·大模型
1 分钟0
GLM-5.3-Flash 深度解读：320B-A18B、混合注意力与 1/40 成本背后的架构逻辑
一、引子：一个把海外社区搞糊涂的"牛来模型" 2026 年 8 月 20 日，一个名为 Ox Alpha 的匿名模型悄然上线全球模型聚合平台 OpenRouter 和编程平台 OpenCode。首日它就登顶 OpenRouter 调用量榜单、刷新单日 tokens 用量历史纪录，并终
·大模型
1 分钟0
Qwen3.8-Flash-Next 深度解读：GDN+QSA、门控残差与 N-gram Embedding，通向 Qwen4 的架构预览
一、引子：一个提前放出的"Qwen4 架构预览版" 2026 年 8 月 26 日晚，阿里通义千问团队发布并开源了 Qwen3.8-Flash-Next——一个多模态 MoE 模型。它的定位很特别：它不是 Qwen4 本身，而是 Qwen4 所使用架构的早期预览<sup>1
·AI, 多模态, 学习路径
1 分钟0
理解与生成统一模型（UMM）学习路径：从拼接架构到原生统一，从入门到前沿探索
理解与生成统一（Unified Multimodal Model, UMM）是 2024-2026 年多模态 AI 领域最活跃的研究方向之一。从 Meta 的 Chameleon 到字节的 BAGEL、商汤的 SenseNova U1，技术迭代以月为单位。本文给出一条从基础到前沿的完整学习路径，涵盖
·AI技术
1 分钟0
SenseNova U1.5深度解析：去VE/VAE的原生统一多模态，4K图像生成与精准编辑的技术突破
引言 2026年4月，商汤科技发布并开源了 SenseNova U1 系列原生理解生成统一模型，首次完整展示了基于自研 NEO-unify 架构的原生统一多模态路线。四个月后的8月21日，商汤正式开源 SenseNova U1.5 Lite，从"验证架构是否可行"迈向"真实创作场景好用"。
·论文解读
1 分钟0
Boogu-Image-0.1 论文解析：开源统一多模态图像生成的新范式
Boogu-Image-0.1 论文解析：开源统一多模态图像生成的新范式 > 论文：Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generationhttps://arxiv.org
·论文翻译, AI, 图像生成
1 分钟0
Boogu-Image-0.1 论文完整翻译：Boosting Open-Source Unified Multimodal Understanding and Generation
Boogu-Image-0.1 论文完整翻译 > 原文：Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generationhttps://arxiv.org/abs/2607.1312
·大模型
1 分钟0
GenCeption 论文翻译总结
> 论文：Video Generation Models are General-Purpose Vision Learners > arXiv：2607.09024 | 2026年7月10日 > 会议：ECCV 2026 > 项目主页：https://genception.github.io/ >
·大模型
1 分钟0
SenseNova-U1 与 SenseNova-Vision 深度对比
项目概览 | 维度 | SenseNova-U1 | SenseNova-Vision | |---|---|---| | 全称 | Unifying Multimodal Understanding and Generation | Vision as Unified Multimodal
·大模型
1 分钟0
SenseNova-U1 论文翻译总结
> 论文：SenseNova-U1: Unifying Multimodal Understanding and Generation with NEO-unify Architecture > arXiv：2605.12500 | 2026年5月12日 > 项目主页：https://github.
·大模型
1 分钟0
SenseNova-Vision 论文翻译总结
> 论文：Vision as Unified Multimodal Generation > arXiv：2607.06560 | 2026年7月7日 > 项目主页：https://github.com/OpenSenseNova/SenseNova-Vision --- 一句话总结 S
·大模型
1 分钟0
Vision Banana vs SenseNova-Vision 深度对比
> 对比论文： > - Vision Banana: Image Generators are Generalist Vision Learners arXiv: 2604.20329, 2026年4月 > - SenseNova-Vision: Vision as Unified Multim
·AI 论文翻译
1 分钟0
多模态大模型发展综述（~2026.7）
多模态大模型发展综述（~2026.7） > 本文系统梳理多模态大模型从 2021 年至 2026 年的技术演进脉络，深入分析主流模型的技术架构、核心创新与发展关系。 --- 一、发展脉络总览 ``` 2021-2022 ──── CLIP / BLIP / BEiT-3