跳到正文
只看模型#多模态
  1. Google DeepMind66

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

    Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数的开源轻量多模态嵌入模型，可将文本、代码、图像、视频和音频统一映射到共享嵌入空间。

    推荐理由：原文给出了参数量、上下文窗口和量化后的内存占用，读者可以据此评估它在端侧多模态检索中的可用性。

  1. Mistral AI82

    Mistral 发布 Mistral Large 4 公开预览版

    Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，在编码、智能体工作流和多模态理解上表现突出，并承诺月底开放权重。该模型在网络安全、金融和法律等企业工作负载上达到开放模型中的最先进水平，在视觉定位等部分领域甚至超越闭源前沿模型。

    推荐理由：1T 参数、49B 激活的开放权重模型，在网络安全和视觉定位上给出具体基准，并承诺月底放权重。

  1. Google DeepMind79

    Google DeepMind 发布 Gemini 4 Argon，输出上限增至 1M tokens

    Google DeepMind 发布 Gemini 4 Argon，先通过 Fairwind Program 向一批可信网络防御者开放，并计划逐步扩展至开发者、企业和消费者。

    推荐理由：多项基准与 Google 内部部署案例覆盖软件工程、知识工作和网络防御，可据此比较模型在长程复杂任务中的表现。

  1. Google DeepMind86

    Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking

    Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，两款模型面向近实时推理和生产级语音智能体。

    推荐理由：两款模型把并行推理、视觉理解和后台工具调用融入近实时对话，为复杂语音智能体提供了更完整的生产级能力组合。

已经到底了