IXThinker·2026-01-29 23:20

Gemini 3 Flash獲智能體視覺能力

Google DeepMind為Gemini 3 Flash推出新能力「Agentic Vision」（智能體視覺），讓模型理解圖像從靜態「猜測」變成可驗證的「深度調查」，有評論猜測此舉與DeepSeek-OCR2帶來的壓力有關。

從猜到深度調查

核心產品經理Rohan Doshi表示，傳統AI模型處理圖像時往往只是靜態看一眼，細節容易失真。Agentic Vision讓模型透過編寫程式碼縮放、檢視圖像局部，實現結構化、可驗證的視覺推理。