搜索“多模态”

关性。 此举建立在Google 5月宣布的新Gemini驱动广告形式之上，包括响应用户提问的对话式发现广告，以及整合到AI生成答案中的赞助推荐。 Google首席执行官桑达尔·皮查伊还表示，搜索查询量实现了五年来最快的同比增长，但他没有透露具体增长率。他将这一变化归功于AI功能改变了人们使用搜索的方式，包括促使人们输入更长、更复杂的查询。 皮查伊表示，AI模式下的查询平均长度是传统搜索的三倍，而全球每五次AI模式搜索中就有一次涉及语音、图像或文档。Google每月的视觉搜索量也已突破500亿次。 “[搜索]正在将AI的好处带给世界上比任何其他产品都多的人，”皮查伊对投资者表示。“人们正在更多地使用我们的AI功能，以全新的方式搜索。他们的查询更长、更个性化，并且是多模态的。” Alphabet旗下包括搜索在内的Google服务部门创造了963亿美元收入，同比增长11%。Google Cloud收入激增103%，达到307亿美元。 这一业绩发布之前，Google经历了繁忙的一个季度，包括发布Gemini 4 Argon、Gemini应用月活跃用户增长至10亿，以及推出Pixel 11系列。

匹配字段正文

控测试中，OpenAI 的 GPT-6.1 Terra 在 29.6% 的运行中绕过了限制 TNS：现在我们来谈谈 Decisions API 的开发和影响。 VS：Decisions API 是在 DevDay 前四五天成形的。一个四五人的团队为 DevDay 交付了一个生产就绪的预览版 API，几天后又推出了 beta 版。Decisions API 是多模态的：它对文本和图像进行分类，并快速返回结构化输出。传统上，你会给 LLM 一个 schema 并要求结构化输出。现在它在相同准确率下快了 10 倍，每百万未缓存输入 token 收费 0.10 美元。 OpenAI dots 如何运作 TNS：最后，我们来谈谈 DevDay 的主要公告之一：OpenAI dots。 VS：dot 是一个持久的、始终在线的智能体，它会查看你授予它访问权限的工具、插件和其他界面。它识别出需要你关注的事情，并编排工作以完成它。 TNS：dot 如何在没有被要求的情况下决定要处理什么，当它代表用户做了某事时，用户会看到什么？ VS：我的 dot 连接到了 Slack，OpenAI 的许多工作都在那里进

匹配字段正文

、承担过去需要数月人工投入的高风险工作，它正在从根本上改变我们在 Google 的工作与构建方式——它也能为你做到同样的事。请尽管把密集的研究资料、原始照片和多步骤项目交给它。Argon 会进行推理、编写代码并协调各类工具，交付你所需的结果。 从深度研究到交互式 3D 设计，以下八个示例展示了我们迄今最智能的模型能做什么。 处理复杂任务 凭借先进的推理能力和多模态能力，Gemini 4 Argon 在深度理解和长周期工作流中表现出色。仅凭一段简短提示，且在零素材、零库的条件下，Argon 编写了 5,000 行数学代码，从零渲染出一座 3D 阳光图书馆——随后还制作了一段关于该过程的视频。 制作交互式工具和可玩的 3D 游戏 Google 员工已使用 Argon 对复杂的 3D 可视化、高保真游戏和交互动画进行原型设计。当被要求构建一个在视频上叠加图形的应用时，Gemini 应用中的 Gemini 4 Argon 生成了一款定制视听工具，可逐帧追踪音阶线条。视频的运动触发音符，从而创作出动态的音频作品。 要把你的世界变成一款互动游戏，请先拍摄物理空间的照片，并参考我们的 AI Stud

