微信扫码
添加专属顾问
我要投稿
Google AI技术再突破,带来多模态新体验!
核心内容:
1. Gemma 3:支持140种语言的多模态模型,性能领先
2. Gemini 2.0 Flash:新增原生图像生成功能,提升用户体验
3. Gemini Robotics:视觉-语言-动作模型,让机器人更自然互动
还是很开心看到老东家的 AI 越来越好~
Gemma 3 多语言实力抢镜:Google 发布了参数规模从 1B 到 27B、上下文窗口达 128K 的多模态模型 Gemma 3,支持超过 140 种语言。社区对其有望在单个 GPU 或 TPU 上运行的潜力充满期待。
Gemini 2.0 Flash 文生图更直接:Gemini 2.0 Flash 新增原生图像生成功能,让用户直接在模型内生成语境相关的图片。开发者可通过 Google AI Studio 尝鲜体验。
Gemini Robotics 让 AI 真正走进现实:Google 在 YouTube 展示了 Gemini Robotics,展示了先进的视觉-语言-动作模型,使机器人能够更自然地与现实世界互动。
作为一款开源模型在 LMArena 基准测试中获得出色的成绩。
Gemma 3 的发布还刷新了同类模型的 Pareto 前沿,大幅领先于其他同量级的模型。
同时,Gemma 3 将视觉能力作为核心功能之一,完全吸纳了此前的 PaliGemma 模型特性(ShieldGemma 则继续作为单独分支存在)。
Gemini 2.0 Flash现在提供了原生图像生成能力,用户可以直接在模型内部创建与文本内容紧密相关的图像。尽管界面较为复杂,但一旦找到入口,图像编辑变得前所未有的简单。
谷歌开发者团队成员Kaushik Shivakumar表示:“非常高兴能公开Gemini的原生图像生成功能,目前仍处于实验阶段,我们已取得了很多进展,但也期待大家的进一步反馈!”
谷歌工程师Mostafa Dehghani兴奋地表示:“在这个团队里,每一天都是不平凡的,既充满混乱,又富含创造力!”
而创作者社区则对Gemini 2.0 Flash的表现表示赞叹,期待未来能够看到类似Gemma这样具备图像生成能力的模型出现。
Google DeepMind 推出了基于 Gemini 2.0 的全新一代机器人 AI 模型——Gemini Robotics,强调其推理能力、互动性、灵活性和泛化性。
Google DeepMind 宣布与 Apptronik 合作,共同打造搭载 Gemini 2.0 技术的类人机器人。
Gemini Robotics-ER 允许机器人利用 Gemini 模型的具身推理能力,实现物体检测、互动识别和障碍规避。通过这一技术,机器人在基准测试中的表现相比当前最先进的模型提高了一倍,展示了出色的泛化能力。
Google DeepMind 与 Apptronik 合作开发基于 Gemini 2.0 的类人机器人,包括 Apptronik 的 Apollo 机器人。Gemini Robotics-ER 使机器人能够高效地运用 Gemini 的具身推理技术,从而实现物体识别、互动感知和避障。
Google DeepMind 强调,Gemini Robotics 模型的目标是让机器人能够更自然、更灵活地适应多样化任务环境,实现真正的智能互动。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-05-27
Dolphin-API:字节Dolphin多模态文档解析模型API化全攻略
2025-05-26
本地AI对话神奇,ChatWise到底有什么用?
2025-05-25
从BGE到 CLIP,从文本到多模态,Embedding 模型选型终极指南
2025-05-25
AI Agent到底哪家强?横评五款主流Agent
2025-05-24
AI Agent协议A2A交互细节详解
2025-05-23
技术思考:小尺寸+两阶段式多模态文档解析模型Dolphin思路评析及PP-OCRv5更新
2025-05-22
Alivia VLM:企业级视觉智能体在门店场景落地实战
2025-05-21
Gemini接管搜索、全家桶秒变通用Agent ,以及Google Glass is so back!|直击Google I/O
2025-05-14
2025-04-28
2025-04-27
2025-05-15
2025-05-25
2025-05-13
2025-05-12
2025-05-08
2025-04-22
2025-05-16