#多模态
Gemini 3.6 Flash 写代码不卡壳了，还能读图表写报告，开发者可以马上在 Android Studio 里试。
Google 新出了 Gemini 3.6 Flash，专门强化了智能体和多模态，适合需要平衡速度和智商的任务；更有便宜的 3.5 Flash Lite 适合大规模调用。
Google DeepMind 刚发了两个新模型，3.6 Flash 和 3.5 Flash-Lite，现在就能在 GeminiApp 和 API 里用，还有一个安全版要试点，开发者可以试试
Google一口气出了两个新模型：3.6 Flash效率更高，3.5 Flash-Lite速度快还便宜，适合做AI智能体。
这篇论文搞了个新度量TPIPS，能按文字指令判断两张图在哪个方面像，比现有单标量打分更细。数据集和模型都开源了。
部署多模态模型时延迟高吞吐低？FlashRT 让智能体自动优化，实测延时降 70 倍，吞吐升 3.6 倍，AMD 平台效果尤其猛。
这篇论文提出了SIEVE，用智能体主动找几处关键证据就能判断视频真假，不用看完整个视频，效果更好还更透明。
一篇关于多模态机器人模仿学习的论文，提出LAG-Fusion解决不同传感器速率不同的异步融合问题，实验证明比同步融合更高效。
阿里发了Qwen-3.8 Max预览版，参数量2.4T，速度比Kimi-K3快一个数量级，限时一折，正式版很快开源，感兴趣可以试试。
字节新出的 Seed Audio 1.0 能精细控制声音时间线，还能跨 20 多种语言保持音色一致，音频可用率超 90%，做视频创作很实用。
想看最强的AI在实时观察任务上有多弱吗？ActiveVision让GPT-5.5和Claude Fable 5原形毕露，人类碾压它们。
这篇论文给VLM配了三种看图工具（表格、图表、放大），再用GRPO训练工具使用策略，比普通prompt和RL方法更准，适合处理科学图表验证。
这篇论文提出了HCIG和GCCN，在MMSD和MultiBully上分别达到85.74%和69.62%准确率，比传统融合方法更善于捕捉图文矛盾。
想用 AI 管理整个科研流程？SciForge 把论文、代码、数据整合成可追溯的工作状态，还帮你做基因发现和蛋白质设计，开源可玩。
阿里刚发的 HappyOyster 1.0，能根据一句话或一张图生成实时可探索的 3D 世界，还能像导演一样用文字操控剧情，支持 1 分钟以上互动，挺有新意的。
荣耀新系统AgenticOS，8月Robot Phone首发有机械云台，支持多智能体协同，试试看。
Think Machines的Inkling模型很特别，总参数975B但只激活41B，还有1M上下文和多种模态支持，值得上手试试。
