跳到正文
#多模态
9月16日周三
  2. Google · AI 博客27

    Google 用 AI 加速科学研究并改善生活

    Google 宣布其技术现已支持超过 300 种语言，覆盖全球 86% 人口（70 亿人），并发布 AI 与经济 ATLAS 交互洞察。近期科学进展包括：AlphaGenome Atlas 开放预测人类基因组全部 90 亿种单碱基变化的影响；WeatherNext 3 全球天气模型降水预报提前一天以上准确度提升 50%；Planetary Prediction Engine 已用于刚果（金）埃博拉疫情并按 21 项 CDC 健康指标识别美国脆弱社区。

9月14日周一
  1. Hugging Face · 趋势模型58

    Google DeepMind 开源 EmbeddingGemma 2 多模态嵌入模型

    Google DeepMind 在 Hugging Face 开源 EmbeddingGemma 2，一个 740M 参数的多模态嵌入模型，将文本、代码、图像、视频和音频统一映射到 768 维向量空间，支持 100+ 语言和 8K token 上下文。模型采用 MRL 支持截断到 128d 至 512d，可在 256d 内接近无损地降低向量存储成本，并允许按需加载视觉（170M）与音频（300M）编码器；文本编码基准 MTEB code 得分 78.68，较一代的 68.76 明显提升。

    推荐理由：官方模型卡给出各维度基准分数、MRL 截断表和部署配置，对想在端侧做多模态检索的开发者是可落地的选型参考。

8月22日周六
  1. GitHub · Blender AI 插件56

    xiaohai-uid 开源 blender-mind-mcp：MCP 服务器与 Blender 插件实现自动 3D 建模

    xiaohai-uid 在 GitHub 发布 blender-mind-mcp，一套生产级 MCP 服务器加 Blender 3.x/4.x 插件，支持自动化 3D 建模、程序化资产生成、PBR 材质编写和多模态视口检查，提供 10 个 MCP 工具。针对 bpy 非线程安全的问题，插件用 queue.Queue 配合 bpy.app.timers 保证场景修改在主线程执行，并每次 AI 代码执行后支持 Ctrl+Z 回滚；架构上采用六边形架构，支持 Live Socket、headless CLI 和离线 glTF 模拟三种驱动，测试覆盖 4 级 Truth Ladder。

8月10日周一
  1. Ollama Blog75

    Meta Superintelligence Labs 首个开放模型 Muse Glimmer 上架 Ollama

    Meta Superintelligence Labs 首个发布的开放模型 Muse Glimmer 现已登陆 Ollama。该模型为 30B 多模态模型，专为本地运行的 Agent 工作负载构建，支持 128K+ 上下文，采用 Apache 2.0 许可证。

    推荐理由：官方说明了在 Ollama 上运行该模型的具体命令、MLX 引擎的 DFlash 加速倍数和图像输入用法，可直接照做。