型，仅通过视觉信号学习知识、认知世界，并能执行复杂任务。它利用潜在动态模型高效压缩视频帧间的视觉变化信息，显著提升知识学习效率和效果。