跳到正文

技术方向

多模态 最新动态

文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。

21 条精选近 30 天 20 条共收录 133 条

更新

精选归档 · 第 2 页

9月16日周三第 21–21 条
  1. Google DeepMind83

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型

    Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型，前者主打规模与成本效率，后者面向高复杂度任务的多步推理。

    推荐理由：原文给出两款模型在语音对话质量榜和多项 agent 基准上的具体得分，并说明开发者与企业的分阶段获取入口，可据此评估落地成本。