技术方向
文字之外的能力：看懂图片、图文混合理解、音视频输入输出的模型与产品进展。
4 条精选近 30 天 4 条共收录 9 条
Google Research 在 JAMA Network Open 发表前瞻性研究，验证 AI 模型可基于无超声训练的基层人员采集的盲扫图像评估孕周，在美国芝加哥 Northwestern Medicine 和肯尼亚内罗毕 Jacaranda Health 两地部署。
推荐理由：Google 自述的前瞻性多中心验证显示 AI 孕周评估达到专家水平，关注医疗 AI 泛化部署的读者可参考其评估方法与经验。
Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方展示了 Gemini 4 Argon 在机器人控制、Real2Sim 和自改进等场景的具体提示词与结果，可帮助读者评估它在机器人栈上的实际用途。
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构、740M 参数，采用 Apache 2.0 许可，将文本、代码、图像、视频与音频映射到统一嵌入空间，面向端侧推理。
推荐理由：原文给出参数量、模块化编码器、维度截断与端侧内存占用等具体规格，便于评估本地多模态检索方案的可行性。
Mistral AI 发布 Mistral Large 4（昵称 le Chonk）公开预览，可在 Mistral Studio 试用，权重将于本月底开源。
推荐理由：官方给出 1 万亿参数MoE规格、多项基准分数和月末开源权重计划，读者可据此评估其在开源模型中的实际位置。