谷歌發佈 Android17與 Wear OS7:全面集成 Gemini Omni 與 Lyria3多模態模型
重點摘要
6月16日，谷歌正式發佈Android 17最終版、Wear OS 7及Pixel Drop更新，為Pixel系列注入最新AI基礎設施，標誌端側AI應用生態深化。核心戰略依託Gemini Omni多模態大模型，全面落地多模態能力，重構底層系統交互。
### 重點整理：Android 17 與 Wear OS 7 正式登場，端側 AI 生態邁向新階段
6 月 16 日，谷歌正式推出 Android 17 最終版本、Wear OS 7 以及 Pixel Drop 更新，為 Pixel 系列裝置注入新一代 AI 基礎設施。此次更新核心在於全面整合 **Gemini Omni** 與 **Lyria3** 等多模態大模型，將多模態能力從雲端下沉至終端，標誌著端側 AI 應用生態的深度落地。這不僅是系統版本的迭代，更是一場底層交互邏輯的重構。
### 背景脈絡：從雲端到裝置的 AI 戰略轉移
過去一年，谷歌在 AI 領域的布局圍繞 Gemini 系列模型展開，但多數運算仍仰賴雲端伺服器。隨著端側晶片效能提升與模型輕量化技術成熟，將大型模型直接部署於手機與穿戴裝置成為可能。Android 17 與 Wear OS 7 的設計理念，便是把 Gemini Omni 多模態模型的核心能力——包括文字、圖像、語音、感測器數據的即時融合——直接植入系統底層。Lyria3 模型則進一步補強生成式 AI 在音訊與動態內容上的表現，讓裝置能更自然理解使用者意圖。
### 可能影響：交互模式與開發者生態的雙重變革
對一般使用者而言，最直接的改變在於系統回應將更「聰明」且「
Related
相關文章
Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages
This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather
Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight
Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp
智譜新高，MiniMax承壓，“大模型雙雄”命運殊途
這篇消息聚焦「智譜新高，MiniMax承壓，“大模型雙雄”命運殊途」。原始導語提到：大模型在被市場重新定價 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
華為昇騰 0 Day 支持智譜 GLM-5.2 模型，提供全面推理優化
華為昇騰 AI 宣佈在智譜開源 GLM-5.2 大模型當天即完成深度推理優化。通過 MOE 大融合算子、通信計算融合、高併發調度等七項關鍵技術，顯著提升編程和長程任務的處理效率，現已支持 A3 系列產品部署。#AI 大模型# #國產算力#
企業AI轉型再添利器：青雲科技算力雲接入 MiniMax-M3 模型
企業AI落地面臨高效低成本難題。青雲科技旗下基石智算平臺接入國產開源大模型MiniMax-M3，提供新算力支持。MiniMax-M3以卓越上下文處理能力等三大核心技術見長，依託自研架構，助企業便捷部署AI業務。
阿里開源統一科學大模型 LOGOS，僅用五十六分之一參數超越微軟
阿里 ATH-Token Foundry 聯閤中國人民大學高瓴人工智能學院開源科學基礎模型 LOGOS。該模型採用統一科學語法與純序列建模範式，在六大科學任務上匹配或超越傳統專用方法。其中 LOGOS-1B 僅 1B 參數，即展現出極高效率，性能超越參數量達 8×7B 的微軟模型。