在 AI 开发领域，多模态学习——让模型同时理解图像、视频和文本——已经是当代研究的核心方向之一。长期以来，该领域的主要技术路线还是较为依赖扩散模型或者组合架构。虽然这些方法在特定任务上表现卓越，但它们也带来结构复杂、推理成本高、跨模态统一性...

12月17日消息，谷歌公司正式推出新一代人工智能模型Gemini 3 Flash，此为继Gemini 3 Pro发布不足一个月后研发的高效版本，旨在通过优化成本结构并保持专业级推理能力，以适配日常应用场景。根据公开测试数据，该模型在多项行业基...

12月15日消息，英伟达发布新一代开源AI模型系列Nemotron 3，该系列采用混合专家架构，旨在提升多智能体系统的构建效率与可靠性。系列包含三种规格：Nemotron 3 Nano为高效轻量模型，拥有300亿参数，其吞吐量达上一代4倍，推...

11月11日消息，谷歌近日宣布在其地图生态中全面集成Gemini大模型，推出三大核心AI能力：Builder Agent（构建智能体）、MCP服务器（模型上下文协议）与Grounding Lite（轻量级知识锚定），不仅赋能开发者零代码创建交...

11月11日消息，Meta基础人工智能研究团队（FAIR）研制的“全语种自动语音识别系统”（Omnilingual ASR）正式发布。该系统具备识别1600余种语言语音的能力，其中500种语言为首次被人工智能系统覆盖。此外，系统依托上下文学习...