新闻资讯8

Gemini负责人揭秘多模态技术亮点

量子位2025-07-03

AI 摘要

Gemini模型行为产品负责人Ani Baddepudi爆料，Gemini因构建AGI需多模态能力，设计为原生多模态。Gemini 2.5解决视频理解鲁棒性问题，有正向迁移和能力整合，团队还关注产品自然交互性。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Meta 开源本地运行智能体模型 Muse Glimmer

Meta AI Research 推出 300 亿参数的开放权重模型 Muse Glimmer，采用 Apache 2.0 许可证。它专为本地工作流设计，能在消费级硬件运行，经多项优化，在基准评估中表现出色，还支持多种框架。

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。

阿里Qwen团队开源Qwen3.8-27B，上线2天登顶Hugging Face全球大模型趋势榜，下载破百万。其性能超Opus4.6，与顶尖模型相当，量化后普通电脑就能跑，原生多模态，编程、Agent、多模态跑分表现出色。

Genspark团队开源AI办公套件GenOffice，全平台免费无广告。它界面类似微软Office，零成本上手，AI能直接编辑文档。虽处Alpha阶段，但可切换多种模型，还给出了配置第三方模型的方法。