腾讯发布具身多模态模型 Hy-Embodied-VLM-1.0
_akhaliq · x · 2026-07-15
腾讯在 Hugging Face 上发布了 Hy-Embodied-VLM-1.0，这是一款面向具身智能体的高效 MoE 视觉语言模型。
已知信息包括：
- 每个 token 仅激活 3B 参数
- 在 38 个基准中的 19 个上达到 SOTA
- 重点指向 embodied agents 场景
这条更偏向多模态模型发布，同时也带有明显研究属性。
「多模态」频道最新
- 用 Claude Code 搭视频剪辑流水线,十段 prompt 从粗剪到成片 — TawohAwa · 2026-10-26
- 一句话生成3D世界，再用AI重绘成电影级镜头 — gizakdag · 2026-10-26
- 零实拍造出一整部电影世界：CineMap 导演分镜配 TapNow 成片 — gizakdag · 2026-10-26
- 快手 Kling 对阵字节 Seedance：中国 AI 视频模型竞争观察 — DavidmComfort · 2026-10-26
- 散景宇宙星云提示词模板：虚化光球演绎星际云雾质感 — LudovicCreator · 2026-10-26
- 博主用 Runway Act-2 加 ElevenLabs 变声做出高质量 AI 视频 — AIandDesign · 2026-10-26