.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
豆包大模型1.6正式发布
2025-06-11 11:12:11
字节“显眼包”带火AI玩具 但公司称并不打算对外售卖
2024-12-17 17:11:58
豆包大模型日均tokens使用量超过4万亿
2024-12-18 10:29:48
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
豆包大模型发布以来日均Tokens使用量超过5000亿
2024-08-21 16:44:46
OPPO Find X8新机接入豆包大模型
2024-10-30 15:19:03
字节跳动豆包文生图技术报告发布：数据处理、预训练、RLHF 全流程公开
2025-03-12 14:26:26
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
闷声狂奔一年，字节大模型的进阶之路
2024-06-07 17:57:46
豆包：视频生成模型“VideoWorld”可仅靠视觉认知世界 现已开源
2025-02-10 14:10:40
小米浏览器接入豆包大模型，升级 “AI 搜索” 功能
2025-08-02 09:13:51
豆包发布语音合成 / 声音复刻等四款大模型：能理解情感、调节音调风格、准确读出公式
2025-10-16 12:53:38
字节跳动豆包大模型 1.5 Pro 发布，综合得分优于 GPT-4o、Claude 3.5 Sonnet
2025-01-22 13:59:44
564 文章
262071 浏览
24小时热文
更多
-
2025-10-24 05:23:38 -
2025-10-24 03:21:23
-
2025-10-24 01:20:07
