Gemini支持采集自己的头像和声音了
采集后，在提示词中 ＠me 调用，然后能生成自己的图片（nanobanana模型）或视频（omni模型）
Gemini支持采集自己的头像和声音了
更多动态
本地部署2B模型，让“龙虾”看懂视频
Marlin-2B 开源了，基于Qwen3.5-2B微调，Mac M1 16GB就能跑。 这是一个视频理解模型，能理解视频里发生了什么，什么时候发生的。 输入一段视频，输出带秒级时间戳的结构化描述。也能用自然语言定位片段，搜"有人推门进来"，直接返回对应时间段。 刚好弥补了openclaw和hermes等agent视频理解的短板。查看 YouTube 不再只识别字幕，画面里展示了什么也能提取出来，社交平台的视频贴不再是黑盒 🤗 huggingface.co/NemoStation/Marlin-2B demo： vlm.nemostation.com
我又发现了一个"龙虾"，有客户端易上手
OpenHuman，内置云端模型Chat V1（像是微调的开源模型），订阅费为20刀/月或者填入自己的AI API。 亮点是能一键登录接入常见的应用，例如Gmail、GitHub、Slack、Notion、Stripe、Jira……点一下就连，不用填 API key 内置每 20 分钟自动同步邮件、日历、代码提交、文档，持续拉，不用手动提醒或配置定时 自带记忆树，把数据压缩成层级摘要，存本地 SQLite，同时写入 Obsidian 兼容的 Markdown vault。
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。
