Google Gemini 3.0 Pro 即将发布,采用 MoE 架构
更多动态
Gemini AI 正在逐步取代 Google Maps 助手
,为地图带来更自然的语音交互体验 1️⃣ 导航进化:驾驶时能用更自然的口语指令,如“帮我避开收费站”,或询问“沿途有什么值得看的历史景点”,AI 能在不干扰驾驶的情况下理解情境并回应。 2️⃣ 复杂场景搜索:主页将新增 “Ask Maps” 对话入口,可处理多条件查询,例如“附近有吧台座位和优质清酒的日式夜宵店”,搜索结果会直接在地图上标记。 3️⃣ 车载生态整合:未来将原生集成于 Android Auto 与合作车型,通过语音即可完成路线调整、信息查询与车辆控制。 ◦ 部分功能已在 Google Maps Beta 版中测试,预计 2025 年底前大范围落地。基础功能免费,高级情景问答未来可能纳入 Gemini Advanced 订阅。 官方介绍: http://blog.google/products/maps/gemini-google-maps-navigation-updates/

免费创建音画同步的“数字演员”
GAGA-1 是首款将声音、嘴型与表情一次性生成的 AI 视频模型,解决了传统 AI 视频口型与情绪脱节的问题。 1️⃣ 音画同步生成 模型采用 co-generation 架构,类似人类一次性完成说话与表情,声音波形与面部动作同步输出,无需后期对齐。 2️⃣ 情绪与场景 支持还原失望、愤怒等复杂微表情,也能一次性生成双人对话场景,无需拼接。 3️⃣ 低成本高效率 目前免费使用,上传图片与台词 Prompt,3-4 分钟即可生成 10 秒 720p 视频。 🔹 适合短剧、虚拟主播、NPC 对话等场景。当前版本对大幅度肢体动作支持有限,过长台词可能“吞字”。未来官方计划开放自定义音频与固定音色功能。 官网: http://gaga.art
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

商汤开源 SenseNova Loop-9B-Preview。
它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
