Google 发布 macOS 版 Google AI Edge Foresight，用 Gemma 4 本地转录语音笔记
Google 发布 macOS 版 Google AI Edge Foresight 应用，使用本地模型 Gemma 4 E4B 或 Gemma 4 12B 转录语音笔记并生成文档，EmbeddingGemma2 参与其中。
#多模态
科技媒体 RSSAI 评分5858 科技媒体 RSSAI 评分2222 Suno 邀你发梗图生成歌曲
Suno 发起活动，邀请用户提交梗图，由其为梗图生成一首歌曲。
科技媒体 RSSAI 评分6666 Google 开放 SynthID Detector 验证入口，可检测 AI 生成内容
Google 宣布开放 SynthID Detector，任何人都可通过 synthid.com 检查图片、视频或音频文件是否带有 SynthID 水印。该入口支持 Google 及 OpenAI、NVIDIA、Kakao 等合作方生成的内容，Apple 即将加入。
科技媒体 RSSAI 评分6262 Google 称 SynthID 已为超 180 亿张图片和视频添加水印
Google 宣布 SynthID 自 2023 年上线以来已为超过 180 亿张图片和视频及 24 万年时长的音频内容添加水印。SynthID Detector 平台与 Search、GeminiApp 和 Chrome 内置的验证功能配合，目前每天处理超过 100 万次验证请求。
科技媒体 RSSAI 评分6262 Google 开放 SynthID Detector 门户，可检测图片、视频和音频是否由 AI 生成
Google 开放 SynthID Detector 门户，用户访问 https://synthid.com 上传图片、视频或音频文件，即可扫描文件是否包含来自 Google 或其合作伙伴的 SynthID 水印。该门户用于判断媒体是否由 AI 生成。
科技媒体 RSSAI 评分6262 Google 联合 OpenAI、NVIDIA、Kakao 扩展 SynthID Detector 检测门户
Google 宣布扩展 SynthID Detector，与 OpenAI、NVIDIA、Kakao 合作，Apple 即将加入，用于提升 AI 生成内容的透明度。该验证门户以英语在全球开放，用户可上传文件检测媒体是否由 AI 生成，页面显示可检测来自 NVIDIA、OpenAI、Google、Kakao 生成的媒体。
科技媒体 RSSAI 评分6262 Google DeepMind 推出 SynthID Detector，可检测视频、音频和图像中的水印
Google DeepMind 推出 SynthID Detector，可快速识别视频、音频和图像中的 SynthID 水印，即使经过添加滤镜等编辑仍可检测。用户也可使用 Chrome、Google 搜索和 Gemini 应用中已有的 AI 内容识别功能。
科技媒体 RSSAI 评分6262 Google DeepMind 的 SynthID Detector 面向所有人开放
Google DeepMind 宣布 SynthID Detector 现已向所有人开放，可用于检测在线内容是否由 Google AI 或行业合作方工具生成。合作方包括 OpenAI、NVIDIA、Kakao，Apple 即将加入，试用入口为 https://synthid.com。
Ars Technica · AIAI 评分6262 Google 推出改进版 SynthID 检测器并面向全球开放
Google 宣布其 SynthID 检测器现已支持所有合作方嵌入的水印，并上线独立网站 SynthID.com 供任何人使用。SynthID 是编码在 AI 生成图像、视频像素和音频波形中的隐形信号，Google 称仅 Gemini 就已为超过 1800 亿张图像和视频以及 24 万年时长的音频集成该水印。
科技媒体 RSSAI 评分5252 Google 推出改进版 SynthID AI 内容检测器并面向全球开放
Google 推出改进版 SynthID AI 内容检测器，新的 SynthID 网站现已面向全球开放。该网站可识别来自 Google、OpenAI 等来源的 AI 生成内容。
