腾讯优图发布全模态解析资源，统一输出结构化数据

腾讯优图在魔搭提供 Youtu-Parsing-Omni，五十亿级参数模型可解析文档、自然图像、图表及音视频，输出统一结构化 JSON。模型卡列出任务提示、推理示例和插件；不同输入类型需使用相应任务配置，使用条件遵循其专用许可。

魔1 个来源21.4267435842417061 小时前国产开源文档解析多模态

要点

资料型应用可以减少为不同媒体分别拼接解析流程的工作。

文档处理、知识库和多媒体检索团队会受影响。

进入模型卡，从文档页示例开始，按任务配置运行推理，检查文字、坐标、表格和输出字段，再扩展到音视频。

国内可直接用免费未实测

本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。

10月13日，谷歌扩大Gemini 4 Argon的开放范围，开发者可通过AI Studio等入口使用。首发标准输入和输出价格为每百万词元2美元、10美元，缓存输入优惠95%；Gemini应用和Antigravity的使用还取决于订阅等级。

MOSS-Image 结合 50 亿参数扩散模型和意图感知提示增强，重点处理长段中英文与信息密集图形。技术报告提供文字和布局评测，模型页已给出 Base、SFT 及运行说明，HF Space 也可查看并尝试带布局要求的生成流程。适合先检查文字分组效果。

DeepSeek 发布 V4.1-Flash-1017，并同步更新网页、应用和接口，针对 Harness 等执行环境优化任务表现、输出长度与耗时。中文实测展示三维网页和游戏制作，同时出现建筑细节偏差；低价与成功交付仍需按完整任务一起评估。

OpenAI于9月29日推出GPT-6.1 Sol，面向编程、电脑操作与专业工作。标准API每百万输入和输出词元分别为2美元、10美元，缓存输入为0.10美元；官方称部分任务表现接近Astra，已进入ChatGPT Work、Codex和API。