Gemini 3.1 Flash Live 发布：更自然可靠的音频AI
Google DeepMind 发布了 Gemini 3.1 Flash Live，这是其最高质量的音频和语音模型，旨在提升实时对话能力。该模型通过 Gemini Live API、Gemini Enterprise 以及 Search Live 和 Gemini Live 等产品向开发者、企业和公众提供。在多个基准测试中表现领先，并改进了语调理解和多语言支
多模态
技术方向 · 文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品 · 共 778 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
3月26日周四 · 2 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
Google DeepMind 发布 Lyria 3 Pro，扩展多产品音乐生成
Google DeepMind 发布了 Lyria 3 Pro，这是其高级音乐生成模型，支持生成最长 3 分钟的曲目，并增强了对音乐结构（如前奏、主歌、副歌）的理解。该模型已集成到 Vertex AI、Google AI Studio、Gemini API、Google Vids 和 Gemini 应用等产品中，并推出了协作工具 ProducerAI。Lyr
3月25日周三 · 1 条
正文结构化主题已通过公开置信门槛
Google 发布 Lyria 3 音乐生成模型，支持文本与图像输入
Google 于 2026 年 3 月 25 日发布 Lyria 3 音乐生成模型，包括 lyria-3-clip-preview（生成 30 秒片段）和 lyria-3-pro-preview（生成完整歌曲）。两个模型均支持文本和图像输入，可生成 48kHz 立体声的高质量音频，相关指南和代码示例已提供。
3月13日周五 · 1 条
正文结构化主题已通过公开置信门槛
百度千帆更新：新增Qwen3.5多模态模型及多项服务升级
百度千帆平台于2026年3月13日发布多项更新，包括新增多款Qwen3.5多模态模型、支持GLM-5和Kimi-K2.5的TPM配额购买，并升级Coding Plan至Kimi-K2.5且支持MiniMax-M2.5。同时，AI助手升级为智能调度模式，提供多模态问答能力，并新增百度热搜、百度搜索MCP版等工具。
3月11日周三 · 1 条
正文结构化主题已通过公开置信门槛
LlamaIndex v0.14.16 发布：新增限流器与多模态重排序器
LlamaIndex 发布 v0.14.16 版本，包含多个核心修复和新功能，如新增令牌桶和滑动窗口限流器、多模态 LLM 重排序器、扩展向量存储元数据过滤器，并修复了多个 bug 和安全问题（CWE-502）。同时更新了多个集成包，包括 OpenAI、Anthropic、Bedrock 等，新增对 gpt-5-chat 和 reasoning conten
3月10日周二 · 1 条
正文结构化主题已通过公开置信门槛
Gemini 发布多模态嵌入模型并宣布旧模型停用
Gemini API 于 2026 年 3 月 10 日发布了首个多模态嵌入模型 gemini-embedding-2-preview，支持文本、图像、视频、音频和 PDF 输入，并将所有模态映射到统一的嵌入空间。同时，Gemini 宣布 gemini-2.5-flash-lite-preview-09-2025 模型将于 2026 年 3 月 31 日关闭
3月4日周三 · 1 条
正文结构化主题已通过公开置信门槛
谷歌发布 Gemini 3.1 Flash-Lite：高性价比低延迟模型
Google DeepMind 发布了 Gemini 3.1 Flash-Lite，这是 Gemini 3 系列中速度最快、成本效益最高的模型，专为大规模高吞吐量开发者工作负载设计。该模型定价为每百万输入 token 0.25 美元、每百万输出 token 1.5 美元，性能优于 2.5 Flash，输出速度提升 45%，首 token 时间快 2.5 倍。
2月27日周五 · 1 条
正文结构化主题已通过公开置信门槛
Google 发布 Nano Banana 2：高速图像生成模型
Google DeepMind 发布最新图像生成模型 Nano Banana 2（Gemini 3.1 Flash Image），将 Nano Banana Pro 的高级智能与 Flash 的高速结合，支持快速编辑、精确文本渲染、多主体一致性等功能。该模型即日起在 Gemini 应用、搜索、AI Studio、Google Cloud、Flow 和 Goo
2月26日周四 · 1 条
正文结构化主题已通过公开置信门槛
Gemini API 发布 Nano Banana 2 及 Gemini 3.1 Flash 图像预览，并宣布 3 Pro 预览版关闭
Gemini API 于 2026 年 2 月 26 日发布 Nano Banana 2 和 Gemini 3.1 Flash 图像预览版，后者为高效模型，针对速度和大量使用场景优化。同时宣布 Gemini 3 Pro 预览版将于 2026 年 3 月 9 日关闭。
2月25日周三 · 1 条
正文结构化主题已通过公开置信门槛
2026年初开源LLM架构综述：十大模型对比
