Google 與 Samsung 計劃推出 AI 智慧眼鏡
Google 與 Samsung 正與 Warby Parker 和 Gentle Monster 合作，計劃於今年秋季推出 AI 智慧眼鏡。該產品將支援透過語音與 Google 的 Gemini AI 進行互動，並預計於 2027 年推出搭載顯示螢幕的進階型號。
Search
Tag: #multimodal329 results
Gemini 應用程式重大更新，新增影片生成功能
Google 的 Gemini 應用程式迎來重大更新，包括電影級影片生成與晨間簡報功能。此外，它還具備一個 24/7 全天候代理，旨在自動處理數位瑣事。
CodePercept：利用代碼提升 STEM 視覺推理能力
上海交通大學與 Qwen 團隊推出了 CodePercept，這是一種利用可執行代碼作為「第二語言」來提升 STEM 任務視覺感知的新範式。透過訓練模型生成能重現圖像的代碼，該系統克服了自然語言描述的模糊性。
TTE-Flash：高效的推理感知多模態表示技術
TTE-Flash 引入了「潛在思考標記」（latent think tokens）來取代顯式的思維鏈生成，大幅降低了多模態嵌入的計算開銷。該模型在 MMEB-v2 基準測試中表現優異，同時保持了固定的推理成本。
Qwen 3.7 Max 預覽版發布：頂尖性能表現
阿里巴巴發布了 Qwen 3.7 Max 預覽版，標誌著其模型開發的重要里程碑。該版本在文本和視覺領域均展現了業界領先的性能。
Ricoh 發布具備圖表處理能力的多元模態 LLM
Ricoh 在 GENIAC 專案下開發了一款具備推理能力的多元模態大型語言模型。該輕量化模型現已於 Hugging Face 免費公開。
SenseTime 發布 SenseNova U1 統一多模態模型
SenseTime 發布了開源模型 SenseNova U1，該模型採用原生統一架構。它將理解與生成整合在單一表徵空間中，終結了傳統的「拼接」模式。
Thinking Machines 預覽即時 AI 互動模型
Thinking Machines 由前 OpenAI 領導人 Mira Murati 和 John Schulman 創立，發布「interaction models」的研究預覽，用於近即時多模態語音和視訊對話。這些模型從回合制 AI 轉向全雙工處理，以 200ms 區塊同時處理輸入和輸出。有限預覽即將開放以收集回饋。
Mira Murati 公司預告互動模型
前 OpenAI CTO Mira Murati 創辦的 Thinking Machines 宣布開發「互動模型」，實現自然的人機協作。這些模型持續接收音頻、視頻和文字輸入，實時思考、回應和行動。不同於當前單線程模型需等待完整輸入。
廣州市人工智能產業2026年工作要點印發
廣州市人工智能產業發展辦公室印發2026年工作要點，加快產業要素強基工程。強化智能算力佈局，規範「城市數據中心+園區算力中心」階梯式發展。健全數據流通機制，打造可信數據空間及多模態高質量數據集。