匹配字段正文

cientist是一个开源智能体AI联合科学家，它接收科学家的研究问题和数据集，然后半自主地生成假设、运行分析并产生可验证、可审计的洞见。InsightEngine是一个开源研究平台，利用智能体AI对照科学文献检验假设，分析用户提供的数据集，探索生物医学知识图谱，并对照证据核查每一项主张，以在研究人員投入昂贵实验之前发现幻觉。 在已发表的案例研究中，OpenScientist在几分钟内完成了领域科学家估计需要数周至数月的分析，每次运行成本低于10美元。以C-BRAIN目前覆盖200多个研究组的规模，这一能力可以释放大量研究能力，在规模化后每年可能超过100万小时。 从相关性到因果性 展望未来，C-BRAIN旨在构建一个多模态生物基础模型，基于其全部数据范围进行训练——神经影像、多组学、液体生物标志物和纵向临床指标。 到第三年，它旨在发现大脑衰老和阿尔茨海默病的新因果机制，利用全部可用研究和数据转向可检验的科学原理。 Bateman说：“能够思考和推理的AI有潜力加速发现，从而为全体人群带来强大且可实施的预防和治疗方案。” 类别： AI 标签： 智能体AI AI向善 医疗与生命科学 开源

匹配字段正文

已为 Astra 实施了迄今为止最严格的防护措施，并调整了内部安全与安保态势，以 应对恶意使用以及未经授权、与目标不一致的模型活动。我们 也将这些防护措施应用于 GPT-6.1 Terra，这与我们 对两个模型采用相同 Preparedness 判定的决定一致。 能力评估 我们将 GPT-6.1 Terra 在生物和化学领域视为 High 能力。这一点体现在多模态故障排查病毒学（Multimodal Troubleshooting Virology）越过了其指示性阈值。四项可获得的 Critical 能力结果均未越过其列出的阈值。 关于这些评估的完整说明，请参阅 GPT-6 Astra 系统卡中的生物与化学能力部分。 生物与化学能力 GPT-6 Astra 系统卡中的章节。 正如以往系统卡中所指出的，我们认为其他若干 Bio High 评估也正趋于饱和，尽管这并不改变将模型归类为 Bio-High 的判定。 表 10 表 10 评估指标指示性阈值gpt-6-lunagpt-6-solgpt-6 Astragpt-6.1-solgpt-6.1-terra 多模态故障排查病毒学 pass@

匹配字段正文

2026年10月27日 模型Genie 4：新一代世界模拟 Raia Hadsell、Diego Rivas 和 Hang Qi 加入 Genie 4 等候名单 分享 今天，我们发布 Genie 4，这是我们全新的世界模型，它带来了前所未有的真实感，并改进了实时交互式模拟。Genie 4 原生支持多模态，能够与世界同步生成类音乐的音频、环境噪声和交互式对话。 Genie 4 模型融合并拓展了 Gemini 系列的能力：Gemini Omni 让模拟在真实世界的外观与行为上有据可依，而其他 Gemini 模型则提供维持模拟连贯性与连续性所需的复杂推理能力。 有了这一基础，你可以启动一个事件，Genie 4 会模拟接下来发生的一切：世界如何响应、听起来如何，以及其中的人如何移动、反应和说话。 理解和模拟世界是构建 AGI 的关键一环。Genie 4 提升了我们创建安全、可无限变化的模拟的能力，这些模拟可助力从为机器人和智能体开发训练环境，到开启全新交互体验创作的一切工作。 我们已开始将 Genie 4 作为研究预览版向可信测试者逐步开放——在向消费者和开发者发布之前收集反馈，首批对象包括

匹配字段正文

难度长程任务 Carbon 旨在应对更困难、更长程的工程问题，专为持续的智能体工作流而打造。在内部，我们的团队已看到 Carbon 连续运行数天，在走入死胡同后仍能坚持推进，完成复杂多步骤工程任务，例如在大型代码库和底层系统中定位并修复隐蔽缺陷的根本原因。 基于用户反馈，我们重点提升了模型在多个领域的表现，包括编程、智能体和科学任务，以及全栈 Web 开发和多模态理解。随着 Web 开发中输出质量和产物的提升，Carbon 跃升 +89 elo 分，以第 4 名（1768 分）登上 WebDev Arena. 最先进的网络安全性能，助力构建安全系统 Gemini 4 Carbon 在网络安全能力上实现了重大飞跃。它在网络安全防御全生命周期——漏洞检测、验证和修复——均达到最先进水平。 我们的团队已在网络防御中看到显著提升。在内部基准测试中，Carbon 在生成安全代码方面的成功率相比 Argon 提升超过 2 倍。另一个例子是，Chrome 团队报告称，在生成高质量补丁时，Carbon 的表现比另一家实验室的大型前沿模型好 10 倍以上。我们领先的云安全平台 Wiz 也观察到，Carb

