跳到正文

#多模态

今日 0 条
11月19日周四
  1. Latent Space78

    Google DeepMind 发布 Gemini 4 Neon,七周内第四款 Gemini 4 模型

    Google DeepMind 发布 Gemini 4 Neon,这是约七周内第四款 Gemini 4 模型,定价为每百万 tokens 输入 3 美元、缓存输入 0.15 美元、输出 15 美元,上下文窗口 1M tokens,提供四档 effort 级别。

    推荐理由:汇总 Gemini 4 Neon 的定价、上下文窗口与多项第三方评测结果,可对照同系列前代模型看能力与成本取舍。

  2. The Decoder80

    Google 发布 Gemini 4 Neon,一个月内第四款 Gemini 模型

    Google 发布 Gemini 4 Neon,称其具备前沿级智能,可端到端快速完成复杂软件工程、知识工作和科学工作流任务。该模型即日起通过 API 提供,输入 $3/百万 tokens、输出 $15/百万 tokens,高于 Carbon 和 Argon 的 $2/$10 入门价,也是 Hydrogen $1.50/$7.50 的两倍。

    推荐理由:读者可以据此了解 Gemini 4 Neon 的定价、上下文窗口与多模态能力,以及它在 Gemini 4 系列中的位置。

  3. The Decoder76

    Google DeepMind 发布 Genie 4,Project Genie 更新加入可链式世界与社区画廊

    Google DeepMind 发布世界模型 Genie 4,此前仅以研究预览形式提供,现向 Google AI Ultra 订阅用户开放。Genie 4 支持通过文本实时重塑天气、角色或剧情,并能生成随场景变化的原生实时音效。

    推荐理由:读者可了解 Genie 4 从研究预览走向订阅开放后的能力变化,以及 Genie 3 同步获得的链式世界等更新。

  4. The Decoder80

    微软在 Ignite 发布七款自研 MAI 模型,以更低价格替代外部模型

    微软在 Ignite 上一口气发布七款 MAI 自研模型,覆盖代码、安全、图像、语音、路由与检索,主打性价比。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 性能的 98%,成本为其 40%;对比 Claude Opus 5.5 则达到 96% 的性能、5% 的成本。

    推荐理由:微软一次发布七款自研模型,并给出与 OpenAI、Anthropic 同档模型的性能与价格对照,可据此判断企业智能体的成本结构。

  5. Google DeepMind78

    Google DeepMind 向 AI Ultra 订阅用户开放 Genie 4 与新版 Project Genie

    Google DeepMind 向符合条件的 Google AI Ultra 订阅用户推出新版 Project Genie,首次开放 Genie 4。Genie 4 支持在探索过程中输入新提示词实时修改环境,并首次搭配随场景变化的实时原生音频;Genie 3 同时升级为单次生成最长 3 分钟、支持世界串联和 360 度全景图生成世界。

    推荐理由:Genie 4 支持会话中途改提示词实时编辑世界并加入原生音频,可对照 Genie 3 的延长会话与全景图生成看能力边界。

11月18日周三
  1. NVIDIA Blog60

    NVIDIA RTX Spark 紧凑台式机开售,最高 128GB 统一内存

    NVIDIA 宣布华硕、戴尔和微星的 RTX Spark 紧凑台式机即日开售,搭载 20 核 Grace CPU 与 Blackwell RTX GPU(6,144 个 CUDA 核心),最高 128GB 统一内存、1 petaflop AI 性能,可本地运行 1200 亿参数大模型并支持 24/7 常驻智能体。

    推荐理由:原文列出 RTX Spark 紧凑台式机的硬件规格与本地模型、智能体运行能力,可据此判断本地 AI 工作站的配置取舍。

  2. MIT Technology Review · AI58

    Osmo 称其 AI 嗅觉模型达到人类水平

    AI 初创公司 Osmo 称其气味基础模型已达到人类水平的嗅觉智能,即识别与区分气味的能力接近普通人,创造气味的能力接近初级调香师。公司自建超过 1000 万条人类标签和 8 亿个 scent tokens 的数据集,技术已用于香精行业,并曾帮助盖茨基金会筛出 8 种驱虫效果优于 DEET 的物质。气味科学家 Avery Gilbert 质疑其营销说法缺乏文档支撑,专利仍依赖人工感官评测。

