Tavus 推出实时视频对话模型 Griffin，48% 测试者误认为真人
Tavus 推出名为 Griffin 的 Human Interaction Model，可在接收和生成视频的同时处理语音、面部表情、语调、手势和停顿。Tavus 的一项研究中，48% 的参与者在 1 分钟视频通话后认为 Griffin 是真人，此前系统最高为 2%。
#多模态
#多模态
今日 1 条The DecoderAI 评分6666
TechCrunch · AIAI 评分6262 Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 母公司 Alphabet 发布 Gemini 4 Argon，称其可处理编码、研究和写作等任务，并专门针对防御性网络工作训练，能自主发现、验证并修补关键软件漏洞。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界与落地节奏。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款模型，具体能力与开放方式尚未公布。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Omni 1.1 Flash
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来更可控的生成视频能力，通过 Gemini API 在 Google AI Studio 提供。
推荐理由：原文列出场景延长、首尾帧插值与 4K 放大等具体能力变化，可据此判断生成视频工作流的可控程度。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Pixel 11 的 Gboard 与 Live Transcribe
Google DeepMind 发布多语言手语转文本模型 SL2T，可将手语直接翻译为流式文本，首批支持美国手语（ASL）转英文，并已接入 Pixel 11 的 Gboard 与 Live Transcribe，后续将扩展更多设备与语言。
推荐理由：官方披露 SL2T 的训练数据规模、手语到文本的翻译路径与隐私处理方式，可了解手语 AI 落地的技术取舍。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布面向机器人具身推理的 Gemini Robotics ER 2，作为高层大脑负责理解物理世界、规划多步任务，并把动作执行交给底层 VLA 模型，同时原生支持调用 Google Search 等工具。
推荐理由：官方给出进度分类、时刻定位与多机协作的具体指标，可据此判断机器人高层推理的当前水位。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，作为新一代机器人的智能层，解锁全身控制、灵巧操作和多机器人协作。
推荐理由：原文给出三款模型的职责分工与开放入口，读者可据此判断机器人全身控制与多机协作的落地路径。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快、成本最低的图像模型，后者支持高质量视频生成与对话式编辑。
推荐理由：两款新模型同时开放开发者入口，并给出延迟、价格与能力边界，便于评估多模态工作流成本。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款支持 70+ 语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：Google 发布支持 70+ 语言的实时语音翻译模型，并给出开发者、企业、消费端三条落地路径。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemma 4 12B：统一的无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。官方称其基准表现接近 26B MoE 模型，内存占用不到后者一半，可在 16GB VRAM 或统一内存上运行，也是该系列首个支持原生音频输入的中等规模模型。
推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，可对照其与 26B MoE 的取舍。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言对话逐轮编辑视频。
推荐理由：Gemini Omni 把多模态输入与对话式视频编辑结合，可了解其能力边界与首发落地渠道。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列，首发 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起通过 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API、Android Studio 及 Gemini Enterprise 等渠道开放。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的成绩和开放入口，可据此判断其速度与成本取舍。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 推出 Gemini 3.1 Flash TTS，一款主打可控性与表现力的文本转语音模型，在 Artificial Analysis TTS 榜单上取得 1,211 的 Elo 分数。
推荐理由：官方给出 Elo 1211 与多语言、音频标签等能力细节，可据此判断语音生成的可控性进展。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，强化了空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计和数字读数。
推荐理由：官方给出与前代及 Gemini 3.0 Flash 的对比，并新增仪表读数能力，可据此判断机器人高层推理的进展。