模型 / MODELS新聞 / NEWS
DeepSeek V4.1-Flash 發布：讀用 8B、寫用 16B 的非對稱新架構
DeepSeek 發布 V4.1-Flash：552B MoE 採 Causal Encoder-Decoder 新架構並具原生視覺理解，輸入激活 8B、輸出激活 16B，KV cache 降至前代 HBM 的 1/4。
TAG
多模態模型
多模態模型：影像、語音與文字跨模態能力的發布與評測。
多模態模型 標籤的文章列表
共 6 則文章，依發布時間排序
模型 / MODELS新聞 / NEWS
DeepSeek 上線 V4-Flash-Vision-Exp：實驗性視覺理解模型開放 API
DeepSeek 在 API 平台推出實驗性多模態模型 deepseek-v4-flash-vision-exp，Chat API 可直接傳圖，圖片依尺寸折算 token、與文字合併按輸入 token 計費。
工具 / TOOLS指南 / GUIDE
MiniMax-H3 開源全模態影片模型：用 ComfyUI API 無頭生成影片與音訊
MiniMax 官方開源的全模態影片模型 MiniMax-H3，一次前向傳遞同時生成影片與原生立體聲音訊；ComfyUI 0.30.0 起原生支援，可用 Python 經 API 無頭驅動、不必開圖形介面。
模型 / MODELS分析 / ANALYSIS
Meta 開源 Muse Glimmer 30B：同尺寸代理基準多項領先的本機模型
Meta 以 Apache 2.0 開源 30B 多模態模型 Muse Glimmer，蒸餾自 Muse Spark、為常駐本機代理設計，在 SWE-Bench Pro、MCP Atlas 等同尺寸代理基準多項領先，單張 GPU 即可運行。
模型 / MODELS新聞 / NEWS
SGLang 為 Meta Muse Glimmer 提供 Day-0 支援：30B 模型跑在消費級硬體
Meta 超級智慧實驗室發布 30B 多模態模型 Muse Glimmer，SGLang 同日推出 Day-0 支援，以 DFlash 推測解碼、RadixAttention 前綴快取與 CUDA graphs 在 RTX 5090 繳出每秒 1,452 token，把多模態代理搬上消費級硬體。
模型 / MODELS新聞 / NEWS
Black Forest Labs 推出 FLUX 3 多模態模型，單次生成 20 秒附聲影片
Black Forest Labs 以 Early Access 推出 FLUX 3 多模態基礎模型，於統一架構內聯合學習影像、影片與音訊，單次可生成最長 20 秒含原生音訊的影片，並公布對多家競品的初步人工評測勝率。