OpenVLHarness 通过多模态记忆和工具使用提升 MLLM 性能
为什么值得读 该框架通过将模型锚定于外部证据，解决了仅依赖内部推理的局限性，以更低 Token 成本带来显著性能提升。
OpenVLHarness 利用持久化记忆和异构工具集成，将多模态模型得分最高提升 12.6 分。
标签 · #multimodal
PrismaCoder 推进开放多模态代码智能
为什么值得读 这项工作解决了多模态编码高质量训练数据的关键缺失，通过分解式评分标准合成，提供了可与专有系统相媲美的开放模型。
PrismaCoder-9B 和 35B 模型利用新颖的基于评分标准的数据管道，在开放多模态代码智能基准测试中领先。
LAION-BVD 发布用于多模态预训练的1000万小时开放视频数据集
为什么值得读 建设者需要这种规模的数据来训练跨视频、音频和图像模态的竞争性多模态模型，而无需依赖专有数据。
研究人员发布了 LAION-BVD，这是一个包含8000万个视频的开放数据集，总时长达1000万小时，数据源自 CommonCrawl。该数据集旨在支持视频、音频和图像等多模态的预训练任务，无需依赖专有数据即可训练具有竞争力的多模态模型。
Google 将 Gemini 3.5 Pro 推入最终预览阶段：200 万 Token 上下文与 Deep Think 推理
为什么值得读 定价与免费试用期是开发者最该先确认的两件事。以每百万 token 输入 $15／输出 $60 的定价，Pro 是被设计来认真使用的，而非试用。
Gemini 3.5 Pro 进入最终 Vertex 企业版预览，具备 200 万 token 上下文窗口与 Deep Think 推理；GA 正式发布预计在 2026 年 6 月即将到来。