跳到正文
只看一手#多模态
  1. Google DeepMind82

    Google DeepMind 发布世界模型 Genie 4

    Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并支持用自然语言在运行中修改天气、镜头和人物。Genie 4 首次原生生成音频，包括环境声与可随输入实时反应的对话，并借助 Gemini 3.8 Flash 作为引导智能体拆解多步任务、检查画面以维持因果连贯。

    推荐理由：官方披露了原生音频、实时文本操控与 Gemini 引导推理三项能力，可据此判断世界模型与语言模型结合后的模拟边界。

  1. Google DeepMind92

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 发布前沿模型 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。

    推荐理由：官方给出多领域基准排名、内部工程与科研落地案例和定价，可据此判断前沿模型在专业工作流中的位置。

已经到底了