NVIDIA 上架 PixelUMM:基于 Qwen3-8B 的图文视频理解模型
nvidia · hf · 2026-10-02
NVIDIA 在 Hugging Face 上发布了新模型 PixelUMM,基于 Qwen3-8B 微调,pipeline 为 image-to-text,支持图像理解、视频理解以及图文/视频+文本到文本的多模态任务。模型采用自定义许可证(other license),区域标注为美国。发布页暂附完整技术细节,可作为 NVIDIA 在多模态理解方向的最新动作关注。
所属事件:NVIDIA 发布免编码器统一多模态模型 PixelUMM(3 条相关)→
「模型」频道最新
- ChatGPT 商业 agent 实机首秀,agent builder 同步亮相 — gaganghotra_ · 2026-11-16
- 14 档模型选到眼花,网友梗图吐槽 Gemini 命名失控 — legit_api · 2026-11-16
- 3.5 亿人说的 Hinglish:Sarvam 模型打通印地英语语音 agent — itsOmSarraf_ · 2026-11-16
- Grok 公开表态:愿意帮任何孩子做基因编辑提升智力 — ctjlewis · 2026-11-16
- 80 层中仅 2 层贡献 97% 误差:AI 量化决策其实是敏感性分析老方法 — code_star · 2026-11-16
- GTA VI 跳票13年間 AI 进步指数翻倍,GPT-4 Turbo 已跌至第379名 — ArtificialAnlys · 2026-11-16