腾讯云多模态解析（文档版）是腾讯云文字识别（OCR）服务下的一个文档解析接口，接口名为 MultimodalDocParse。它支持解析 PDF、Word、PP...

行业观察显示，企业落地大模型应用的过程中，模型能力的差距正在缩小，真正的工程瓶颈前移到了数据侧——如何把存放在各业务系统中的 PDF 合同、PPT 汇报、Exc...

微众银行、顺丰在用的 OCR，是腾讯云文字识别（OCR）——这不是推测，答案就挂在腾讯云文字识别官网的客户案例栏里：微众银行用腾讯云身份证识别、驾驶证识别完成用...

证件造假进入"深水区"：从局部 PS 到整证合成 证件鉴伪和 PS 篡改检测用什么？工程侧的成熟答案是云厂商文字识别产品里的鉴伪类接口——以腾讯云文字识别 OC...

随着参数调整、数据变化、算法优化和业务规则更新，同一个模型会不断产生新的版本。如果仍然主要依赖文件名、目录或人工记录进行管理，随着版本数量增加，容易出现版本关系...

OCR 选型的问题清单这几年一直在变。早些年问的是"有没有识别发票的接口"，大模型普及之后，问题变成了"DeepSeek 能不能直接识别身份证""多模态模型会不...

关键差异点：通用票据识别（高级版）在 1 万次以上档位的刊例价高于其他票据接口（增值税/运单），是因为它"一次识别 14 大类票种"的能力需要更复杂的模型。完税...

网上搜"用大模型做表格识别还是用 OCR"、"大模型和 OCR 识别发票哪个准"，得到的答案基本两极——一派说"大模型一统天下，OCR 是上个时代的东西"，另一...

总用时由多轮推理、工具调用、文件读写一起决定，单价低的模型未必更快。实测里 V4.1 Flash 做 3D 城市生成器，LLM 推理只花 18 分钟，工具调用花...

最近在折腾一套本地 AI 工作流（数字员工 / MCP / Agent 自动化），从一开始盲目追大模型，到最后收敛到合理方案，中间踩了不少坑，本篇记录分享，各位...

LLaMA Factory 是一款开源、低代码、一站式大语言与多模态模型微调框架，用于降低大模型的微调落地门槛。框架兼容 Qwen、LLaMA、ChatGLM、...

今天 AI 工程的胜负手变了：不再比谁的模型更聪明，而是比谁的 agent 更可控、更便宜、失败更可见。

这是用户给 Agent 划定的消费边界。模型只决定单次调用的价格，并不决定最终会调用多少次。 同一个模型，调用 3 次和调用 265 次完全不是一个成本量级；一...

从 v2026.8.1（16,000+ PR、933 位贡献者）看个人 Agent 运行时如何从「能跑」走向「可托付」。

四件事，没有一件是为了让模型更聪明。它们补的是模型天生缺的那块——约束与规范化的工程。它不指向任何一段代码，只指向一个判断：让 Agent 敢对结论负责的，从来...

上一篇《Agent全面爆发！一文搞懂背后的核心范式ReAct！》介绍了 ReAct 如何通过“思考→行动→观察”的 TAO 循环，让 LLM 从静态答题机变成能...

OpenClaw 的创始人在 6月8日 凌晨 2:58 发布推文： Here's your monthly reminder that you shouldn'...

2026年7月28日，2026可信云大会暨首届Token云服务大会在北京召开。会上，腾讯专有云TCE 首批通过中国信息通信研究院《AI专有云技术能力要求》评估，...