Google DeepMind 发布 Gemma 4 12B 多模态模型
Google DeepMind 发布 Gemma 4 12B 模型,采用无编码器架构,视觉和音频输入直接接入 LLM 主干,原生支持音频输入。该模型在 16GB 显存下即可运行,具备接近 26B 模型的推理性能,并内置多令牌预测(MTP)草稿器以降低延迟。
推荐理由:采用无编码器架构并原生支持音频,在16GB显存下即可运行,适合本地部署智能体应用。
Google DeepMind 发布 Gemma 4 12B 模型,采用无编码器架构,视觉和音频输入直接接入 LLM 主干,原生支持音频输入。该模型在 16GB 显存下即可运行,具备接近 26B 模型的推理性能,并内置多令牌预测(MTP)草稿器以降低延迟。
推荐理由:采用无编码器架构并原生支持音频,在16GB显存下即可运行,适合本地部署智能体应用。
Co-Scientist 帮助 MIT 的 Ritu Ritu Raman 与波士顿儿童医院的 Ryan Flynn 跨越学科壁垒,将组织模型与 RNA 映射技术结合以探索肌萎缩侧索硬化症(ALS)疗法。该工具快速梳理了矛盾文献,协助团队提出可验证假设并评估可行性与风险。双方正利用 Co-Scientist 迭代寻找针对 ALS 的新型 RNA 机制及潜在药物。
DeepInfra 正式成为 Hugging Face Hub 的 Inference Provider,支持 DeepSeek V4、Kimi-K2.6、GLM-5.1 等 100 多款模型。
Google DeepMind 发布“AGI 认知分类”框架,提出感知、推理等 10 项关键认知能力以衡量通用人工智能进展。该框架配套发布 Kaggle 黑客松,邀请社区针对学习、元认知等五项能力构建评估基准。活动提供 20 万美元奖金池,提交截止至 4 月 16 日。
Google Research 与 DeepMind 联合发布论文,展示主要基于鸟类数据训练的 Perch 2.0 模型在海洋声学任务中表现出色。该模型无需水下音频训练即可生成高质量嵌入向量,配合简单的逻辑回归分类器,能利用少量标注数据快速构建鲸鱼声纹分类器。
DeepSeek R1 发布一周年,推动中国 AI 从封闭转向开源生态,降低技术、采用和心理门槛。百度在 Hugging Face 的开源仓库从 2024 年的零个激增至 2025 年的 100 多个,字节跳动和腾讯发布量增长八至九倍,月之暗面 Kimi K2 开源引发关注。
Google Research 联合 Google DeepMind 发布 Natural Forests of the World 2020 地图及数据集,利用 MTSViT 模型实现 10 米分辨率天然林识别,准确率达 92.2%。同时发布 Planted 和 ForTy 两个大规模基准数据集,用于支持 EUDR 合规及下一代森林分类模型研发。
推荐理由:发布全球首个10米分辨率天然林地图及基准数据集,为合规与生态监测提供高精度AI基线。