让龙虾看懂屏幕！谷歌多模态新成果，文本图像视频音频进同一空间
让龙虾看懂屏幕！谷歌多模态新成果，文本图像视频音频进同一空间原生，启动！
来自主题: AI资讯
6071 点击 2026-03-11 16:59
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
原生，启动！
深夜，谷歌官宣重磅更新！Gemini全面接管Docs、Sheets、Slides，AI原生办公时代来了，全球30亿谷歌用户的办公方式，或正在被彻底颠覆。
NUS、ZJU、UW、Stanford、CUHK 联合提出 「ThinkMorph」，主张让文字与图像在统一架构里「原生协作」、「共同演化」，而不是像当下大多数多模态模型那样，看完图像就闭上眼睛，后续完全靠文字链条推进。仅用 2.4 万条数据微调 7B 统一模型，视觉推理平均提升 34.74%，多项任务比肩甚至超越 GPT-4o 和 Gemini 2.5 Flash。
上周，GPT-5.4 发了。意图非常明显，直指 Claude Opus4.6 和 Gemini 3.1 Pro。
报！龙虾更新了！
就在刚刚，Google Research团队用Gemini Deep Think + 树搜索框架，独立攻克了一个理论物理领域的未解积分难题——宇宙弦引力辐射功率谱的精确解析解。AI探索了600条候选路径，找出6种解法，最优雅的那条，让人类物理学家都拍案叫绝。
OpenAI深夜突袭，GPT-5.4新王炸场！一夜之间，直接粉碎了Gemini 3.1 Pro和Claude Opus 4.6的神话。这也是头一次，ChatGPT拥有真正「原生电脑使用」能力，办公效率直接拉满。而真正恐怖的地方在于，每一个维度上它都没有短板。
深夜，两大科技巨头谷歌和 OpenAI 硬刚起来，相继推出了新版本大模型，分别是 Gemini 3.1 Flash-Lite、GPT‑5.3 Instant。
首Token提速2.5倍，推理成绩干翻前代大模型。
全球最大游戏博主 PewDiePie，又整活了。他靠着「偷师」DeepSeek、清华大学发布的技术文档，用一堆魔改显卡成功微调出一个自己的 AI 模型，而这个模型在编程基准测试中的表现，竟然超越了 GPT-4 和 Gemini 2.5 Pro。