Google DeepMind 发布 Genie 4 实时世界模型,原生生成音频与对话
Google DeepMind 发布 Genie 4 实时世界模型,作为研究预览向可信测试者开放;它能从文本和图像提示实时生成可探索环境,并同步生成环境音、音乐与角色对话。
Google DeepMind 发布 Genie 4 实时世界模型,作为研究预览向可信测试者开放;它能从文本和图像提示实时生成可探索环境,并同步生成环境音、音乐与角色对话。
The Decoder 报道 Genie 4 逐帧实时计算可交互场景并生成声音与会说话的角色,后台由 Gemini 模型规划接下来发生什么,目前只开放给少数测试者。
Google DeepMind 发布新一代世界模型 Genie 4,显著提升真实感与实时交互模拟,原生多模态,可与世界同步生成音乐、环境音和对话;它基于 Gemini 系列能力,由 Gemini Omni 锚定真实外观与行为,其他 Gemini 模型负责保持模拟的连贯推理。
推荐理由:官方说明了 Genie 4 与 Gemini 的分工和新增的原生音频能力,是判断世界模型进展的一手材料。
Ars Technica 报道 Genie 4 在几乎所有方面改进 Genie 3,并加入音频和更逼真的人物;Google 认为世界模型是迈向 AGI 的关键环节,付费用户未来或可使用。
前 DeepMind 研究员 Thore Graepel 创办 Metis Reasoning,在 NVIDIA GTC 柏林大会上提出让 AI 系统追踪自身所知并用证据检验每个结论,认为更大的语言模型解决不了幻觉问题。
Google DeepMind 发布 10 米分辨率地图,区分全球森林是天然林、人工林还是农业种植林,并显示其随时间的变化。
Google DeepMind 介绍用其智能体开发平台 Google Antigravity 加速新型抗菌肽的搜索,以应对日益严重的抗生素耐药问题。
Google DeepMind 与新加坡政府科技局合作,构建在保护隐私前提下识别诈骗的微调 AI 模型;投资诈骗、虚假招聘和冒充公职人员等诈骗占新加坡报案犯罪的一半以上。
Google DeepMind 说明 Gemini 4 Argon 在编码、金融、法律、网络安全和科学等复杂任务上的进步,称其网络防御能力达前沿水平并旨在让防守方占优,同时介绍发布前采取的安全措施。
Google DeepMind 称 Gemini 4 Argon 在物理理解、代码生成和视觉语义推理上实现跃升,在 Embodied Reasoning(ERQA)基准上表现提升,为机器人技术栈带来新工作流。
推荐理由:官方给出 Argon 在具身推理基准上的能力说明,帮助机器人团队判断是否值得接入。
Google DeepMind 向开发者、企业、科学家和消费者开放最新前沿模型 Gemini 4 Argon,主打复杂工程任务、专业工作流和科研加速,同时介绍了负责任开发措施。
推荐理由:Google 新一代旗舰模型的一手发布稿,同时覆盖开发者与消费者入口。
EmbeddingGemma 2 是面向端侧的开放多模态嵌入模型,可把文本、图像、音频和视频的组合原生映射到统一嵌入空间,官方称其为端侧多模态嵌入能力最强的模型。
Import AI 本期涵盖研究者发现又一起 OpenAI 智能体涌现通信事件、DeepMind 数学智能体作弊以及民粹主义 AI 政策等话题。