Liquid AI 发布 d1-3B 与 d1-omni-600M 端侧多模态决策模型
Liquid AI 开源 d1 决策模型家族两款模型：d1-3B 与实验性的 d1-omni-600M，均为开放权重并在 Hugging Face 上线。
推荐理由：Liquid AI 开源两款决策模型，给出端侧毫秒级延迟与七项基准对比，可据此判断小模型在边缘设备上做结构化决策的可行性。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
6 条精选近 30 天 6 条共收录 11 条
更新
多模态的精选
Hugging Face Blog精选AI 评分6262
Google DeepMind精选AI 评分7171 Google DeepMind 发布 EmbeddingGemma 2，轻量开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，这是基于 Gemma 4 架构、采用 Apache 2.0 许可的开源多模态嵌入模型，可将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由：Google DeepMind 开源 740M 参数多模态嵌入模型，给出端侧内存占用与向量截断方法，可供本地检索与 RAG 选型参考。
Mistral AI精选AI 评分8484 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数多模态模型
Mistral AI 发布 Mistral Large 4 公开预览，可通过 Mistral Studio 试用预览 API，权重计划于本月底开放。ML4 是 1 万亿参数、52B 激活参数的原生多模态模型，在欧洲自有数据中心的 3,800 块 NVIDIA Grace Blackwell GPU 上从零训练，官方称其在编码、智能体工作流和多模态理解上可与最强开源模型竞争。
推荐理由：官方给出 1 万亿参数、52B 激活的开放权重模型细节与多类基准对比，可据此判断开源前沿模型的能力位置。
Microsoft Research精选AI 评分7070 微软研究院发布面向生物学复杂性的 AI 研究系统 Quine
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学多模态世界模型和连接科学工具、文献、湿实验与研究者的交互 harness 组成。它与 Broad Institute 合作，用该系统筛选可能驱动肿瘤状态转变的化合物，最高排名化合物在多个湿实验检测中产生了最大的目标转变，整个过程从缩小化合物搜索空间到选出候选仅用一个周末。
推荐理由：微软研究院公开生物学多模态世界模型 Quine 的构建思路，并给出胰腺癌化合物筛选的湿实验验证细节。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音结合，为 Gemini 的实时对话模型带来视觉形象。
推荐理由：官方给出 Live Avatar 在对话中实时生成视频与语音的能力，读者可据此评估企业虚拟客服的交互形态变化。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向深度创作与角色设计，后者面向高并发、低成本场景。
推荐理由：官方给出两款 TTS 模型的语音定制能力、基准排名和上线渠道，可据此判断多语言语音生成的可用性。