跳到正文
只看模型#具身智能
  1. Google DeepMind88

    Google DeepMind 发布 Genie 4 世界模型，支持原生音频与实时交互模拟

    Google DeepMind 发布 Genie 4，这是一款原生多模态世界模型，能同时生成视觉、音频和交互式对话。该模型结合 Gemini 系列能力，支持通过自然语言实时修改场景、模拟物理现象及人物行为。目前 Genie 4 已向可信测试者开放研究预览，后续将面向 Google AI Ultra 订阅者及 Gemini API 合作伙伴推出。

    推荐理由：Genie 4 将原生音频生成与 Gemini 实时推理结合，展示了交互式世界模拟在物理一致性和多模态反馈上的新边界。

  1. The Decoder82

    Google 发布 Gemini 4 Argon，旨在成为机器人全流程唯一所需 AI 模型

    Google 发布 Gemini 4 Argon，宣称其能覆盖机器人控制、虚拟仿真构建及训练数据评估的全流程。在 ERQA 基准测试中，该模型以 87% 的得分领先 Claude Opus 5.5 约 5 个百分点，但在 AA-Robotics 真实机器人控制测试中仅排第三。目前该模型仅向 Google AI Ultra 订阅用户开放，开发者可通过 Gemini API 付费层级访问。

    推荐理由：文章通过具体演示和基准测试对比，展示了该模型在机器人控制与仿真生成中的实际表现及局限。

已经到底了