SenseNova-U1：开源原生多模态统一框架
SenseNova-U1 采用 NEO-unify 架构，从第一性原理统一多模态理解、推理与生成。支持文本到图像、图像编辑、视觉问答等任务，开源且性能达 SOTA，单 GPU 友好。
TechFoco
多模态AI 专题
共 4 篇文章，按时间倒序展示。
Nanonets-OCR2：开源图像转Markdown模型解析
Nanonets-OCR2是一款开源模型，可将图像文档智能转换为结构化的Markdown格式。它不仅能提取文本，还能精准识别LaTeX公式、复杂表格、图表、签名水印等多种元素，并支持多语言、手写文档及视觉问答功能。
TechFoco
Multi-Modal Researcher：多模态研究与播客生成工具
LangChain 发布的多模态研究工具，可根据主题和 YouTube 链接，集成视频分析与网络搜索，自动生成带引用的研究报告和对话式多角色播客。
TechFoco
ell：开源提示词工具，将提示视为程序
本文介绍由 OpenAI 研究科学家 William 开源的提示词工具 ell。该工具将提示词视为程序和模型参数，提供版本控制、监控、可视化及多模态支持，旨在优化和管理 AI 模型的提示工程。
TechFoco