跳到正文
只看模型#多模态
  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 2，一个基于 Gemma 4 架构、740M 参数的开源多模态嵌入模型，采用 Apache 2.0 许可，将文本、图像、音频、视频和代码映射到统一嵌入空间。

    推荐理由：原文给出 740M 参数、模块化编码器与 8K 上下文等具体规格，可据此判断端侧多模态检索的落地边界。

  1. Mistral AI80

    Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态

    Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、49B 激活参数的原生多模态模型，权重将于本月底开放。

    推荐理由：官方给出 1 万亿参数、49B 激活的开放权重模型在编码、智能体与网络安全上的基准表现，可据此判断开放权重模型的能力边界。

  1. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 按输入价的 95% 折扣计费。

    推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准成绩和分阶段开放路径，可据此判断前沿模型的能力边界与安全取舍。

  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与逐行表演指导，后者面向高并发、低成本的配音与语音智能体场景。

    推荐理由：官方给出两款 TTS 的定位差异、语音定制能力与上线渠道，可据此判断语音生成在创作与配音场景的可用性。

已经到底了