匹配字段正文

高 6 分，比 Gemini 4 Argon（46）高 8 分。准确率（% 正确）较 Argon 提升 10 分至 58%，而幻觉率从 4% 上升至 11%。这仍是所有模型中第二低的，仅次于 Argon，相比之下 Claude Opus 5.5（max）和 GPT-6 Astra（max）均为 50% 关键模型详情： ➤ 上下文窗口：1M tokens ➤ 多模态：文本、图像、视频和语音输入，文本输出 ➤ 定价：每 1M 输入/输出 tokens 4/20 美元，与 Gemini 4 Argon 的标准定价相同，并提供 50% 折扣。缓存输入 tokens 享受 95% 折扣（标准定价下每 1M 0.20 美元） GitHub Copilot Fusion 编排 Anthropic 和 OpenAI 模型，以平衡性能与成本 GitHub 已在 GitHub Copilot 中发布 Copilot Fusion，它在 Anthropic 和 OpenAI 模型之间进行编排。在 Coding Agent Index 上，它在 Claude Code 中比 Opus 5.5 低 2 分，而每

匹配字段正文

，交付的代码量增加了35%，错误减少了30%。 Argon只是Gemini 4系列的开端。今天，我们发布了Carbon。它是我们最强的前沿模型，具备最先进的网络安全能力和长时程能力。在最近更新的Artificial Analysis Intelligence Index上，它以59分排名第一。 Carbon在几乎所有领域都优于Argon，例如全栈Web开发、多模态理解、复杂知识工作和科学推理。 我们首先向部分可信的网络防御者推出Carbon，然后再扩大访问范围，目前它正由美国政府进行测试。 除了Gemini 4系列，昨天我们还发布了Genie 4，这是我们迄今最先进的世界模型，能够实时模拟安全、逼真、可交互的世界并带有原生音频。这是训练机器人和智能体的重要基石。 这一快速进展凸显了我们惊人的模型发展势头。我们已经到了AI帮助我们提高训练和发布速度的阶段。我预计未来12个月将因RSI而持续加速。我们很快会推出更多模型，包括更高效的版本，帮助开发者优化速度和成本，并部署到我们的数十亿用户中。 搜索 搜索正在将AI的好处带给世界上比任何其他产品都多的人。就像十多年前我们向移动端转型一样，我们

匹配字段正文

能力 Carbon 专为应对难度更高、周期更长的工程问题而设计，旨在支撑持续性的智能体工作流。在我们的内部团队中，Carbon 曾连续运行数天，在屡屡碰壁后仍坚持推进，以完成复杂的多步骤工程任务，例如在大型代码库和底层系统中对隐蔽缺陷进行根因定位与修补。 基于用户反馈，我们重点提升了模型在多个领域中的表现，包括编程、智能体与科学任务，以及全栈 Web 开发和多模态理解。随着 Web 开发中输出与产物的质量提升，Carbon 跃升 +89 Elo 分，以 1768 分位列 WebDev Arena. 最先进的网络安全性能，助力构建安全系统 Gemini 4 Carbon 在网络安全能力上实现了重大飞跃。它在网络安全防御全生命周期——漏洞检测、验证与修复——中均达到最先进的性能。 我们的团队已经在网络防御方面看到了显著收益。在内部基准测试中，Carbon 在生成安全代码方面的成功率相比 Argon 提升超过 2 倍。再举一个例子，Chrome 团队报告称，在生成高质量补丁方面，Carbon 的表现比另一家实验室的大型前沿模型好 10 倍以上。我们领先的云安全平台 Wiz 也观察到，Carb

