今日AI: Google Genie 4 与 Gemini 4 Argon

2026-10-28 知识状态。资料收集于 2026-10-28。

这一天带来了系列技术发布，包括用于交互式模拟的 Genie 4 模型首发以及来自 Google 的先进 Gemini 4 Argon。与此同时，AMD 在 ROCm 10.0.0 中引入了对 Ray 库的支持，Liquid AI 推出了多功能 LFM3 模型系列，Anima 平台则部署了 OpenAI 解决方案以优化医疗行业的工作，显著缩短了患者接待和临床文档处理时间。

今日要点 (TL;DR)

• Google Genie 4：能够生成响应自然语言的逼真、交互式模拟的新型多模态模型。
• Gemini 4 Argon：专为复杂多步骤任务设计的模型，包括生成 3D 视觉效果和分析大型数据集。
• AMD ROCm 10.0.0：引入了对 Instinct 系列加速器 Ray 2.58.0 库支持的软件更新。
• Liquid AI LFM3：参数规模为 2B 的紧凑型模型系列，针对终端设备上的性能进行了优化。
• Anima：在医疗机构中部署了 GPT-6 和 GPT-Live 模型，实现了患者问诊和文档流转的自动化。

Google 发布 Genie 4

Google 于 10 月 27 日宣布推出 Genie 4，这是一个旨在生成高真实感交互式模拟的新世界模型。该系统具有原生多模态能力，这意味着除了图像之外，它还能实时生成环境声音、音乐以及互动对话。

该模型基于 Gemini 系列架构。Gemini Omni 组件负责模拟中外观和行为的真实感，而该系列的其它模型则提供维持世界一致性和连续性所需的推理能力。Genie 4 允许用户发起事件，模型会对环境反应、移动角色和声音做出回应。在模拟过程中，可以使用自然语言修改场景，例如改变天气、相机位置或添加新对象。用户可以使用标准键盘控制在生成环境中导航。

目前，Genie 4 正作为预览版本向选定的测试人员开放。更广泛的用户群体访问权限从 Project Genie 项目中的 Google AI Ultra 订阅者以及早期访问 Gemini API 和 Google AI Studio 的合作伙伴开始提供。感兴趣的人士可以通过项目网站加入候补名单。

对于 AI 构建者：从事机器人训练环境的团队和交互式体验的创作者可以在早期访问中测试该工具。该公告未公开说明测试阶段结束后的模型使用成本、生成序列长度的限制，或 Project Genie 计划之外用户的完整功能可用性——这些信息需要在 API 文档中进行验证。

Google 发布 Gemini 4 Argon 模型

Google 于 2026 年 10 月 27 日发布了新的 Gemini 4 Argon 模型，旨在执行复杂的多步骤任务并处理多媒体。该工具旨在解决高级研究和编程问题，允许用户基于简单的指令生成 3D 视觉效果、创建交互式动画以及开发应用程序。

该模型利用高级推理和视觉感知进行长期工作流。在内部测试中，Gemini 4 Argon 生成了 5,000 行数学代码来渲染 3D 场景，而无需外部库。其他应用包括将诸如来自火星任务的 80,000 个文件等数据转化为管理层报告，或创建物理模拟，包括用于渲染头发动力学的引擎。

Gemini 4 Argon 通过 AI Studio 中的 API 和 Gemini 平台向开发人员和企业开放。Google AI Ultra 和 Pro 订阅者可以在 Gemini 应用程序、Google Antigravity 平台以及搜索引擎中的 AI Mode 功能中使用该模型。

对于 AI 构建者：开发多媒体应用程序的开发人员可以测试该模型生成 3D 渲染代码和交互式物理元素的能力。新闻稿未明确该模型在波兰语中的可用性、各订阅计划中的请求限制，或企业解决方案的详细定价，在开始集成之前应对此进行验证。

AMD ROCm 10.0.0 支持 Ray 2.58.0

AMD 于 10 月 27 日宣布在 ROCm 10.0.0 软件套件中引入对 Ray 2.58.0 库的支持，这使得人工智能工作负载能够在 AMD Instinct 加速器上进行扩展。

新版本允许在 Instinct 芯片上运行现有的 Ray 代码，而无需对设备代码进行修改。这确保了对包括数据加载、分布式训练以及大语言模型 (LLM) 服务在内的流程的支持。经过验证的技术栈包含 PyTorch 2.12、针对 ROCm 的 vLLM，并支持当前的 GPU Instinct 模型，包括 MI355X 单元。

通过对诸如 MI300X、MI325X 和 MI355X 等特定加速器类型的原生支持，系统可以识别集群中的特定 GPU 模型。这转化为管理异构设备集群的能力，其中各个任务被路由到为其进行了微调的硬件。该出版物展示了使用 vLLM 和 Ray Serve 运行符合 OpenAI API 的 LLM 端点的示例，其中通过使用张量并行性将模型划分到各个设备之间，并由 RCCL 库处理通信。ROCm 10.0.0 中的内核和驱动程序优化旨在减少操作开销并加速主机与设备之间的数据传输。Ray 库是一个开源框架，用于在 CPU 和 GPU 集群中扩展 Python 应用程序，除其他外，还用于超参数调整和强化学习。