科技媒体 RSSAI 评分7171 Google 推出改进版 SynthID 检测器并面向全球开放
Google 宣布 SynthID 检测器现在支持所有合作方的水印，并上线 SynthID.com 网站供任何人使用。此前外部用户只能通过 Gemini 检测水印，旧版检测器也只识别 Google 自己的 SynthID。SynthID 是嵌入在图像、视频像素和音频波形中的隐形水印，仅 Gemini 就已集成超过 1800 亿张图片和视频以及 24 万年的音频。
科技媒体 RSSAI 评分6262 Google 推出 SynthID 检测网站，面向公众开放识别 AI 生成内容
Google 推出面向所有人的 SynthID 检测网站，可验证图片、视频或音频是否由 AI 生成。此前该工具仅向部分记者、媒体从业者和研究人员开放测试。
科技媒体 RSSAI 评分5252 Google 上线 SynthID 网站，可识别 AI 生成媒体
Google 周二上线新网站，任何人都可以用它验证一段媒体内容是否由 AI 生成，覆盖图片、视频和音频。
科技媒体 RSSAI 评分4343 豆包登陆华为鸿蒙电脑端，首版本搭载豆包 2.1 Turbo / Pro 模型
豆包 App 正式登陆华为鸿蒙电脑端，用户可在应用市场直接搜索下载，首版本搭载豆包 2.1 Turbo 和豆包 2.1 Pro 模型，支持对话与工作随心切换。该版本上线深入研究、PPT 生成、帮我写作、图像生成、云盘等核心能力，覆盖工作、学术研究、资料管理、自动化任务、创意设计等场景。华为官方透露，豆包位列鸿蒙电脑用户心愿单 TOP1。
科技媒体 RSSAI 评分6565 Mistral 发布 1T 参数多模态模型 Le Chonk
Mistral 发布 Mistral Large 4「Le Chonk」，为 1T 参数、49B 激活的多模态模型，开放权重计划约三周后释出。同一消息中还提到 Google 上线 740M 参数开源多模态嵌入模型 EmbeddingGemma 2（Apache 2.0），Nano Banana 2.1 铺开至 Gemini 应用、AI Studio、API 等。
科技媒体 RSSAI 评分6060 谷歌推出 macOS 应用 AI Edge Foresight，支持离线整理会议纪要
谷歌推出 macOS 应用 AI Edge Foresight，可调用 Mac 麦克风和系统音频并结合用户笔记，完全离线生成线上线下会议纪要，还支持基于会议内容和其他知识库的实时问答。该应用展示 EmbeddingGemma 2 端侧多模态模型，兼容 Apple 芯片的 Mac，可免费下载。
科技媒体 RSSAI 评分1212 苹果 iOS 27.2 第 2 个公测版发布：升级健康应用、FaceTime 群组双镜头等
苹果推出 iOS 27.2 第 2 个公开测试版，以完善功能、提高稳定性为主，用户可见的新功能有限。首个公测版曾为 Siri AI 新增法语、日语、韩语、葡萄牙语和西班牙语支持，并让群组 FaceTime 可同时使用前后摄像头，还重新设计健康 App，新增「洞察」「长寿」页面及健康年龄、柔韧性、听力等评估。系统代码还显示苹果可能在开发防抢夺功能 AutoLock，但当前测试版尚不可用。
科技媒体 RSSAI 评分4242 FastVideo 宣布支持 Kandinsky 6 视频生成
Hao AI Lab 宣布 FastVideo 支持 Kandinsky 6，可生成文/图生视频并配同步音频，提供 Pro 30B 和 Lite 3B 两种规格。每个规格都有 10 步蒸馏的 pi-Flow 版本，并支持最高 4x 的视频超分。
OpenAI News精选AI 评分8282 OpenAI 面向所有用户推出 GPT-6 与 Intelligent UI
OpenAI 宣布 GPT-6 在 ChatGPT 中面向全球用户上线，并同步推出 Intelligent UI。官方称新版本响应更快，提供可视化内容和可直接探索、使用的交互体验。
推荐理由：OpenAI 官方公布 GPT-6 在 ChatGPT 全球上线，并同步带来 Intelligent UI 的视觉与交互体验。
