#multimodal

Google DeepMind 的 EmbeddingGemma 2 现已上线 Ollama

Ollama 已增加对 Google DeepMind 旗下 EmbeddingGemma 2 的支持，开发者可在本地运行这款多模态端侧嵌入模型。

Google DeepMind 推出 EmbeddingGemma 2。这是其首个面向端侧嵌入的原生多模态开放模型，可在统一空间内整合文本、代码、图像、音频与视频。

Sydney Runkle 表示，Deep Agents 在 OpenAI Responses 现已支持 docx、pptx、xlsx、csv、json 与 markdown 文件，不再仅限 PDF，并新增了可选的二进制卸载功能及多项可靠性修复。

OpenCode 称 LongCat-2.5-Preview 免费两周。该预览版具备 100 万上下文窗口，支持多模态，并采用零数据留存。

Qwen3.8-Omni-Flash 面向跨文本、音频和视频的长程智能体任务训练，采用 Qwen3.8-Next 的稀疏混合专家设计，上下文窗口为一百万 token。两个开源框架 Qwen-MM-Plugins 和 Qwen-Live-Harness 分别补充多模态与实时智能体支持。

OpenRouter 现已提供 Perceptron Mk1.5，并将其描述为 Perceptron 面向物理智能体的具身推理模型。该模型接受文本、图像、视频和音频输入，除文本外还可返回点、框、多边形和视频片段。

Command Code 正在所有方案中免费提供 Space Bunny Alpha，并将其称为隐身模型。该模型拥有 100 万上下文，并支持多模态。

Cline 称这款 stealth 模型已在 Cline 中免费提供，支持多模态输入，上下文窗口为 100 万 token。Cline 还称该模型推理速度快，编程能力强。

OpenRouter 将 Space Bunny Alpha 描述为一款推理速度快、推理强度可调的 flash 模型。该模型接受文本、图像和视频输入。

B.AI 现已在其 API 和网页聊天中提供 Xiaomi MiMo 的开源权重模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash。两者均为原生多模态推理模型，上下文窗口为 100 万，并完整支持文本、图像、视频和音频理解。

B.AI 已提供小米 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash，并同步开放 API 和网页对话。两款模型均支持 100 万 token 上下文，覆盖文本、图像、视频和音频。