Technologiebereiche
Fähigkeiten über Text hinaus: Fortschritte bei Modellen und Produkten für Bildverständnis, kombinierte Bild- und Texteingaben sowie Audio- und Videoein- und -ausgabe.
4 Beiträge in der AuswahlLetzte 30 Tage 4 EinträgeInsgesamt erfasst: 13 Einträge
Mistral AI stellt Mistral Large 4 als öffentliche Vorschau bereit; die API ist über Mistral Studio nutzbar。
Grund für die Empfehlung: Die Vorschau per API und die erst für Monatsende angekündigten offenen Gewichte zeigen, welche Zugangsform bereits verfügbar ist und welche noch aussteht.
Microsoft Research stellt Quine vor, ein experimentelles Forschungssystem mit einem multimodalen Weltmodell der Biologie und einer Verbindung zu wissenschaftlichen Werkzeugen。
Grund für die Empfehlung: Die Verbindung von Modellvorhersagen und Labortests zeigt am Beispiel von Bauchspeicheldrüsenkrebs, wie Quine die Auswahl von Wirkstoffen für weitere Versuche unterstützt.
Google DeepMind stellt Gemini 3.8 Live mit Live Avatar für visuelle Gespräche nahezu in Echtzeit vor. Die Funktion verbindet Sprache und Video。
Grund für die Empfehlung: Die Kombination aus laufendem Dialog und Video zeigt, wie Unternehmen virtuelle Gesprächspartner einsetzen können, ohne die Unterhaltung bei Datenabfragen zu unterbrechen.
Google DeepMind stellt Gemini 3.8 Live für skalierbare Sprachdialoge und Gemini 3.8 Live Extended Thinking für komplexe Aufgaben mit mehrstufigem Schlussfolgern vor. Gemini 3.8 Live verarbeitet visuelle Eingaben nahezu in Echtzeit und unterstützt Sprachwechsel zwischen 97 Sprachen während eines Gesprächs. Beide Modelle werden ab heute über die Gemini API und Google AI Studio bereitgestellt; für Unternehmen gibt es eine private Vorschau.
Grund für die Empfehlung: Die Angaben zu Echtzeitdialog, Werkzeugaufrufen und gestaffelter Verfügbarkeit zeigen, welche Bausteine Google DeepMind für sprachgesteuerte Arbeitsabläufe anbietet.