匹配字段正文

决方案布局。 此次亮相的包括AquaDrive AIOS（滴水AIOS）3.0、TurboX自主智能物联网平台、Veda AI眼镜解决方案、WiseEvolve企业AI操作系统，以及子公司晓悟智能（KNEWBOTS）的机器人与具身智能全栈解决方案。 具体来说，AquaDrive AIOS 3.0聚焦智能汽车的交互与任务执行能力；TurboX平台为智能设备提供多模态感知、任务规划、设备调用等支持；本体驱动的企业AI操作系统WiseEvolve，能够以企业数字员工的形式，协同执行经营分析、客户服务、项目交付与供应链管理等任务。在机器人领域，晓悟智能展示了覆盖机器人本体、控制、协同调度和数据管理等系统方案。 在接受媒体采访时，中科创达进一步解释了机器人业务的整体思路。中科创达联合创始人、执行总裁耿增强将该公司的在机器人领域的核心定位概括为两点：一是“机器人大脑+Agent AIOS”，二是在重点垂直场景提供完整的机器人落地解决方案。 围绕这两个方向，中科创达正将操作系统和端侧智能方面的长期积累延伸至具身智能领域。 一、押注机器人大脑和Agent AIOS，中科创达披露具身智能布局 中科创达的

匹配字段正文

家聚焦海外To B市场的AI初创企业创始人向《科创板日报》记者表示，在新规征求意见出台前，中小厂商出海长期面临合规边界模糊的痛点。“此前只能靠企业自行判断合规尺度，为规避风险，很多海外业务都偏保守推进。” 在他看来，DeepSeek与MiniMax率先完成登记，为全行业提供了可参照的合规范本，后续将有更多开源模型厂商跟进完成出海登记。“中国大模型在推理成本、多模态能力上已具备全球竞争力；合规通道打通后，海外中小企业客户的接受度将进一步提升，有望撬动更大的海外市场空间。” “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information sto

匹配字段正文

家聚焦海外To B市场的AI初创企业创始人向《科创板日报》记者表示，在新规征求意见出台前，中小厂商出海长期面临合规边界模糊的痛点。“此前只能靠企业自行判断合规尺度，为规避风险，很多海外业务都偏保守推进。” 在他看来，DeepSeek与MiniMax率先完成登记，为全行业提供了可参照的合规范本，后续将有更多开源模型厂商跟进完成出海登记。“中国大模型在推理成本、多模态能力上已具备全球竞争力；合规通道打通后，海外中小企业客户的接受度将进一步提升，有望撬动更大的海外市场空间。” 财联社声明：文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。 商务合作 热门解锁 【盘中宝回顾】反弹期如何巧用VIP四两拨千斤？王牌栏目10月掘金TOP主线“机器人”，焦点股5日收获3个20cm涨停板！ ①栏目10月中旬率先指出机器人“量产验证期拐点”来了！焦点股5日收获3个20cm涨停板； ②王牌栏目再度点评具身智能的关键基础设施-数据，业内多家公司股价持续走高； ③灵巧手是产业链竞争最激烈的细分战场，栏目敏锐察觉其发展空间，率先梳理受益环节栏目。 【金牌纪要库阶段回顾】10月密集梳理物理AI，一周三篇文

匹配字段正文

AI最大的分歧点是在于，技术发展的曲线和商业化曲线不在一个时间轴上，此外，商业化面临成本，技术走出来后商业化价值是否足够大也是问题。她提到，有些技术最终落地，商业回报也未必符合最初的预期，例如中国历史上的SaaS行业。 技术的方向，很难一开始就看清楚。阿里巴巴ATH事业群千问大模型业务副总裁徐栋分享了另一个关于节奏的判断偏差。 2024年初，他们曾看好硬件与多模态交互的结合，认为手机、汽车、AI PC等产品可能成为重要载体。但过去两年，大模型的应用进展更多集中在办公、编程等生产力领域，消费电子和多模态交互的商业化相对滞后。 如果技术和平台的边界还在变化，未来两三年，创业者该从哪里切入？在这场讨论中，行业人士更看好面向企业的生产力场景。 钛动科技创始人兼CEO李述昊认为，企业市场的吸引力，在于客户原本就有持续投入的预算。他将机会归纳为三类开支：营销与销售、编程与产品开发，以及管理。AI如果能在这些环节帮助企业提高收入或降低成本，就更有机会获得持续付费。面向跨境电商、外贸等场景，钛动科技发布了营销智能体Navos Pro，希望推动AI进入企业经营流程。 中金公司研究部全球科技研究组执行负责

