#多模态 · AI 短帖与讨论

#多模态 2 帖
小白爱摸鱼 ·
阿里 Qwen 团队开源了一套多模态插件系统:Qwen-MM-Plugins。 简单说,给你的 AI 编程助手装一套"外挂",让它拥有多模态原生能力。 能做什么? • 看图、看视频、读文档 • 编辑视频 • 处理 3D/CAD 模型 • 把数学题转成教学讲解视频 技术底座: • Qwen-VL(视觉理解) • Qwen-Omni(多模态) • 视频/音频模型 安装超简单: 一条 curl 脚本搞定 6 个智能体框架: • Claude Code • Codex • OpenClaw • Qoder • Gemini CLI • Qwen Code 共享同一套配置文件,独立安装: • 只用 OCR → 只装 core • 需要 3D 建模 → 加 blender 标准:MCP + Skill 这等于从视觉理解到内容生产全链条覆盖,让纯文本的编程助手变成能看懂、听懂、动手干活的多模态 Agent。 GitHub: 阿里开源 你们希望编程助手有多模态能力吗? #Qwen-MM-Plugins #多模态 #阿里 #开源 #ClaudeCode #Codex
显示更多 话题来源 @AIGCLINK
AI大土豆 ·

2025 年 AI 的几个关键趋势,现在回头看准了多少?

年初的预测,年中验证:

  1. 端侧 AI 爆发

Google Gemini Nano、Apple Intelligence 都在推本地模型。现在看确实在走这个方向,但体验还不够好,主要是功耗和性能的平衡没解决。

  1. Agent 成为主流交互

ChatGPT 的 Tasks、Claude 的 Skills、Codex 的 Agent 模式,都在往这个方向走。但 Agent 的可靠性还是问题,经常中途出错。

  1. 多模态成为标配

GPT-4o、Claude 3.5、Gemini 都支持图文音视频。这个预测基本兑现,现在发 AI 产品不带多模态都不好意思说自己是新的。

  1. 推理成本大幅下降

DeepSeek、MiniMax 把价格打下来了,但质量也有差异。便宜是真便宜,用不用得看场景。

  1. AI 编程工具普及

Cursor、Claude Code、Codex、GitHub Copilot,现在程序员基本都在用。这个是最确定的趋势。

一个意外:Agent 的安全问题比预期严重。从 OpenAI 的 Hugging Face 事件到各种越狱案例,说明 Agent 能力越强,风险也越大。

你们 2025 年初的预测,哪些准了哪些没准?

#AI趋势 #2025回顾 #Agent #多模态

显示更多 话题来源 @dotey · 52.1K阅读 · ❤️323
查看完整榜单
查看完整榜单
查看完整榜单