MiniMax 正式开源通用视频模型 MiniMax H3
MiniMax 开源新一代通用视频模型 MiniMax H3，可统一理解文本、图像、视频和音频，生成最高 2K、最长 15 秒并带原生立体声音频的视频，稳定支持 11 种对话语言。
为什么值得看
H3 开源了 33B 全模态生成主干，并说明稀疏注意力等模块后续才放出，读者可据此判断当前可复现到哪一步。
端侧 AI
全部主题跑在手机、电脑与边缘设备上的 AI：小模型、本地推理与端侧芯片的进展。
最新精选
第 21–23 条 · 共 23 条MiniMax 稀宇科技精选AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Google DeepMind Blog精选AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Gemma 4 12B：统一的无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的统一无编码器多模态模型，视觉与音频输入直接进入 LLM 主干，不再依赖独立编码器。
为什么值得看
Gemma 4 12B 用无编码器架构把多模态能力压进 16GB 显存笔记本，读者可判断本地智能体部署的可行边界。
Jim Fan(@DrJimFan)精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA 团队训练 42M 模型 SONIC 控制人形机器人全身动作并开源
NVIDIA 团队训练了一个 42M 的 Transformer 模型 SONIC 用于控制人形机器人全身动作，并开放代码和模型检查点。该模型以人类动捕数据做逐帧监督，将运动跟踪作为全身控制的统一可扩展任务，数据本身即隐含奖励函数。
为什么值得看
42M 模型用人类动捕数据替代手工奖励设计，并开源代码与检查点，对具身智能研究者是可复用的训练范式。