跳到正文
  1. Mistral AI67

    Mistral 发布 Voxtral 3 语音模型系列与语音 Agent SDK

    Mistral 发布 Voxtral 3,包含语音转写、语音合成模型和基于 LiveKit 的语音 Agent SDK,将听、推理、工具调用和说话整合为单一实时流式管线。

    推荐理由:原文给出各环节定价、语言覆盖和基准对比,读者可据此评估它在现有语音 Agent 工作流中的可替换性。

  1. Google DeepMind68

    Google DeepMind 发布 Gemini 4 Argon 机器人模型

    Google DeepMind 发布 Gemini 4 Argon,定位通用物理推理模型,在 3D 物理空间理解基准 ERQA 上以纯推理取得 87% 得分,官方称优于所有其他前沿模型。

    推荐理由:官方展示了 Gemini 4 Argon 在机器人控制、Real2Sim 和物理理解四类场景的示例提示词,可作具身智能工作流参考。

  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 参数的开源多模态嵌入模型,基于 Gemma 4 架构,采用 Apache 2.0 许可,可将文本、代码、图像、视频和音频统一映射到同一嵌入空间。

    推荐理由:官方给出了参数规模、基准得分和设备内存占用等具体数据,读者可据此评估它是否适合本地多模态检索方案。

  1. Google DeepMind77

    Google DeepMind 发布 Gemini 4 Argon 前沿模型,输出上限扩至 1M tokens

    Google DeepMind 发布前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络防御者开放,后续将面向开发者、企业和消费者推出。

    推荐理由:原文给出定价、1M 输出 token 上限和多项基准分数,读者可以据此评估其在编码、企业工作流和安全防御上的定位。

已经到底了