跳到正文

模型发布

新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。

62条精选相关主题产品更新论文研究开源生态

最新精选

第 61–62 条 · 共 62 条
4月16日周四
  1. Google DeepMind70

    Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型

    Google DeepMind 推出最新文本转语音模型 Gemini 3.1 Flash TTS，支持通过嵌入自然语言命令的音频标签来精确控制声音风格、语速和表达方式。该模型在 Artificial Analysis TTS 排行榜上获得 1,211 的 Elo 分数，原生支持多说话人对话及 70 多种语言，所有生成音频均带有 SynthID 水印。

    推荐理由：新模型引入自然语言音频标签以精细控制语速和风格，并在 Artificial Analysis 基准中取得高分。

4月13日周一
  1. Google DeepMind75

    Google DeepMind 发布 Gemini Robotics-ER 1.6 增强具身推理能力

    Google DeepMind 发布 Gemini Robotics-ER 1.6，这是一款专为机器人设计的高层推理模型，显著提升了空间推理、多视角理解和成功检测能力。该模型新增了仪表读取功能，能结合视觉推理与代码执行精确解读压力表等工业仪器，并已通过 Gemini API 和 Google AI Studio 向开发者开放。

    推荐理由：新模型强化了空间推理与仪表读取能力，为机器人自主执行复杂物理任务提供了更可靠的感知基础。