本文回顾了2026年1月至2月期间发布的10个开源权重LLM，重点比较了它们的架构异同。主要发布包括Arcee AI的Trinity Large、Moonshot AI的Kimi K2.5、StepFun Step 3.5 Flash、Qwen3-Coder-Next、z.AI的GLM-5、MiniMax M2.5、Nanbeige 4.1 3B、Qwen
2月19日周四 · 2 条
正文结构化主题已通过公开置信门槛
LlamaIndex v0.14.15 发布：多模态支持与 AgentMesh 集成
LlamaIndex 发布 v0.14.15 版本，核心库新增多模态类型支持、多模态提示模板及格式化功能，并引入 AgentMesh 信任层集成。同时，Anthropic 和 Bedrock Converse 新增 Claude Sonnet 4.6 支持，Mistral AI 集成 Azure SDK，OCI Data Science 支持流式端点。此外，
正文结构化主题已通过公开置信门槛
Gemini 推出 Lyria 3 音乐生成功能
Google DeepMind 宣布其最新生成式音乐模型 Lyria 3 在 Gemini 应用中推出测试版，用户可通过文本或上传照片生成带歌词的 30 秒音乐片段，并支持风格、人声和节奏控制。Lyria 3 还集成到 YouTube Dream Track，用于增强 Shorts 配乐。所有生成音频均嵌入 SynthID 水印，并扩展了音频验证功能。该功能
1月14日周三 · 1 条
正文结构化主题已通过公开置信门槛
Veo 3.1 更新：增强一致性、创意与控制，支持竖屏和4K
Google DeepMind 发布了 Veo 3.1 的更新，增强了“Ingredients to Video”功能，支持原生竖屏输出和最高 4K 分辨率，提升了角色、背景和物体的一致性。该更新已在 Gemini 应用、YouTube、Flow、Google Vids、Gemini API 和 Vertex AI 中推出，并集成 SynthID 水印以验证
1月9日周五 · 1 条
正文结构化主题已通过公开置信门槛
百度千帆更新：模型服务与工具广场新增多项功能
百度千帆平台在2026年1月9日更新了模型服务，包括Qwen3-30B-A3B-Instruct-2507支持混合TPM配额，DeepSeek-V3.2开启分段计费并支持前缀缓存（白名单内测），以及自定义接入点功能。同时，工具广场新增了智能商品搜索、商品生动化标题生成MCP和百度彩票走势MCP等工具。
12月24日周三 · 1 条
正文结构化主题已通过公开置信门槛
谷歌2025年度回顾：八大领域研究突破
Google DeepMind 发布 2025 年度回顾，总结其在 AI 和量子计算领域的研究突破。2025 年，Google 发布了 Gemini 2.5、Gemini 3 和 Gemini 3 Flash 等模型，提升了推理和多模态能力，并推出 Nano Banana、Veo 3.1 等生成式媒体工具。同时，Google 通过 Gemini 应用、Not
12月19日周五 · 1 条
正文结构化主题已通过公开置信门槛
百度千帆平台更新：DeepSeek-R1缓存、多模态助手及MCP服务
百度千帆平台于2025年12月19日发布多项更新，包括DeepSeek-R1模型支持前缀缓存，AI助手新增多模态功能（自动搜图、搜视频、音频和Markdown文件解析），工作流支持异步调用和导入导出，并推出百度天气和代码安全MCP服务。这些更新旨在提升开发效率和多模态知识复用能力。
12月17日周三 · 2 条
正文结构化主题已通过公开置信门槛
谷歌发布 Gemini 3 Flash：高速前沿智能，低成本普及
Google DeepMind 发布 Gemini 3 Flash 模型，面向开发者和公众提供快速、低成本的推理能力。该模型在 GPQA Diamond 等基准上表现优异，价格低于 Pro 版本，并已集成至 Gemini API、Vertex AI 及 Gemini 应用。此举旨在扩大 Gemini 3 的覆盖范围，提升日常任务和智能体工作流的效率。
正文结构化主题已通过公开置信门槛
Google 发布 Gemini 3 Flash 预览版
Google 于 2025 年 12 月 17 日发布 Gemini 3 Flash 预览版（gemini-3-flash-preview），该模型以较低成本提供接近前沿级别的性能，并增强了视觉与空间推理能力以及智能体编码功能。
12月13日周六 · 1 条
正文结构化主题已通过公开置信门槛
Gemini 2.5 Flash Native Audio 升级，新增实时语音翻译
Google DeepMind 发布了升级版 Gemini 2.5 Flash Native Audio 模型，用于实时语音代理，提升了函数调用、指令遵循和对话流畅性。该模型已在 Google AI Studio、Vertex AI 上线，并开始集成到 Gemini Live 和 Search Live。同时，Google 推出了实时语音翻译功能，支持 70
12月12日周五 · 1 条
正文结构化主题已通过公开置信门槛
Gemini API 发布原生音频预览模型
Gemini API 于 2025 年 12 月 12 日发布了新的原生音频模型 gemini-2.5-flash-native-audio-preview-12-2025，该模型用于 Live API，提升了处理复杂工作流的能力。用户可通过 Live API 指南和 Gemini 2.5 Flash Native Audio 文档了解更多信息。