入选ECCV 2026！清华开源空间模型打败Gemini：真正的空间智能是在世界变化中持续学习
入选ECCV 2026！清华开源空间模型打败Gemini：真正的空间智能是在世界变化中持续学习在机器人、自动驾驶、AR等真实场景中，空间理解从来都不是“看一眼图像”就能解决的问题。
来自主题: AI技术研报
5909 点击 2026-06-22 15:16
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
在机器人、自动驾驶、AR等真实场景中，空间理解从来都不是“看一眼图像”就能解决的问题。
据最新独家爆料，谷歌目前正在紧锣密鼓地对即将发布的重磅大语言模型Gemini 3.5 Pro进行高强度的激进迭代，在正式揭晓之前，内部预计还会测试更多的版本。
最近几天，一个 3B 的小模型在 X 上火了，因为在一些难度可验证的推理任务上（比如编程），它进入了 Gemini 3 Pro、GPT-5 high、Claude Opus 4.5、GLM-5、Kimi K2.5 等前沿模型的性能区间，而它的体积远小于这些模型。
周四晚上，我在床上举着 iPhone Air，在 Siri 对话框里打下了一个从来没问过的问题： Siri, what do you think of me?（Siri，你觉得我怎么样？）
最近，北京一套27平米的胡同老房子靠AI成功翻了盘。
最新测试显示，模型抱团后实力明显升级：Opus 4.8+GPT-5.5>Fable 5；Kimi K2.6+ DeepSeek V4 Pro+Gemini 3 Flash=Fable 5。能力追上了，开销还减半。根据官方定价，相比Fable 5，Kimi K2.6+ DeepSeek V4 Pro+Gemini 3 Flash这套平价阵容，成本降幅接近80%。
刚刚，Google 甩出了 Gemini 3.5 Live Translate。这是它最新的语音对语音翻译模型，一句话概括：把「等你说完再翻」的老规矩，直接掀了。Google DeepMind 首席科学家 Jeff Dean 亲自发帖官宣，字里行间透着一股「二十年磨一剑」的底气：
就在刚刚，Siri借谷歌的1.2万亿参数Gemini「重生」了！在今夜的苹果WWDC 2026上，Siri彻底迎来新生。结合设备端小模型，苹果打造了混合智能架构，让Siri在各个APP之间无缝穿梭。
2026 年初，各大 AI 厂商在上下文窗口长度上展开激烈角逐。Google 的 Gemini 3 Pro 已支持 100 万级 token 上下文，Meta 的 Llama 4 Scout 更宣称可处理 1000 万 token。GPT-5 系列也在快速推进长上下文能力。
“我们有点处在自己的科技泡沫里。”