.png)
2月10日，豆包发布视频生成实验模型“VideoWorld”，无需依赖语言模型，仅通过视觉信息即可认知世界。VideoWorld在300M参数量下表现出色，已在多项测试中达到专业5段9x9围棋水平。不同于主流多模态模型，VideoWorld主要处理纯视觉信号的学习，实现理解和推理任务。团队采用潜在动态模型（LDM）高效压缩视频帧间变化信息。不过，该模型在真实世界应用中面临高质量视频生成和多环境泛化的挑战。AI视觉学习能力的提升有望催生更多AI应用，国内AI大模型多模态能力持续提升。
原文链接
本文链接：https://kx.umi6.com/article/13027.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "13027")
相关推荐
.png)
换一换
字节跳动火山引擎推出命令行 AI 智能体 veCLI：中文自然语言交互，终端访问豆包大模型
2025-09-12 19:17:02
豆包又把算力成本“打了下来” 但压力才刚刚开始
2025-02-12 19:41:14
火山引擎正式发布豆包大模型1.8
2025-12-18 10:40:51
在DeepSeek老家发新模型，豆包怎么想的？
2025-04-18 16:15:50
字节跳动豆包大模型 9 月 24 日发布视频生成模型
2024-09-18 19:07:17
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
2025-01-27 14:31:44
豆包的压力才刚刚开始
2025-02-13 15:04:27
闷声狂奔一年，字节大模型的进阶之路
2024-06-07 17:57:46
豆包大模型联合润欣科技、老凤祥开发AI眼镜
2025-12-18 13:47:41
曝苹果计划给Apple Watch加上摄像头，一切为了AI
2025-03-24 11:56:18
发布三个月，豆包大模型综合能力提升20.3%，应用落地再提速
2024-08-22 00:06:45
豆包大模型发布各领域技术进展，首次披露 300 万长文本能力
2024-12-30 22:29:06
豆包大模型日均Tokens使用量破5000亿，模型家族再升级
2024-07-25 18:17:02
674 文章
444322 浏览
24小时热文
更多
-
2026-01-23 21:15:09 -
2026-01-23 21:14:01
-
2026-01-23 20:15:45