科技媒体 RSSAI 评分2222 IT早报 1007：余承东详解华为 Mate 90“拼好网”；谷歌推出 EmbeddingGemma 2；DeepSeek 接近完成至少 800 亿元融资
谷歌推出开源多模态嵌入模型 EmbeddingGemma 2，基于 Gemma 4 架构，7.4 亿参数，量化后手机端运行仅需 191MB 内存，可统一处理文本、代码、图像、视频和音频。
科技媒体 RSSAI 评分2222 BestBlogs 早报：Google 算力、GitHub 架构与 EmbeddingGemma 2
Google 推出参数小于 1B 的多模态嵌入模型 EmbeddingGemma 2，支持文本、代码、图像、视频和音频，采用模块化架构与 Matryoshka 表示。BestBlogs 10-07 早报共汇总 10 条 AI 内容，另涉及 Google 算力与 GitHub 架构话题。
Hacker NewsAI 评分2222 UniEvo-VL：面向多模态模型自我提升的自蒸馏训练
UniEvo-VL 提出一种自蒸馏训练方法，用于多模态模型的自我提升。该方法通过自蒸馏让模型在训练中迭代改进自身能力，无需依赖外部更强的教师模型。
科技媒体 RSSAI 评分5656 谷歌发布 EmbeddingGemma 2：7.4 亿参数多模态嵌入模型，量化后端侧运行仅需 191MB 内存
谷歌发布 EmbeddingGemma 2 嵌入模型，基于 Gemma 4 架构，总参数 7.4 亿，采用 Apache 2.0 许可。该模型将嵌入能力从文本扩展到代码、图像、视频和音频，量化后端侧运行仅需 191MB 内存。
科技媒体 RSSAI 评分6262 Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布 EmbeddingGemma 2，可将文本、图像、音频、视频和代码原生映射到统一嵌入空间。模型基于 Gemma 4 架构，740M 参数，采用 Apache 2.0 许可，权重已上架 Hugging Face 和 Kaggle。
科技媒体 RSSAI 评分6262 Google 发布端侧多模态嵌入模型 EmbeddingGemma 2，采用 Apache 2.0 开源
Google 发布 EmbeddingGemma 2，这是其首个原生多模态开放嵌入模型，将文本、代码、图像、音频和视频统一到一个共享空间，采用 Apache 2.0 许可证。
Hacker NewsAI 评分2424 4dcodebench：在动态场景逆向图形上评测 AI 智能体
4dcodebench 是一个在动态场景逆向图形任务上评测 AI 智能体的基准。该基准聚焦于让智能体从动态场景中反推图形代码，目前已在 Hacker News 上发布。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿。
推荐理由：EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间，并给出端侧内存与向量截断的具体数据，便于评估本地多模态检索的可行性。
科技媒体 RSSAI 评分5858 Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布开源嵌入模型 EmbeddingGemma 2，参数规模 7.4 亿，可将文本、图像、视频、音频和代码转换为向量。该模型支持端侧运行，仅需约 191 MB 内存，Google 称其表现优于部分参数量为其两倍的竞品。与 Gemma 4 等小型开源模型搭配，可在不向外部服务器发送数据的情况下运行离线 RAG 应用。
科技媒体 RSSAI 评分6060 Google 发布 7.4 亿参数开源嵌入模型 EmbeddingGemma 2
Google 发布开源嵌入模型 EmbeddingGemma 2，参数规模 740M，可将文本、图像、视频、音频和代码转为向量。Google 称该模型在多模态嵌入基准上优于规模两倍的竞品。
科技媒体 RSSAI 评分4242 Gemini Guided Vision 登陆 Android 9 及以上设备
