AINews：Gemini 4 Argon 正式发布，Vals AI 谈基准测试
Gemini 4 Argon 今日正式 GA，面向编码、知识工作、企业工作流和网络防御开放，覆盖付费 Gemini API、Gemini 应用及 Antigravity 等入口。
推荐理由：汇总了 Gemini 4 Argon 发布当天的定价、评测与部署反馈，可快速了解前沿模型竞争格局。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
8 条精选近 30 天 8 条共收录 12 条
更新
多模态的精选
Latent Space精选AI 评分7878 Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity 及 Gemini 应用和搜索 AI Mode 提供，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、科研与安全上的实测数据与开放入口，可据此判断前沿模型在专业工作流中的落地程度。
Simon Willison精选AI 评分7676 Meta AI 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta AI 发布新模型 Muse Wonder 和 Muse Wonder Full，称其为目前能力最强的模型。Simon Willison 更新了 llm-meta-ai 插件以支持新模型，并展示 Muse Wonder 在 minimal、low、medium、high、xhigh、max 六个推理档位下绘制鹈鹕的结果，其中 max 档位效果最佳。
推荐理由：作者以插件适配和鹈鹕绘图对比，直观呈现 Meta 新模型在六个推理档位下的生成差异。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、Apache 2.0 许可的端侧多模态嵌入模型，参数量 740M，原生将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由：官方给出参数量、量化内存与基准提升，可据此判断端侧多模态检索的落地门槛。
Mistral AI精选AI 评分8181 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，权重将于本月底开放。模型在欧洲自有数据中心的 3800 张 NVIDIA Grace Blackwell GPU 上从零训练，训练数据覆盖 160 多种语言。
推荐理由：Mistral 迄今最大模型以开放权重和自部署切入网络安全等企业场景，可对照其与闭源模型的取舍。
Microsoft Research精选AI 评分6262 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型，以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
Google Research精选AI 评分6666 Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态跟踪问题，以缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个多智能体框架，并给出多镜头一致性与角色保持的评测结果，可了解长时程视频生成的一条工程路径。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成，实现能听、能看、能说的动态视觉形象，即日起在 Gemini Enterprise 上线。
推荐理由：官方给出 Live Avatar 的实时视频对话能力、97 种语言同步与异步工具调用细节，可据此判断企业级多模态交互的落地形态。