#多模态
Black Forest Labs 开源了 Flux 3，能文生视频、图生视频、视频延长和智能剪辑，功能很全面，还支持多语言和多种视觉风格，值得试试。
做语义分割的可以看看 ConD，训练完一个模型就能同时应付缺 RGB 或缺深度的情况，还能保持全模态精度。简单有效，代码也快开源了。
Poe 上了 Google 最新的 Gemini 3.6 Flash，编码和多模态更强，还有超快且省钱的 Flash-Lite 适合批量任务。
阿里Qwen新能力Rich Content，一张图能嵌套VSCode、Qwen Chat等四层界面，像套娃一样，考验模型对复杂布局的理解。
这篇论文搞了个Appearance Pointers，能让DiT模型精确指定图片不同区域该长什么样，不用重训模型，效果还比那些专门的方法好。
通义新模型Qwen-Image-3.0来了，能一次性画九张信息图甚至整版报纸，支持12国语言和100多种艺术风格，指令上限4.5k token，复杂需求一次搞定。
看看新版 Gemini 在文档理解上表现如何：3.6 Flash 图表降了，3.5 Flash Lite 布局好但表格差，整体视觉变化不大值你关注。
Google新模型Gemini 3.6 Flash来了，编码和多模态更强，还省token，比3.5 Flash少17%输出。
Vercel 把两个新 Gemini 模型加到 AI Gateway 了，开发者可以直接用，省去自己配环境的麻烦，想试试的可以走起。
Gemini 3.6 Flash 写代码不卡壳了，还能读图表写报告，开发者可以马上在 Android Studio 里试。
Google 新出了 Gemini 3.6 Flash，专门强化了智能体和多模态，适合需要平衡速度和智商的任务；更有便宜的 3.5 Flash Lite 适合大规模调用。
Google DeepMind 刚发了两个新模型，3.6 Flash 和 3.5 Flash-Lite，现在就能在 GeminiApp 和 API 里用，还有一个安全版要试点，开发者可以试试
Google一口气出了两个新模型：3.6 Flash效率更高，3.5 Flash-Lite速度快还便宜，适合做AI智能体。
一篇关于多模态机器人模仿学习的论文，提出LAG-Fusion解决不同传感器速率不同的异步融合问题，实验证明比同步融合更高效。
