Gemini 3.8语音模型公告解读：配音效果之外还要检查什么
Google于2026年9月23日介绍Gemini 3.8 Flash TTS和Flash-Lite TTS。本文回看这份公告与配音应用边界…
让AI看图表时，先核对坐标轴、单位和图例
多模态模型可以分析图片，但图表中的小字、裁切和比例会影响理解。交给AI总结之前，先确认图表完整，并要求它区分可见信息与无法辨认的部分。
小米发布 MiMo-V2.6 Pro 与 Flash 全模态开源模型
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两个全模态模型，通过规模化强化学习训练。Pro 在多数 Agent 基准上…
生数科技入选2026北京民营企业科技创新百强与未来产业先锋榜
生数科技入选"2026北京民营企业100强"系列榜单中的"科技创新百强"和首次发布的"未来产业先锋榜"，成为唯一同时入选两项榜单的通用世界模…
Qwen3.8-Omni-Flash 发布，价格低于 Gemini Flash 且多模态基准相当
Qwen 发布首个面向 AI 智能体的多模态模型 Qwen3.8-Omni-Flash，可联合处理音频和视频并自主使用工具，上下文窗口达 1…
每日AI简报：Grok语音转录2.0与Qwen3.8-Omni-Flash发布
xAI上线Grok Voice Transcribe 2.0，批量$0.10/小时、流式$0.20/小时；阿里发布Qwen3.8-Omni-…
Qwen3.7-Plus：多模态智能体模型发布
阿里云通义千问推出 Qwen3.7-Plus，基于 Qwen3.7 文本骨干，增强视觉语言能力，保留编码、工具使用和生产工作流的智能体能力。…
Gemini Omni 与 Gemini 3.5 的 11 个实战展示
Google 在 2026 年 Google I/O 大会上发布了新一代多模态模型 Gemini Omni 与 Gemini 3.5，并同步…
Qwen-VLA：从理解世界到付诸行动
通义千问推出通用视觉-语言-动作模型Qwen-VLA，基于Qwen多模态骨干，将视觉感知、语言理解与空间推理扩展至连续动作生成和轨迹预测。训…
Gemini Omni
Google DeepMind 于 2026 年 5 月 19 日发布了新一代多模态大模型 Gemini Omni。该模型整合了文本、图像、…
Qwen3.5-LiveTranslate：从声音到视觉，从词语到准确
Qwen3.5-LiveTranslate-Flash 是 Qwen 家族最新的同声传译模型，基于 Qwen3.5-Omni 架构，支持实时…
推出Gemini Omni多模态AI模型
谷歌推出原生多模态AI模型Gemini Omni，能够整合视频、图像、音频和文本等多种输入，生成高质量视频内容。其核心能力是通过自然语言对话…