YouTube Music 上线 AI 音乐标注体系
YouTube Music 周三宣布推出新的标注系统,用于标明借助生成式 AI 创作的歌曲,标注会显示在播放页,点击可查看 AI 在创作中的具体作用,该标注也将扩展到 YouTube 主应用。
YouTube Music 周三宣布推出新的标注系统,用于标明借助生成式 AI 创作的歌曲,标注会显示在播放页,点击可查看 AI 在创作中的具体作用,该标注也将扩展到 YouTube 主应用。
Google Research 在 Research@ 活动上公布 10 项研究进展,包括扩展 Google Earth AI 早期访问,新增地理空间分析、行星预测引擎和 agent-to-agent API 三项实验能力,背后由超 70 个地理空间工具支撑。
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。
Simon Willison 为 llm-gemini 插件加入对 Gemini 4 Argon 的支持,该模型今日通过 Gemini API 和每月 100 美元订阅计划开放。
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。
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。
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。
Elorian 与 Scale AI 发布 Humanity's Sixth Sense(HSS)基准,用 522 道题、288 张图和 234 段短视频(共 17.6 小时)测试多模态模型的直觉视觉推理,人类 pass@1 为 93.1,最佳模型 GPT 6 Astra 仅 53.6,GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
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。
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。
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。
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。