腾讯 WeMM-Video 开源:中英双语全模态视频理解基座
tencent · hf · 2026-11-20
腾讯 WeChat Vision 与清华发布 WeMM-Video,一系列中英双语全模态基础模型,统一处理文本、图像、音频与视频,主打联合视听感知与推理。
- 提供 2B、4B、9B、35B-A3B 多个规格,采用混合思考模式:非思考模式快速响应,思考模式逐步推理
- 基于约 1.2 万亿 token 的大规模多模态语料训练,经多阶段后训练(含 multi-teacher OD)在开源视频理解上取得强成绩
「多模态」频道最新
- 用 Genie 4 做出「阈限乒乓球」演示,效果惊艳 — PurzBeats · 2026-11-20
- 开源 Guaardvark 3.6:一块 16GB 显卡离线全自动生成完整 MV — llama-of-death · 2026-11-20
- Genie 4 demo 合集续:等单通过后 30 秒生成可玩世界并实时迭代 — iamfakhrealam · 2026-11-20
- Genie 4 demo:古埃及《图坦卡蒙:拉之沙》可交互世界 — iamfakhrealam · 2026-11-20
- Genie 4 demo:20 秒霓虹迈阿密追逐,24fps 实时生成带立体声 — iamfakhrealam · 2026-11-20
- 阿里推出 TaoTex:扩散模型生成原生 3D 材质,细节超越 TRELLIS — jiqizhixin · 2026-11-20