Gemini Decisions API: Fast, calibrated multimodal decisions
欢迎使用Gemini决策API，基于我们的先进模型Gemini Decision，实现快速、校准的多模态决策。
推荐理由：请对照Google AI Blog原文，核对完整说明及适用条件。
#多模态
Google AI Blog精选评分9292
OpenAI News评分7070 Introducing Images 2.6
图像 2.6 使图像生成更快，GIF 创建更便捷，编辑更精确，并新增了跨 ChatGPT、Codex 和 API 的 API 控制。
推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。
GitHub Changelog评分8686 Generate and edit images directly in Copilot
原文摘录（自动中文摘要暂不可用）：Generate and edit images directly in Copilot You can now generate and edit images using natural language in GitHub Copilot. When you ask for an image, your selected reasoning model calls a dedicated image-generation tool powered by… The post Generate and edit images directly in Copilot appeared first on The GitHub Blog .
推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。
Apple Machine Learning Research评分6868 Pixels to Tokens: Token Space Efficient Active Learning for Low-Budget Semantic Segmentation
尽管基础模型和视觉变换器（ViTs）重新定义了视觉表示，当前用于这些基底的主动学习策略大多在像素或区域级别运作，由于需要大量像素标注，标注要求较高。将ViT基主动学习扩展到像素级、低成本的范式极具挑战性：每张图像只需一个像素查询，方法必须同时识别最具信息量的位置并从极稀疏的信号中训练可靠的解码器头。我们引入TEAL（Token-space Efficient Active Learning）……
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
Apple Machine Learning Research精选评分8383 Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents
多模态代理在执行每个动作前通常生成自由形式推理。小型模型因模型容量有限，可能导致推理过程冗长，虽能提供少量有用指导，但会带来较高的推理成本。为解决此问题，我们引入基于选择的结构化推理（SSR），该框架将推理转化为选择而非开放式生成。SSR将重复的高层推理表示为预定义、可复用的自然语言候选。在每一轮中，模型根据候选推理内容进行选择，以优化推理效率。
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
Apple Machine Learning Research精选评分8383 The Design Space of Tri-Modal Masked Diffusion Models
离散扩散模型作为自回归语言模型的有力替代方案，近期工作从文本、图像-文本和音频-文本数据中零初始化并微调基础单模态模型，实现多模态生成。与以往方法不同，我们首次提出三模态掩码扩散模型（MDM），并系统分析多模态缩放规律、模态混合比例、噪声调度、批大小效应，提供优化的推理采样默认值。批大小分析得出新颖的随机微分方程（SDE）...
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
OpenAI News评分8181 Higgsfield takes AI video from 1 minute to over 10
Higgsfield 通过 GPT-6 Astra 提供更长的视频，使用 GPT-Image-2.5 获取精确的视觉效果，并通过 GPT-Live 实现语音电影制作路径。
推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。
OpenAI News评分8686 Pollo AI turns creative ideas into campaigns with OpenAI
原文摘录（自动中文摘要暂不可用）：Pollo AI turns creative ideas into campaigns with OpenAI With GPT-5.6, GPT-6 Astra, and GPT‑Image‑2.5, Pollo AI helps creators turn bold ideas into detailed images and cinematic video ads.
推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。
Google DeepMind评分8484 EmbeddingGemma 2: an open, lightweight multimodal embedding model
嵌入Gemma 2 是一个开放、轻量级的多模态嵌入模型
推荐理由：请对照Google DeepMind原文，核对完整说明及适用条件。
Claude Code Releases评分8484 Claude Code Releases v2.1.288：Added $.ui.selection() for mods: returns the text you last...
新增了$.ui.selection()功能，用于模组，返回全屏模式下最后选中的文本，若选择范围在一条转录行内，则返回该行。新增了云会话内置的GitHub CLI支持，若图像无GitHub CLI，则内置API可用。修复了发送文件名、jq过滤器或GitHub错误到终端的控制字符问题。当Ctrl+C清空提示时，新增了恢复功能：按Up键可恢复草稿，包括粘贴的文本和图片。当MCP服务器请求更多OAuth范围时，新增了重新认证提示。新增了/code-review命令行参数--max-findings <n>|all，用于报告更多或更少的发现，选择项持续生效直到默认值被设置。新增了Ctrl+F用于按名称查找会话，Alt+↑/↓可在代理视图中切换组，均可在keybindings.json中重绑定。新增了屏幕阅读器模式的权限模式公告，包括Shif /no_think
推荐理由：请对照Claude Code Releases原文，核对完整说明及适用条件。
Cloudflare AI评分8484 AI Search is now generally available
AI搜索现已一般可用。它直接嵌入图像像素进行视觉搜索，对扫描的PDF文件运行光学字符识别，可接受最多10 MiB的文件，并与任何聊天模型兼容。以下为新功能及定价方式。
推荐理由：请对照Cloudflare AI原文，核对完整说明及适用条件。
Cloudflare AI评分9090 Cloudflare Containers, rebuilt to scale agent sandboxes
Cloudflare 容器现在启动速度提升 6 倍，让您的代理在运行时可选择每个沙箱的镜像和实例类型，并支持公测中的文件系统快照。
推荐理由：请对照Cloudflare AI原文，核对完整说明及适用条件。
Apple Machine Learning Research评分7777 Compressing Streaming Neural Audio Encoders via Latent-Space Distillation
苹果设备上的系统级语音转录完全在设备端运行，语音数据通过分词器（编码器）传递至基础模型：该编码器将短时音频波形映射为语言模型可读的表示。由于该模型在遵循指令的剪枝下稀疏激活，因此在任何时刻仅一小部分专家占用DRAM，始终运行的分词器与之竞争内存，其参数数量直接影响功耗和延迟。本研究探讨如何通过蒸馏压缩此类分词器，以作为监督信号……
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。