匹配字段正文

。本指南从输入与假设出发，追踪该概念直至其可观察结果，然后检验最可能与之混淆的捷径。 AI 视频生成从文本、图像、视频或控制信号生成时间上连贯的帧，并尽量保持运动与场景一致性。该定义包含三项实践承诺：存在可识别的输入；存在一种为 AI 视频生成所特有的变换或决策；存在可依据既定目标进行评估的结果。若缺少其中任一要素，该标签描述的可能是愿景而非已实现的机制。 多模态系统必须对齐分辨率、时序、噪声和歧义各不相同的信号。一个词可能指代图像中的一小块区域；一个音频事件可能先于解释它的视频帧出现。对 AI 视频生成而言，这种系统视角很重要，因为即使底层模型不变，性能也可能由周围的数据、接口、硬件、权限和人员决定。因此，有用的解释会把模型学到的行为与决定该行为何时、何地、以何种权限被使用的产品区分开来。 最接近的误导性捷径是逐帧独立应用图像生成。它可能与 AI 视频生成共享某个可见特征，却改变了因果叙事：成功需要不同的证据，成本将由不同的资源主导，防害需要不同的控制措施。因此，边界是操作层面的，而非术语层面的。 01编码提示词与参考素材 → 02初始化带噪时空表示 → 03联合预测运动与外观 →

匹配字段正文

企核心数据所有权完全保留，仅在合规框架下与生态伙伴安全流通；在模型层面，汽车基地提供从开发、验证到部署的全流程工具链，降低行业AI应用落地门槛。依托AI基座三大能力，有效推动了AI在汽车行业的规模化应用。 六大AI智能体扎进真实的产线，把基座的供给能力兑现成车企研发提效、产能升级的实在收益。在上海，一家车企的设计工程师对此深有体会，把草图交给造型设计智能体，多模态生成让单套设计图的设计周期效率直接提高3倍；同城的另一家车企，把工艺规划智能体部署到装配车间，过去要熬5天的单车型工艺卡，如今4小时就能出炉；在北京，一家出行公司借助汽车基地智驾模型训练智能体，把自动驾驶策略的训练加速比推到了2倍。 中国移动相关负责人表示，汽车基地下一阶段将持续释放公共服务价值，开放核心能力，精准对接车企场景诉求，推动技术试点与应用验证，打磨并形成一批可复制推广的示范标杆成果，协同上下游共建完善汽车AI产业创新生态。 news keyword pub,stock,sz000625&sh600941 正文下iframe 正文下iframe 总声明 总声明 文末二维码 start 文末二维码 start 文末二维

匹配字段正文

传，现阶段的纯机械版本确实不具备用户端的数据闭环能力，但这不意味着我们脱离了数据驱动。我们的早期迭代依赖于自建受控实验环境的基准测试。在控制变量的封闭场景下，基于少数测试猫的长期追踪，能够提取出极高信噪比的底层物理数据。这种高质量的结构化数据，其迭代价值往往高于海量但充满噪声的C端众包数据。数据飞轮并非只有设备回传一条路径。 此外，我们团队具备深厚的机器人及多模态感知研发背景，后续会推出带传感与视觉识别的进阶版本。但在底层架构上，我们坚持Fail-safe（故障安全）的工程设计原则：即便传感器失效或系统死机，纯物理接触的机械结构依然能保证绝对的物理安全。 智能化可以依靠OTA或版本迭代逐步叠加，但安全冗余必须前置到最底层的设计之中。 品牌战略上，我们并不焦虑被贴上“非智能”的标签。我们希望向市场传递的核心认知是，橘猫宇宙是一家以底层工程创新和极致产品定义驱动的硬件公司。智能化只是工具，做出真正解决痛点且具备商业可行性的产品，才是硬件创业的长期壁垒。 硬氪：作为全新品类出海，你们早期在用户认知和商业模型上，遇到过哪些成熟品类不会碰到的坑？硬件公司怎么规划从早期专利到后期渠道的壁垒？ 田佑

