多模态

Google在Gemini API中推出代理式视频理解，支持Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite；官方称该功能可按目标动态检查视频片段，以降低长视频分析的令牌和成本。

Liquid AI 发布 LFM2.5-VL-3B 视觉语言模型，强调端侧运行、屏幕理解、目标定位、多图输入与函数调用能力。