NVIDIA 发布 Cosmos3-H-Dreams，研究交互式手术场景生成
团队把生成式仿真从桌面缝合任务推进到更复杂的临床手术视觉场景，并介绍蒸馏、流式生成与数据适配。该工作属于仿真研究，不能直接当作临床安全或疗效验证。
推荐理由：Codex 来源核对 · 原始技术资料，附实现与评估入口。
技术方向
多模态 最新动态
文字之外的能力：看懂图片、图文混合理解、音视频输入输出的模型与产品进展。
4 条精选近 30 天 4 条共收录 4 条
更新
多模态的精选
Hugging Face Blog精选
NVIDIA Blog精选 NVIDIA 扩展 Nemotron 家族，发布 Super VL 与端侧 Bolt 模型
NVIDIA 官方介绍新的开放模型，覆盖持续运行的智能体、多模态理解和本地推理。选择时应结合模型许可、显存要求及自己的任务测试，官方基准不能替代部署验证。
推荐理由：Codex 来源核对 · 按原文范围整理，保留案例及数据的适用边界。
Hugging Face Blog精选 Apertus 1.5 发布技术说明，补充多模态与可复现评估细节
Swiss AI 团队整理 8B 与 70B 模型的训练、图像音频理解、可选思考模式和评估资料。文中说明权重已在 7 月发布，本次收录的是 10 月更新的技术解读。
推荐理由：Codex 来源核对 · 原始技术资料，附实现与评估入口。
Hugging Face Blog精选 Muse Spark Open 开放权重，Hugging Face 整理推理与微调入口
官方生态文章介绍 Meta 多模态 MoE 模型的文本、图像、音频与视频能力，并列出 Transformers、MLX 等推理支持和微调示例。使用前需核对模型许可与硬件门槛。
推荐理由：Codex 来源核对 · 按原文范围整理，保留案例及数据的适用边界。