跳到正文

技术方向

多模态 最新动态

文本之外的能力:视觉理解、图文混合、音视频输入输出的模型与产品进展。

5 条精选近 30 天 5 条共收录 8 条

更新

多模态的精选

10月14日周三第 1–5 条
  1. Latent Space78

    AINews:Gemini 4 Argon 正式发布,Vals AI 谈基准测试

    Gemini 4 Argon 今日正式 GA,面向编码、知识工作、企业工作流和网络防御开放,覆盖付费 Gemini API、Gemini 应用及 Antigravity 等入口,API 入门价为每百万输入/输出 token 2 美元/10 美元,缓存输入折扣 95%。

    推荐理由:汇总了 Gemini 4 Argon 发布当天的模型、评测与基础设施动态,便于一次掌握多条线索。

  2. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,通过 AI Studio 与 Gemini API、Google Antigravity、Gemini 应用及搜索 AI Mode 提供,定价为每百万输入 token 2 美元、输出 token 10 美元。

    推荐理由:官方给出 Argon 在编码、科研与安全上的具体案例和定价,可据此判断前沿模型落地方式。

10月7日周三
  1. Google DeepMind71

    Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,基于 Gemma 4 架构、Apache 2.0 许可,740M 参数,原生将文本、图像、音频和视频映射到统一嵌入空间。

    推荐理由:EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间,并给出端侧内存与向量截断的具体数字,便于判断本地多模态检索的可行性。

10月6日周二
9月29日周二
  1. Microsoft Research62

    微软研究院发布 Quine:面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型,以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。

    推荐理由:微软研究院公开 Quine 的多模态生物世界模型与实验闭环,并给出胰腺癌化合物筛选的湿实验验证结果。