谷歌开放多模态嵌入模型，文字图像音视频统一检索
谷歌发布EmbeddingGemma 2，把文字、代码、图像、音频和视频映射到同一向量空间。完整模型为7.4亿参数，采用Apache 2.0许可，模块可按输入类型选择加载；它用于检索和匹配，不是直接生成答案的聊天模型。
要点
- 完整多模态模型为7.4亿参数
- 采用Apache 2.0许可
- 用于向量检索而非聊天生成
为什么值得看
创作者的素材往往跨图片、音频和视频，统一检索底层能支持更多本地素材管理产品。
谁会受影响
开发知识库、素材搜索和隐私优先应用的独立开发者会受影响。
今天就能怎么试
从官方公告进入模型与示例入口，先用一小组图片和文本建立索引，再测试用一句中文描述寻找目标素材。
原始来源
1EmbeddingGemma 2 is a best-in-class open model for natively multimodal embeddings · Google Blog · 2026年10月7日✓ 已打开核对2EmbeddingGemma 2: An open, lightweight multimodal embedding model · Hacker News · 2026年10月7日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
Gemini 4 Argon正式开放，开发者可接入API
10月13日，谷歌扩大Gemini 4 Argon的开放范围，开发者可通过AI Studio等入口使用。首发标准输入和输出价格为每百万词元2美元、10美元，缓存输入优惠95%；Gemini应用和Antigravity的使用还取决于订阅等级。
MOSS 开放生图模型，支持中英长文字与复杂排版
MOSS-Image 结合 50 亿参数扩散模型和意图感知提示增强，重点处理长段中英文与信息密集图形。技术报告提供文字和布局评测，模型页已给出 Base、SFT 及运行说明，HF Space 也可查看并尝试带布局要求的生成流程。适合先检查文字分组效果。
DeepSeek更新V4.1闪电模型，降低编程任务成本
DeepSeek 发布 V4.1-Flash-1017，并同步更新网页、应用和接口，针对 Harness 等执行环境优化任务表现、输出长度与耗时。中文实测展示三维网页和游戏制作，同时出现建筑细节偏差；低价与成功交付仍需按完整任务一起评估。
OpenAI发布GPT-6.1 Sol，主打低价智能体
OpenAI于9月29日推出GPT-6.1 Sol，面向编程、电脑操作与专业工作。标准API每百万输入和输出词元分别为2美元、10美元，缓存输入为0.10美元；官方称部分任务表现接近Astra，已进入ChatGPT Work、Codex和API。