创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

WeMM-Video开放全模态模型家族发布

AI 总结

作者发布WeMM-Video,这是一组中英双语全模态基础模型,包含2B、4B、9B和35B-A3B四种规格。该系列统一处理文本、图像、音频和视频,提供非思考与思考两种模式,并使用约1.2万亿token的多模态语料训练。论文称模型在120多项基准上接受评估,作者同时公开了模型家族、评测流程和复现流程。

深度见解

WeMM-Video以四种规格提供统一的音视频推理和双语支持;其领先性能目前来自作者报告,尚无独立验证。

Computer Science > Computer Vision and Pattern Recognition

arXiv:2611.26409 (cs)

[Submitted on 19 Nov 2026]

Title:WeMM-Video: Pushing the Frontiers of Open-Source Omni-Modal Video Understanding

Authors:Changli Tang, Jie Yang, Tianyi Wang, Lei Li, Daoze Zhang, Zijie Xin, Zhan Liu, Li Li, Jinchang Xu, Fengyun Rao, Chao Zhang, Jing Lyu

View a PDF of the paper titled WeMM-Video: Pushing the Frontiers of Open-Source Omni-Modal Video Understanding, by Changli Tang and 11 other authors

#WeMM-Video#WeMM-Video-2B#WeMM-Video-4B#WeMM-Video-9B#WeMM-Video-35B-A3B#Qwen3.5-Omni-Flash#Seed2.0-Mini-0428#Gemini-3.0-Flash#Qwen3-Omni-30B-A3B-Instruct

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。