#multimodal

Google DeepMind 的 EmbeddingGemma 2 現已登陸 Ollama

Ollama 已支援 Google DeepMind 的 EmbeddingGemma 2，開發者可在本機運行這款多模態端側嵌入模型。

Google DeepMind 推出 EmbeddingGemma 2。這是其首個專為裝置端嵌入設計的原生多模態開放模型，將文字、程式碼、圖像、音訊與影片整合至統一空間。

Sydney Runkle 表示，Deep Agents 在 OpenAI Responses 現已支援 docx、pptx、xlsx、csv、json 與 markdown 檔案，不再僅限 PDF，並新增了可選的二進制卸載功能及多項可靠性修復。

OpenCode 表示，LongCat-2.5-Preview 免費兩週。此預覽版具備 100 萬上下文視窗，支援多模態，並採用零數據留存。

Qwen3.8-Omni-Flash 專為跨文字、音頻及影片的長程智能體任務而訓練，採用 Qwen3.8-Next 的稀疏混合專家設計，上下文視窗達 100 萬個 token。兩個開源框架 Qwen-MM-Plugins 與 Qwen-Live-Harness，分別加入多模態及實時智能體支援。

OpenRouter 現已提供 Perceptron Mk1.5，並形容其為 Perceptron 面向實體智能體的具身推理模型。該模型接受文字、圖像、影片和音訊輸入，除文字外，亦可以點、框、多邊形和影片片段作回應。

Command Code 正於所有方案免費提供 Space Bunny Alpha，並稱其為隱身模型。該模型具備 1M context，並屬多模態。

Cline 表示，這款隱身模型可在 Cline 免費使用，支援多模態輸入，上下文視窗為 100 萬 token。Cline 亦形容該模型推理速度快，程式編寫能力強。

OpenRouter 將 Space Bunny Alpha 描述為推理速度快、可調整推理的 flash 模型。它接受文字、圖像和影片輸入。

B.AI 現於其 API 及網頁聊天提供 Xiaomi MiMo 的開放權重模型 MiMo-V2.6-Pro 與 MiMo-V2.6-Flash。兩者均為原生多模態推理模型，具備 1M 上下文窗口，並可完整理解文字、圖像、影片與音訊。

B.AI 已提供小米 MiMo-V2.6-Pro 與 MiMo-V2.6-Flash，並同步開放 API 和網頁對話。兩款模型均支援 100 萬 token 上下文，涵蓋文字、圖像、影片和音訊。