跳到正文
10月28日周三
  1. Hugging Face Blog73

    Liquid AI 发布 LFM3 系列 2B 参数级多模态基础模型

    Liquid AI 发布 LFM3 系列模型,包含文本、视觉、音频、全模态和决策共六款 2B 参数级模型,均基于 LFM3-1.7B-Base 训练并支持单 GPU 微调。新架构采用三混合层设计,上下文窗口扩展至 256K tokens,文本模型在 4-bit 精度下约 1 GB,可在手机等端侧设备运行本地 Agent。

    推荐理由:原文给出了六个 2B 级模型的架构细节与单卡微调路径,读者可据此评估在端侧部署专用多模态智能体的可行性。

  2. Google DeepMind75

    Google DeepMind 发布 Genie 4 实时交互式世界模型

    Google DeepMind 发布 Genie 4 世界模型,支持原生多模态生成,可在实时交互中同时输出画面、环境音和人物对话。该模型基于 Gemini 系列构建,其中 Gemini 3.8 Flash 作为引导 Agent 在循环中拆解目标并验证步骤,Gemini 4 Argon 则用于将任务分解为可渲染的实时步骤。

    推荐理由:Genie 4 将 Gemini 的推理能力引入实时世界模拟,展示了用文本和音频联合驱动物理与角色行为的新范式。