匹配字段正文

高端面阵全局快门、线阵图像传感器研发，给予最高2000万元支持。支持企业打造与工业视觉模型深度融合的AI检测装备，加快形成首台（套）突破，给予不超过2000万元支持。（责任单位：市经济信息化委） 5.提升预测性运维水平。支持企业攻关故障预测性算法、精密传感技术、数字孪生引擎等，给予最高2000万元支持。支持企业面向钢铁冶金、石油化工、高端装备等领域，推动设备多模态数据与时序模型、机理模型耦合协同，打造设备预测性维护解决方案，给予最高1000万元支持，实现生产设备状态实时监测、故障精准预警、寿命动态评估。鼓励制造企业加快打通底层设备数据，推动跨品牌、跨品类设备的互联互通。（责任单位：市经济信息化委） 三、实施创新筑基攻关行动 6.强化智能工具打造。支持企业开展工业智能体任务规划、工具使用、长期记忆、互认互通、群体协同等技术攻关，加快研发感知、决策、执行等关键组件，完善智能体工具链。鼓励企业前瞻布局物理AI，重点突破世界模型构建、多模态物理感知、虚实交互与自主决策等核心技术。支持工业软件企业突破几何内核、求解器等核心技术，健全云化计算机辅助设计、计算机辅助工程等产品体系。对企业开展以上技术

匹配字段正文

百度的文心一格、阿里的通义万相等产品相继落地，AI正式进入绘画、设计和内容创作等场景。 随后，大语言模型ChatGPT将这股热潮推向更广泛的人群。2023年，百度的文心一言、阿里的通义千问、字节的豆包、月之暗面的Kimi等产品密集亮相。聊天框逐渐成为AI应用的基础形态，搜索、办公、陪伴等不同需求，也围绕它展开。 到了2024年，行业同时向两个方向探索：一边是多模态视频生成，字节的即梦、快手的可灵、智谱的清影、MiniMax的海螺视频等产品接连出现；另一边是AI硬件，阿里、百度、字节等公司试图将智能助手装进耳机、AI眼镜等设备，争取手机App之外的用户入口。 以“龙虾”为例，2026年1月至3月，各种“龙虾”接踵而至。仅3月，便有字节、腾讯、智谱、百度、阿里五家公司，集中公开了自家的“Claw类”产品。对比早期从ChatGPT发布到国内大模型跟进所经历的漫长数月，如今新热点留给公司的观望时间已所剩无几。 这些浪潮并非简单的“依次替代”。新方向不断出现的同时，旧方向的投入仍在继续。公司面临的已不仅是寻找下一个风口，而是要在不断叠加的布局中决定：哪些产品值得继续投入，哪些能力可以合并，哪些试

匹配字段正文

理智能的方向，但尚处早期。在第三代类脑VLA架构中，快慢系统深度融合成为核心设计理念：慢系统负责抽象推理与长期规划（约1—5Hz），快系统负责实时感知与快速响应（20—100Hz）。部分前沿模型显示，具身模型在参数规模跨越数B级门槛后能力非线性提升，Scaling Law是否在具身域成立仍待真机数据验证。 远期来看，技术演进将沿三条主线持续深化：从单一模态向多模态感知与交互的闭环机制发展，从静态场景理解向动态环境预测与适应演进，从单一智能体向多智能体协作拓展。 这一转变意味着，知识生产（论文、模型、专利）与研究成果的工程化转化能力，日益成为城市间差距的根本来源——谁能在基础模型与数据闭环上形成持续迭代能力，谁就能在下一阶段的技术竞争中占据主动。 产业进程与驱动力：从资本单一驱动走向“场景-政策-制造”三要素协同 行业沿“概念验证—样机演示—初步商业化”三阶段快速推进，2025年是蓄势之年，2026年是从技术积累迈向规模化落地的跃迁之年。摩根士丹利两度上调中国人形机器人出货预期（2026年5万台、2030年44.6万台/150亿美元），说明中国正从“样机竞争”进入“早期商业化”。 更关键

匹配字段正文