对于 AI 构建者：管理分布式 GPU 集群的工程团队可以通过配置任务调度来测试现有 Ray 代码向 Instinct 架构的迁移。该材料未明确第三方软件许可证的要求、对旧硬件版本的长期技术支持，或在不同云环境中维护基础设施的成本——这些问题在进行集成之前需要进行验证。

Liquid AI 推出 LFM3 模型系列

Liquid AI 于 10 月 27 日宣布推出新一代 LFM3 模型，该模型在约 2B 参数的单一架构中集成了文本、视觉、音频和决策功能。这些模型在循环中利用硬件架构搜索，使其能够从手机和 Raspberry Pi 5 到笔记本电脑以及 Qualcomm Hexagon NPU 的各种硬件上高效运行。

该系列的基础是 LFM3-1.7B-Base 模型，拥有 24 层，并在 22T 令牌上进行训练。与上一代相比，该架构针对代理任务进行了重新设计，这些任务需要长上下文下的快速推理，在此模型中上下文长达 25K 令牌。制造商声明，在处理 8K 令牌时，该模型比前代产品快约 25%，同时保持了类似性能。

该系列还包括：

• LFM3-VL-2B：一个拥有 1.9B 参数的视觉模型，它是公司产品中第一个支持视频、对象识别和逐步推理的模型。该模型在 62 个视觉基准测试中的结果平均达到了 71.4，据创作者称，这使其达到了 Gemma 4 12B 模型的水平。
• LFM3-Audio-2B：支持语音识别、合成、18 种语言翻译以及音频推理的模型。它使用了新的编码器和音频编码器，在语音质量上获得了 UTMOSv2 3.83 的分数。

这些模型可以通过 transformers 库获取。在诸如 WebArena-Verified 等代理测试中，LFM3-1.7B 模型获得了 38.42 的分数，在浏览器和商业应用程序中执行的长期任务中超过了 LFM2.5-2.6B 和 Qwen3.5-9B。

对于 AI 构建者：部署本地代理系统的团队可以在自己的硬件上针对工具支持和函数调用测试这些模型。该公告未提供有关商业许可证、支持语言完整列表以及使用自身数据维护基础设施成本的信息——在投入生产运行之前，必须验证这些数据。

Anima 利用 OpenAI 模型实现患者接待自动化

医疗平台 Anima 部署了 GPT-6 和 GPT-Live 模型，以实现医疗机构中临床文档处理和电话呼叫处理的自动化。根据 10 月 23 日的信息，该系统目前服务于过去由 1000 多家诊所服务的超过 1400 万名患者，主要在英国，并计划向美国和澳大利亚市场扩张。

该解决方案的核心是基于 GPT-Live 的语音助手 Andi，它负责进行医疗问诊。与患者的对话由临床政策引擎引导，GPT-5.4 mini 模型选择适当的问卷。收集的数据以结构化形式传输到医生面板。由于此解决方案，诊所将接通等待时间从 40-50 分钟缩短至 10 分钟，减少了至少 75%。在满意度调查中，86% 的患者表示愿意再次使用该助手。

在文档处理方面，Anima 利用 GPT-6 提取关键信息，例如发件人数据、文档类型和事件日期。系统自动将文档与患者匹配，并从包含约 800,000 个可能 SNOMED 代码的列表中建议适当的临床代码。上下文学习（in-context learning）的应用允许系统适应每个诊所的特性，而无需对模型进行昂贵的二次微调。因此，诊所将文档处理吞吐量从每小时 15 份增加到多达 60 份，这使得能够快速清理超过 100,000 份文档的积压。

对于 AI 构建者：医疗机构中的 IT 团队可以检查如何将上下文学习与自己的临床编码系统集成，而不是对模型进行微调。该来源未明确该系统是否支持英语以外的语言，在此处理规模下 API 的总成本是多少，以及在英国以外司法管辖区中数据保护法规的合规性问题如何。

常见问题解答 (FAQ)

Genie 4 模型提供哪些功能？

Genie 4 是一个多模态世界模型，可以实时生成图像、音效和互动对话。用户可以使用标准控制器在生成的环境中导航，并使用自然语言修改场景元素，例如天气或相机位置。

Anima 是如何使用 OpenAI 模型的？

Anima 平台使用 GPT-6 从临床文档中提取信息并匹配医疗代码。此外，基于 GPT-Live 的语音助手 Andi 对患者进行医疗问诊，这使得与机构的接通等待时间缩短了至少 75%。

可以在哪些设备上运行 LFM3 模型？

通过循环中的硬件架构搜索，LFM3 模型在各种硬件上都很高效。创作者指出，它们可以在从手机、Raspberry Pi 5 到笔记本电脑以及诸如 Qualcomm Hexagon NPU 等专用处理器的设备上运行。

来源

• Genie 4: A new generation of world simulation — 2026-10-27
• 8 examples of Gemini 4 Argon in action — 2026-10-27
• ROCm 10.0.0 Support for Ray 2.58.0: Enabling Scalable AI Workflows — 2026-10-27
• Build specialized multimodal models with LFM3 — 2026-10-27
• Anima helps clinics cut call waits by 75% with GPT-6 and GPT-Live — 2026-10-23

--- 文本由 aipoc-lab (AI) 实验室根据上述公开可用来源自动准备。自主摘要，非复制。人工编辑前的版本。