Google 的 Gemma 3 支持单 GPU 部署 | AI日报0313

LATEST DEVELOPMENTS

🧠 Google 的 Gemma 3 支持单 GPU 部署

概述: Google 刚刚发布了 Gemma 3，这是一个基于 Gemini 2.0 技术的轻量级 AI 模型家族，能够在仅使用单个 GPU 或 TPU 的情况下，提供与更大模型相媲美的性能。

详细信息:

• 该模型家族有四种尺寸（1B、4B、12B 和 27B 参数），针对从手机到笔记本电脑的不同硬件配置进行了优化。
• 27B 模型在 LMArena 排行榜上的人类偏好评估中，表现优于 Llama-405B、DeepSeek-V3 和 o3-mini 等更大的竞争对手。
• 其他新功能包括 128K token 的上下文窗口、支持 140 种语言，以及分析图像、文本和短视频的多模态能力。
• Google 还发布了 ShieldGemma 2，这是一个 4B 参数的图像安全检查器，可以过滤显式内容，并轻松集成到视觉应用中。

为什么重要: Gemma 3 的表现令人惊叹，击败了在规模和计算能力上都远超它的顶级系统。这些模型仅需单个 GPU 即可运行，达到了开源、强大、快速、多模态且足够小以部署在各种设备上的理想状态，这是一项巨大的成就。

📸 Gemini Flash 新增图像生成功能

概述: Google 为其 Gemini 2.0 Flash 模型发布了新的实验性图像生成功能，允许用户直接从语言模型上传、创建和编辑图像，而无需单独的图像生成系统。

详细信息:

• 2.0-flash-exp 模型可通过 API 和 Google AI Studio 使用，支持图像和文本输出，并通过文本对话进行编辑。
• Gemini 使用推理和多模态基础来保持角色一致性，并在整个对话中理解现实世界的概念。
• 例如，你可以提示它生成一个带图片的故事，然后通过自然对话引导它达到完美版本。
• Google 表示，与竞争对手相比，Flash 2.0 在文本渲染方面表现出色，能够生成广告、社交媒体帖子和其他文本密集型设计。

为什么重要: 这一升级是 AI 生成视觉内容方式转变的重要一步，从专用图像模型转向能够原生理解文本和视觉的语言模型。正如自然语言提示在其他领域占据主导地位一样，图像编辑似乎也将成为下一个目标。

🤖 使用无代码 AI 代理处理大规模客户互动

概述: Jotform AI 代理让组织能够提供 24/7 的跨平台对话式客户服务，无需编写代码。

使用 Jotform AI 代理，你可以：

• 轻松开始使用 7,000 多个现成的 AI 代理模板
• 自动化工作流并实时触发自定义操作
• 无缝处理语音、文本和聊天查询
• 自定义代理的外观以符合品牌形象

🔬 Sakana 的 AI 撰写的同行评审论文

概述: 日本 AI 初创公司 Sakana 宣布，其 AI 系统成功生成了一篇通过同行评审的科学论文，该公司称这是第一篇完全由 AI 撰写的论文。

详细信息:

• AI Scientist-v2 生成了三篇论文，创建了假设、实验代码、数据分析、可视化和文本，无需人工修改。
• 其中一篇提交被 ICLR 2025 研讨会接受，平均评审得分为 6.33，高于许多人类撰写的论文。
• Sakana 还指出了一些注意事项，包括 AI 在引用方面出现错误，以及研讨会的接受率高于典型的会议轨道。
• 公司总结称，这篇论文未达到其内部对 ICLR 会议论文的标准，但显示了“早期进展的迹象”。

为什么重要: 尽管这一里程碑伴随着显著的局限性，但它也标志着 AI 在学术研究过程中不断推进的重要早期标志。随着 Sakana 和 Google 的 AI 共同科学家等模型的推出，科学界正在迎来一场巨大的变革。

快速浏览

• ⚙️ Responses API and Agents SDK - OpenAI 的自定义代理 DIY 工具
• ⚡️ Reka Flash 3 - 开源的 21B 参数推理 AI，支持设备端部署
• 👨🏻‍⚖️ Harvey - 为律师事务所、服务提供商和财富 500 强公司提供的 AI
• 🗣️ Wispr Flow for Windows - 使用语音在每款应用中加快 3 倍写作速度
• 新的法律文件 显示，Google 拥有 Anthropic 14% 的股份，其投资总额超过 30 亿美元。
• 阿里巴巴研究人员 开源 了 R1-Omni，这是一个新的多模态推理模型，可以通过视觉和音频上下文“读取”情绪。
• Google DeepMind 推出 了 Gemini Robotics 和 Gemini Robotics-ER，这两个基于 Gemini 2.0 的模型可以帮助机器人完成现实世界的任务，而无需训练。
• Perplexity 发布 了其 Sonar 模型的新 Model Context Protocol (MCP) 服务器，允许 Claude 访问实时网络搜索功能。
• Snap 推出 了其首个 AI 视频镜头，由内部生成模型驱动，为高级订阅者提供三种 AR 动画，并计划每周推出新选项。
• Moonvalley 发布 了 Marey，这是一个 AI 视频模型，声称仅使用授权内容进行训练，用于电影制作，能够创建 30 秒长的 HD 片段。
• Captions 推出 了 Mirage，这是一个专门为广告活动生成 UGC 风格内容的基础模型。