跳到正文
#多模态
  1. Latent Space76

    AI Engineer NYC 综述：Gemini 4 Argon 正式发布与 Vals AI 基准

    Gemini 4 Argon 今日正式 GA，覆盖编码、知识工作、企业工作流与网络防御，接入 Gemini API、Gemini 应用、Search 的 AI Mode 以及 Antigravity，并已在 Cursor、Devin 和 GitHub Copilot 中提供。

    推荐理由：汇总了 Gemini 4 Argon 发布当周各家独立评测与定价变化，便于对照模型能力与成本。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Argon 机器人模型

    Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。

    推荐理由：官方给出 Argon 在 ERQA 上的 87% 成绩与四类机器人工作流示例，可据此判断物理推理模型当前的能力边界。

  3. 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、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity、Gemini 应用和 Search 的 AI Mode 提供，定价为每百万输入 token 2 美元、输出 token 10 美元，缓存输入享 95% 折扣。

    推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型的能力边界与成本。

  1. Simon Willison76

    Meta AI 发布 Muse Wonder 系列模型，llm-meta-ai 插件同步更新

    Meta AI 发布新模型 Muse Wonder 和 Muse Wonder Full，称其为目前能力最强的模型，Artificial Analysis 将 Muse Wonder（Max）评为与 GPT-6.1 Sol 相当。

    推荐理由：作者以插件更新和同一提示词跨版本对比，直观呈现 Meta 新模型在图像生成上的代际变化。

  1. Google DeepMind71

    Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构、740M 参数，在 Apache 2.0 许可下开源，可把文本、图像、音频和视频映射到统一嵌入空间。

    推荐理由：官方给出 740M 参数、模块化编码器与端侧内存占用，可据此判断本地多模态检索的落地成本。

  1. Mistral AI80

    Mistral 发布 Mistral Large 4 公开预览，1 万亿参数多模态模型

    Mistral 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的 natively 多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底发布。

    推荐理由：Mistral 公布 1 万亿参数多模态模型的公开预览与开源权重计划，可据此判断开源阵营的前沿能力位置。

  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，由生物学世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，基于细胞状态转变预测并排序数千种化合物，最高排名化合物在湿实验中产生了最大的预期状态转变，从缩小化合物搜索空间到选出候选验证仅用一个周末。

    推荐理由：微软研究院公开了面向生物学的多模态世界模型 Quine 的构建思路，以及在胰腺癌化合物筛选中的湿实验验证结果。

  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成，实现带精确唇形同步、自然表情和流畅轮次切换的动态视觉形象，即日起在 Gemini Enterprise 提供。

    推荐理由：官方给出 Live Avatar 的多模态对话、异步工具调用与 97 语言切换细节，可据此判断企业级实时数字人对话的落地形态。

已经到底了