搜索
谷歌Gemini全新升级！深度研究全球免费体验，还将支持45余种语言。谷歌旗下App与Gemini互联，正在2.0 Flash Thinking Experimental中上线。利用Gems更是可以量身定制「AI专家」：家教、健身教练、编程搭档都不在话下！
机器人怎样感知世界？
一天前如果我跟你说， 有这样一个模型，原本只能生成文字，现在可以文生图、图生图、连续对话改图、自由修改提示语、每张图生成时间不超过10s
语音Agent市场在2024年下半年迎来爆发式增长。据Cartesia统计，在最新一届YC中，构建语音相关产品的公司占比达22%。
AI飞速发展的时代，AI Agent在大模型能力升级的推动下实现从任务执行者（copilot）向决策主体的跨越。甲子光年智库全面深入地探讨了AI Agent发展演进、产业价值与商业模式变革、技术路径与能力提升以及面临的挑战等方面，旨在为关注AI Agent领域的投资者、从业者、研究者等提供全面且权威的参考依据。
自从在一支烟花群里和朋友测试起 Google 这个新工具，一上午就没停下来 WOC 的感叹。Google 总算放出了他们去年承诺的“可连续对话改图”的 Gemini 文生图能力。
OpenAI的全模态模型没来，谷歌的全模态图像生成器倒是抢先上线了！Gemini 2.0 Flash中上线的原生图像生成功能，动动嘴就能PS，还能轻松制作海报和表情包，动漫和漫画圈已经沸腾了。
谷歌把推理大模型带入物理世界，机器人可以一边思考一边动作了!
就在刚刚，谷歌Gemma 3来了，1B、4B、12B和27B四种参数，一块GPU/TPU就能跑！而Gemma 3仅以27B就击败了DeepSeek 671B模型，成为仅次于DeepSeek R1最优开源模型。
在 ChatGPT 爆火两年多的时间里，大语言模型的上下文窗口长度基准线被拉升，以此为基础所构建的长 CoT 推理、多 Agent 协作等类型的高级应用也逐渐增多。