Clef-omni 支持音视频决策，Clef-flash 同步降价
Clef-omni 支持音视频决策，Clef-flash 同步降价 新的开放权重决策模型可在一次调用中处理文本、图片、音频与视频，并返回受 schema 约束的选项评分，适合工程工作流中的分类与动作判断。
TechFoco
多模态模型 专题
共 8 篇文章，按时间倒序展示。
Qwen3.8-Omni-Flash：支持音视频输入的百万上下文模型 Qwen3.8-Omni-
Qwen3.8-Omni-Flash：支持音视频输入的百万上下文模型 Qwen3.8-Omni-Flash 现支持文本、图像、音频和视频输入，提供最高 1M 上下文，并可通过 Chat Completions 或 Responses 接入函数调用与联网检索。
TechFoco
智谱推 GLM Coding Plan 夜间畅用活动，GLM-5.3-Flash 错峰时段 ZC
智谱推 GLM Coding Plan 夜间畅用活动，GLM-5.3-Flash 错峰时段 ZCode 免费 9 月 3 日至 20 日，GLM Coding Plan 上线夜间畅用活动，每晚 23 点至次日 9 点（北京时间）自动生效，覆盖所有付费套餐用户。
TechFoco
全球首个多模态世界模型，李飞飞创办的 World Labs 发布 Atlas World Lab
全球首个多模态世界模型，李飞飞创办的 World Labs 发布 Atlas World Labs 推出 Atlas，据称是全球首个多模态世界模型，可生成图像和视频帧，支持像素级相机控制并重建为 3D，用于建模世界、移动镜头、模拟空间与时间。
TechFoco
OCR识别需要多个工具，布局分析工具拆分文档结构，文本识别模型提取内容，还要额外的手动后处理，来
OCR识别需要多个工具，布局分析工具拆分文档结构，文本识别模型提取内容，还要额外的手动后处理，来回切换效率低下。
TechFoco
FullFront：面向多模态大语言模型（MLLM）的前端工程全流程基准测试平台，覆盖设计、理解
FullFront：面向多模态大语言模型（MLLM）的前端工程全流程基准测试平台，覆盖设计、理解与代码生成三大核心任务。
TechFoco
SmolDocling-256M-preview：由 Docling 团队开发的高效的多模态图像
SmolDocling-256M-preview：由 Docling 团队开发的高效的多模态图像文本到文本模型，专为文档转换而设计，支持多种文档处理功能，并与 Docling 文档兼容。
TechFoco
一个强大的OCR基准测试工具，帮助你快速评估不同多模态模型的OCR和数据提取能力，轻松找到最适合
一个强大的OCR基准测试工具，帮助你快速评估不同多模态模型的OCR和数据提取能力，轻松找到最适合你的模型。
TechFoco
