跳到正文

#DeepMind

RSS
今日 1 則
今天10月1日週四
  1. The Verge · AI67

    Google 釋出 Gemini 4，稱其能力強大僅限可信網路防禦者使用

    Google 今日公佈 Gemini 4 Argon，稱其在複雜工作流程中的表現優於 OpenAI 與 Anthropic 的競爭模型。該模型目前僅向“可信網路防禦者”開放，Google 已在內部工作流中使用，幫助完成大規模程式碼庫遷移。公司釋出對比圖表顯示 Gemini 4 在多項基準上領先，並計劃在更廣泛推廣前加強安全防護。

8月14日週五
  1. Google DeepMind74

    Gemini 3.7 Flash 推出

    Google DeepMind 推出了 Gemini 3.7 Flash，這是其 Flash 系列最新的工作模型，專為編碼和智慧體設計。該模型在 FrontierCode、DeepSWE、WebDev Arena 等基準上顯著提升準確率，且每百萬輸入 token 價格僅 $0.75，輸出 $3.75，成本更低。

    推薦理由：Gemini 3.7 Flash 在編碼、網頁開發和知識工作等領域顯著提升準確率，並以更低成本提供高效工作流。

7月30日週四
  1. Google DeepMind62

    Google Flow Music 推出 Lyria 3.5，提升音樂性、歌詞、聲樂與創作控制

    Google DeepMind 在 Google Flow Music 上釋出了最新音樂生成模型 Lyria 3.5。該模型在旋律結構、歌詞質量、聲樂表現和發音方面都有顯著提升，並新增了對節奏和時長的細粒度控制，幫助使用者更輕鬆地創作符合預期的歌曲。

    推薦理由：Lyria 3.5 在音樂生成方面提升了旋律、歌詞、聲樂質量，並提供更細粒度的節奏與時長控制，幫助創作者更精準地實現創意。

6月9日週二
  1. Google DeepMind86

    推出 Gemma 4 12B：無編碼器統一多模態模型

    DeepMind 推出 Gemma 4 12B，這是一款無編碼器的統一多模態模型，能夠直接在配備 16GB VRAM 的筆記本上執行。它在保持與 26B MoE 近似的推理效能的同時，顯著降低了記憶體佔用，並首次支援原生音訊輸入。

    推薦理由：Gemma 4 12B 以無編碼器的多模態架構實現低記憶體、強推理，適配本地 16GB VRAM 機器，讀者可據此評估在邊緣裝置上的部署可能。

4月16日週四
  1. Google DeepMind73

    Gemini 3.1 Flash TTS 釋出：下一代表達式 AI 語音模型

    Google DeepMind 推出了 Gemini 3.1 Flash TTS，提升了可控性、表達力和音質，支援 70+ 語言和多說話人對話，並通過細粒度音訊標籤讓開發者可用自然語言控制語音風格。該模型在人工分析 TTS 評測中獲得 1,211 Elo 分，並已在 Gemini API、Vertex AI 及 Google AI Studio 預覽。

    推薦理由：Gemini 3.1 Flash TTS 通過細粒度音訊標籤提升可控性與表達力，支援 70+ 語言，支援多說話人對話，適合企業與開發者構建多語種語音應用，且在人工分析 TTS 評測中獲得 1,211 Elo 分。

4月13日週一
  1. Google DeepMind75

    Gemini Robotics-ER 1.6：通過增強具身推理驅動真實世界機器人任務

    Google DeepMind 推出了 Gemini Robotics-ER 1.6，這是其專為機器人設計的最新模型，提升了空間推理、多視角理解和儀表讀取能力。該版本在安全性和物理約束遵守方面也有顯著改進，並已通過 Gemini API 和 Google AI Studio 對開發者開放。

    推薦理由：Gemini Robotics-ER 1.6 通過增強空間推理和多視角理解，顯著提升機器人在真實環境中的自主決策能力，並首次實現儀表讀取功能，為工業設施監測提供更高精度。該模型在安全性和物理約束遵守方面也表現出顯著改進，幫助機器人更安全地執行任務。