Tags für KI-Artikel

Durchsuchen Sie Artikel nach professionell gepflegten Tags. Jeder Tag führt zu einer eigenen Einführung und eng passenden veröffentlichten Artikeln.

Qwen-Image Zeigt, wie sich die Qwen-Image-Reihe verzweigt: von der Stärke beim Textlayout über den Realismus-Sprung in 2512 bis hin zur Ebenenzerlegung von Layered und deren Einsatzfeldern. AI.com Erklärt Freischaltung und Rechtegrenzen der autonomen Agenten von ai.com und wägt Namensreservierung, app-übergreifende Ausführung und isolierte verschlüsselte Umgebung gegeneinander ab. Z-Image Stellt die offene Bildmodellreihe Z-Image vor und ordnet nicht destilliertes Backbone, Single-Stream-Diffusion und kostenloses Inferenzkontingent konkreten Kreativ- und Entwicklerbedarfen zu. Code Supernova Zerlegt das agentische Coding von Code Supernova und zeigt, wie langer Kontext, Bildinput und mehrstufige Ausführung dateiübergreifende Umbauten tatsächlich verändern. LTX Video Zeichnet die Arbeitsteilung von LTX-Video-Modellen und Studio-Plattform nach, von offenen Videomodellen und Storyboard-Erzeugung bis Schnitt und Voice-over auf der Timeline. Doubao Phone Assistant Betrachtet den Doubao Phone Assistant von ByteDance, wie er mit Systemrechten apps übergreifend tippt, wischt und schreibt, und was das Vorserienmodell nubia M153 realistisch abdeckt. Gemini Robotics Erklärt, wie Gemini Robotics von Google DeepMind als hochrangiges Roboterhirn arbeitet, wie ER 2 den Fortschritt verfolgt und Fehler während der Bewegung korrigiert, und wo die Atlas-Kooperation steht. Google Disco Zerlegt Disco, das experimentelle Browser-Projekt von Google Labs, und dessen erste Funktion GenTabs: wie offene Tabs zu nutzbaren Mini-Apps werden und was Warteliste und Datenschutzhinweise bedeuten. GLM-5 Verfolgt die offene GLM-5-Flaggschiffreihe von Z.ai vom 744B-Basismodell über achtstündige autonome Läufe bis zum günstigeren 320B-Flash und zeigt, wie die Generation Fähigkeit und Kosten ausbalanciert. 360 Ordnet das KI-Portfolio von 360 von Zhinao und dem AI Browser bis Zhitu, Hongtu und der Nami-Pipeline, zeigt die Aufgabenverteilung und Zielgruppen und ordnet die Mem360-Gedächtnisschicht ein. LongCat-Video-Avatar Liest die audiogetriebene Avatar-Videoreihe LongCat-Video-Avatar und zeigt, wie sie Stabilität langer Clips, Identität mehrerer Personen und natürliche Bewegung behandelt. Tongyi Fun Erklärt, woraus der Unternehmens-Audiostack Tongyi Fun besteht, und wie Fun-ASR-Erkennung und Fun-CosyVoice-Synthese Meeting-Notizen und Support-Prüfung abdecken. HunyuanWorld Zerlegt, wie HunyuanWorld-Voyager aus einem Bild eine begehbare 3D-Welt erzeugt, und was native 3D-Ausgabe, Welt-Cache und freie Kamerapfade bei der Rekonstruktion lösen. Hunyuan-MT Folgt der Übersetzungsreihe Hunyuan-MT vom 7B-Cloud-Modell bis zum 1,8B-Edge-Modell und zeigt, welche Lokalisierungsaufgaben Terminologie, langer Kontext und Formaterhalt abdecken. MiniMax Music Erklärt, wie MiniMax Music aus Liedtext und Stilbeschreibung einen fertigen Song erzeugt, und was realistische Stimmen, Stimmungssteuerung und die Open-Source Music Skills jeweils leisten. LongCat-Image Zeigt, wie LongCat-Image mit einem 6B-DiT-Rückgrat gegen größere Systeme antritt und wie zweisprachige Textdarstellung und steuerbare Bearbeitung in Design und Alltag funktionieren. GLM-TTS Stellt GLM-TTS mit Stimmklonen aus drei Sekunden Audio und Emotionssteuerung in den Mittelpunkt und zeigt, wie zweistufige Erzeugung mit verstärkendem Lernen Fehlerraten senkt und wo Sprecherdienste es nutzen. Firecrawl Erklärt, wie Firecrawl Scrape, Crawl, Suche und URL-Mapping aufteilt und wie interaktive Aktionen, Callbacks und mehrere Ausgabeformate Agenten und Retrieval-Pipelines mit sauberen Webdaten versorgen. PaddleOCR Zerlegt Erkennung, Layoutanalyse und das 0.9B-Dokumentmodell von PaddleOCR und zeichnet den Weg von mehrsprachigen oder schiefen Vorlagen bis zu strukturiertem Markdown und JSON nach. LangChain Führt durch Komponentenmodell und Kettenaufbau von LangChain und zeigt, wie Prompt-Vorlagen, Retrieval-Augmentierung, Gedächtnis und Tracing RAG-Pipelines, Assistenten und Automatisierung im Betrieb stützen. MiMo-V2 Fokussiert die V2-Reihe von Xiaomi MiMo und vergleicht Flash, Pro, Omni, TTS und V2.5 nach Parameterumfang, Kontextlänge und multimodalen Fähigkeiten im Detail. Google Gemma Ordnet die zwei Zweige der offenen Gewichtsmodelle von Google ein: Gemma 4 setzt auf Reasoning und lokale Bereitstellung, VaultGemma auf differenzielle Privatheit, jeweils mit eigener Lizenz- und Compliance-Abwägung. HunyuanOCR Zerlegt, wie ein OCR-Modell mit einer Milliarde Parametern Erkennung, Layoutanalyse und Feldzugriff in einem Durchlauf schafft, und zeigt den Einsatz für Belege, Untertitel und mehrsprachige Bildübersetzung. Notion AI Zeigt, wie Notion AI Schreiben, Zusammenfassen, Übersetzen und Fragen in Seiten, Wikis und Datenbanken erledigt, und skizziert einen Wissensablauf, den Einzelne und Teams direkt übernehmen können.