11月17日周二
11月15日周日
  1. The Decoder88

    美团发布 1.6 万亿参数智能体模型 LongCat-2.5,全程未用 Nvidia GPU

    美团开源 LongCat-2.5 权重,这是一个 1.6 万亿参数的 MoE 智能体模型,每个 token 约激活 480 亿参数,支持文本、图像、视频输入和最高 100 万 token 上下文。

    推荐理由:读者可了解这款 1.6 万亿参数 MoE 智能体模型在编码基准上的位置,以及它完全基于华为昇腾芯片训练和部署的路径。

11月13日周五
  1. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Hydrogen 模型

    Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并在 Google AI Studio、Gemini API、Gemini app 和 Google Search 等全线开放。

    推荐理由:原文给出 Hydrogen 与 Carbon、Argon 的定位分工及多项基准与定价,读者可据此判断它在多模型工作流中的位置。

11月12日周四
  1. Ars Technica · AI58

    Google 联合三星推出 Gemini 智能眼镜,起售价 395 美元

    Google 与三星及眼镜品牌 Gentle Monster、Warby Parker 合作推出的 Gemini 智能眼镜开启预售,起售价 395 美元。Warby Parker 设计 Alden、Reid、Wren 三款镜框,仅在美国销售;Gentle Monster 提供六种款式,起售价 449 美元,在美国和韩国销售。三星提供内置计算硬件,Google 负责软件,并强调隐私角度。

11月11日周三
11月10日周二
  1. TechCrunch · AI40

    Otter.ai 新增多语言转写:可跨 30+ 种语言跟随对话

    Otter.ai 宣布扩展多语言能力,新增可在同一场会议中跟随说话人语言切换的多语言转写功能,并新增 27 种语言支持,全部上线后共支持 31 种语言。其中 13 种语言已可用,包括中文普通话、粤语、韩语、德语、意大利语等,其余 14 种即将推出。新语言基于 Otter 自研语音模型,使用公开数据集训练并由母语志愿者校对转写准确率。

  2. TechCrunch · AI78

    Meta 发布轻量模型 Muse Ember,面向智能体执行

    Meta Superintelligence Lab 发布轻量模型 Muse Ember,主打复杂推理执行和智能体日常重复工作,如工具调用、编码子任务、路由、抽取和长文档解析。

    推荐理由:Meta 公布 Ember 的每百万输入 token 定价与多模态输入能力,可对照同价位轻量模型判断智能体执行成本。

11月9日周一
11月6日周五
  1. Latent Space85

    Thinking Machines 发布 Inkling 2 Small:594B 总参数 MoE,68 小时完成预训练

    Thinking Machines 发布 Inkling 2 Small,这是一个 594B 总参数、17B 激活参数的多模态 MoE 模型,已在 Tinker 上线,Apache 2.0 权重承诺下周外部安全测试完成后开放。

    推荐理由:读者可了解 Inkling 2 Small 的 68 小时预训练、NVFP4 全流程与多项独立评测表现,以及权重尚未开放这一前提。

  2. Hugging Face Blog70

    NVIDIA 发布 Cosmos 3 四个开放权重模型,用于交互式世界模拟

    NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开放权重检查点,均为 Cosmos 3 Nano 的后训练版本,含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。

    推荐理由:文章给出四个开放权重检查点的能力分工与四阶段训练配方,读者可据此判断如何适配到自有传感器与机器人本体。

  3. Google DeepMind73

    Google DeepMind 发布 Gemini Omni 1.2 Flash,支持 15 秒视频并降价 30%

    Google DeepMind 发布 Gemini Omni 1.2 Flash,原生支持最长 15 秒视频生成,并可通过多轮对话编辑片段。该模型相比 Omni 1.1 降价 30%,720p 视频定价为每秒 $0.07,同时提升了对人物、产品和风格参考图的一致性。

    推荐理由:原文列出时长、价格与参考一致性的具体变化,读者可据此判断视频生成成本与工作流会如何调整。

11月5日周四