Gemini 宣布 Guided Vision 面向运行 Android 9 及以上设备的 Android 用户开放，覆盖支持 Gemini Live 的地区和语言。用户需将 Gemini 应用与 Android 系统软件更新至最新版本，该功能与无障碍社区合作开发。
科技媒体 RSSAI 评分2323 Gemini Live 引导视觉助调整镜头
Gemini Live 在共享摄像头并开启引导视觉（Guided Vision）时，Gemini 会充当对话伙伴，当摄像头角度太高、太近或略微偏到一侧，它会用自然语音提示你重新取景，比如慢慢向右平移、向下倾斜或后退一步，以获得回答所需清晰的视觉上下文。
科技媒体 RSSAI 评分4242 Gemini 推出 Guided Vision 视觉辅助功能
Gemini 推出 Guided Vision 视觉辅助功能，可帮助用户阅读细小字体和复杂文本、寻找和定位物品、描述物品并匹配细节，以及探索周围环境。该功能面向寻找物品、准备餐食、挑选穿搭等需要快速视觉帮助的日常任务，也为老年人、识字困难者或在昏暗光线下阅读细小字体的人提供实用视觉辅助。
科技媒体 RSSAI 评分6262 Gemini Live 推出 Guided Vision 实时视觉辅助功能
Google Gemini 在 Gemini Live 中推出 Guided Vision 功能，为用户提供对话式实时视觉辅助。该功能与盲人和低视力社区共同开发，用户可共享摄像头，获得动态音频描述和自然的口头重构提示来探索周围环境。
科技媒体 RSSAI 评分6060 Google DeepMind 发布 EmbeddingGemma 2：基于 Gemma 4 的 740M 开源多模态嵌入模型
Google DeepMind 发布开源嵌入模型 EmbeddingGemma 2，可将文本、代码、图像、视频和音频嵌入统一的 768 维向量空间。该模型基于 Gemma 4 架构，共 740M 参数，上下文窗口 8192 token，采用 Apache 2.0 许可。
科技媒体 RSSAI 评分6262 Google 发布 EmbeddingGemma 2：基于 Gemma 4 的原生多模态嵌入模型，Apache 2.0 开源
Google 发布 EmbeddingGemma 2，这是首个基于 Gemma 4 构建的原生多模态嵌入模型，采用 Apache 2.0 许可证，可将 100+ 语言、代码、图像、音频和视频嵌入同一向量。
科技媒体 RSSAI 评分2626 OmniReasoning：音视频联合推理
OmniReasoning 面向音视频联合推理任务，相关论文已发布。
arXivAI 评分3131 4D-HOF：面向前馈 4D 手物交互重建的手物流匹配
4D-HOF 是一个前馈框架，可从视觉基础模型生成的粗略手物状态出发重建 4D 手物交互，无需逐序列优化。它学习条件流匹配模型，将这些状态输运到交互流形上，从而修正平移等误差，避免从随机噪声生成交互带来的不稳定预测。
arXivAI 评分3636 WorldSonus：为世界模型带来声音
WorldSonus 是一个交互式视频到音频框架，为世界模型实现实时空间声音合成，应对实时生成、流中声音指令交互控制与空间对齐立体声三大挑战。该框架旨在让生成环境不再无声，并匹配交互式视频流的节奏。
科技媒体 RSSAI 评分6262 Perplexity 开源多模态决策模型 pplx-decider-v1.1-27b 登顶 Hugging Face Decision Index
Perplexity 发布开放权重多模态决策模型 pplx-decider-v1.1-27b，在新版 Hugging Face Decision Index 0.3 基准上得分最高。该模型成本为 v1 的一半，每百万输入 token 仅 $0.02，所有人均可使用。
科技媒体 RSSAI 评分6060 Google 以 Apache 2 协议开源 EmbeddingGemma 2 嵌入模型
Google 发布开源权重嵌入模型 EmbeddingGemma 2，采用 Apache 2 许可证。该模型为 740M 参数，采用模块化编码器，支持 8K 上下文窗口，可将文本、代码、图像、视频和音频映射到统一的嵌入空间。