OpenVLHarness 透過多模態記憶與工具使用提升 MLLM 效能
為什麼值得讀 此框架透過將模型錨定於外部證據，解決僅靠內部推理的局限性，並以更低的 token 成本提供顯著的效能提升。
OpenVLHarness 利用持續性記憶與異質工具整合，將多模態模型分數提升高達 12.6 分。
標籤 · #multimodal
PrismaCoder 推進開放多模態程式碼智慧
為什麼值得讀 本研究解決了多模態程式設計高品質訓練數據的關鍵缺口，透過分解式評量標準合成，提供能與專有系統匹敵的開放模型。
PrismaCoder-9B 與 35B 模型利用基於新穎評量標準的數據管線，在開放多模態程式碼智慧基準測試中領先。
LAION-BVD 發布 1000 萬小時開放式視頻數據集，用於多模態預訓練
為什麼值得讀 開發者需要此規模的數據來訓練跨視頻、音頻及圖像模態的競爭力多模態模型，且無需依賴專有數據。
研究人員推出 LAION-BVD 數據集，包含從 CommonCrawl 收集的 8000 萬個視頻，總時長達 1000 萬小時，涵蓋視頻、音頻與圖像等多模態內容。
Google 將 Gemini 3.5 Pro 推入最終預覽階段：200 萬 Token 上下文與 Deep Think 推理
為什麼值得讀 定價與免費試用期是開發者最該先確認的兩件事。以每百萬 token 輸入 $15／輸出 $60 的定價，Pro 是被設計來認真使用的，不是拿來試用的。
Gemini 3.5 Pro 進入最終 Vertex 企業版預覽，具備 200 萬 token 上下文視窗與 Deep Think 推理；GA 正式發布預計在 2026 年 6 月即將到來。