←搜索结果

搜索“DeepMind”

按匹配度 · 共 125 条结果 清除搜索

星期四

  1. The Verge AI

    Google 发布 Gemini 4 Argon，初期仅向可信网络安全人员开放

    Google 发布新一代前沿模型 Gemini 4 Argon，称其在软件工程、法律金融等企业知识工作和网络安全防御等复杂工作流中具备前沿性能。该模型初期仅向一组可信网络安全人员开放，Google 正参与美国政府的前置模型访问自愿流程并逐步扩大范围，同时将加强防范滥用、提示词注入和失准监测等前沿安全保障。Gemini 4 Argon 已在 Google 内部工作流中投入使用，例如大规模代码库迁移。

    complex workflows across real-world software engineering, enterprise knowledge work like legal and finance, and cybersecurity defense,” according to chief AI architect and Google DeepMind SVP Koray Kavukcuoglu. But the company is limiting access at first to a “set of trusted cyber defenders,” and Kavukcuoglu says that Google is “actively engaged in the U.S. government’s voluntary process for pre-release model access while we gradually expand access.” Kavukcuoglu says Gemini 4 Argon is already p

    匹配字段正文

    #tech-media#模型发布#Google#DeepMind

星期四

  1. gihyo.jp

    Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型

    Google 于 2026 年 9 月 23 日发布文本转语音模型 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，前者支持用自然语言提示词在 100 多种语言和方言中定制音色与口音，并拥有 2,000 多种音色的语音库，30 秒音频样本即可复现一致的语音特征；后者面向大批量配音和音频内容制作，强调成本效率。两款模型均可按台词指定语气与表演，并加入笑声、叹息、mhm 等副语言声音，在 voicearena.com 的盲测人工评估中于日语、巴西葡萄牙语、越南语、现代标准阿拉伯语、墨西哥西班牙语和印地语等语言上获得靠前评价。语音克隆需提交说话者本人的口头同意录音，所有生成音频均嵌入 SynthID 水印。两款模型将陆续开放，Flash TTS 可在 Gemini Notebook 试用，Flash-Lite TTS 可在 Google Vids 试用，开发者可通过 Google AI Studio 和 Gemini API 使用。

    inct accents and characteristics. 🔵 Gemini 3.8 Flash-Lite TTS: Built for efficiency and scale, choose from your created styles or our expansive… pic.twitter.com/iiZwtRBxgc— Google DeepMind (@GoogleDeepMind) September 23, 2026 Gemini 3.8 Flash TTSは自然言語プロンプトを使用して、100以上の言語と方言でキャラクターやアクセント、声の特徴をカスタマイズし、新しい音声をゼロから作成できる。メキシコスペイン語、ケベックフランス語、スコットランド英語などの地域的なバリエーションを含む、幅広い言語に対応した2,000種類以上の音声ライブラリを持っており、30秒の音声サンプルがあれば、一貫性のある音声プロファイルを再現する。 また近日公開予定の機能として、プロンプトを使って音声ライブラリから選んだ声の音色、ピッチ、ペース、アクセントを微調整して音声を合成でき

    匹配字段正文

    #hot-signal#模型发布#语音#Google

星期五

  1. The Rundown AI

    OpenAI 发布 GPT-6 Astra，称其为最智能且最对齐的模型

    OpenAI 发布 GPT-6 Astra，称其为全球最智能且最对齐的模型，在科学、数学、计算机使用、编码、网络安全等领域的基准测试创下新高。Astra 在 ARC-AGI-3 上达到 99.9%，此前 GPT-5.6 Sol 为 7.8%，FrontierMath T4 为 98%，ExploitBench 网络安全为 100%，但在 AA 智能指数上得 61 分，落后于 Fable 5.1、5、Opus 5 和 Meta 的 Muse Spark 1.3。API 定价为每百万 token 10 美元和 50 美元，约为 GPT-5.6 Sol 的 2.5 倍，但单任务 token 使用更高效；先向少数机构开放，付费 ChatGPT 套餐和 API 将在数日内跟进，并提供 Astra Pro 档位。

    can act on what really matters for your organization. With Gartner AI insights, you can: Access 4,000+ proven AI use cases Get objective, analyst-led guidance The Rundown: Google DeepMind introduced WeatherNext 3, its new weather model that uses live satellite images to refresh its forecasts every hour, taking the top spot on scoreboards against both rival models and the U.S. and European weather services. The details: WeatherNext 3’s improvement is about 5x in detail for temperature down to 5

    匹配字段正文

    #newsletter#行业动态#OpenAI#Google

星期四

  1. The Rundown AI精选

    Meta 与 Google 发布 Muse Spark 1.3 和 Gemini 3.8 Flash

    Meta 发布 Muse Spark 1.3（Max），Google 推出 Gemini 3.8 Flash，两款模型在 Artificial Analysis Intelligence Index 上分别获得 62 分和 59 分。Gemini 3.8 Flash 维持 $0.75 / $3.75 定价，并提升编码、推理和智能体任务表现；Meta 表示下一步将推出代号“Watermelon”的更大模型，并发布 Muse Spark 权重。

    the weights for Muse Spark. Gemini 3.8 Flash keeps 3.7’s pricing ($0.75 / $3.75) with gains in coding, reasoning, and agentic tasks, slotting in at a 59 on the Intelligence Index. DeepMind’s Koray Kavukcuoglu admitted Gemini sits “a little below the frontier”, and said, “there’s nothing other than being at the frontier that’s important for us.” Why it matters: Meta continues to climb with an impressive blend of intelligence and cost (something Google used to own), making Watermelon a potential i

    匹配字段正文

    #newsletter#模型发布#编码#推理

星期三

  1. Qwen Blog精选

    阿里发布 Qwen3.7-Max，面向智能体时代的旗舰模型

    阿里 Qwen 团队发布 Qwen3.7-Max，定位为面向智能体时代的专有模型，可通过阿里云百炼（Model Studio）调用 API。官方称其在编码智能体、通用智能体与推理基准上取得领先或接近 Opus-4.6 Max 的成绩，并支持 Claude Code、OpenClaw、Qwen Code 等多种框架。文中还展示了一次约 35 小时、1158 次工具调用的自主内核优化，最终相对 SGLang Triton 参考实现取得 10.0x 几何平均加速。

    correctness, consistency, and clarity in the final answer." MRCR-v2: 128K context subset containing 8 needles utilized; evaluation protocol adopted from https://github.com/google-deepmind/eval hub/tree/master/eval hub/mrcr v2. WMT24++: Harder WMT24 subset; avg scores on 55 langs via XCOMET-XXL. MAXIFE: Accuracy on EN + multilingual prompts (23 settings total). MMLU-ProX: Avg accuracy across 29 languages. Empty cells (--) indicate scores not yet available. In coding agents , Qwen3.7-Max performs

    匹配字段正文

    #company#模型发布#Agent#编码