当前位置:

首页 > 硬件相关 > 谷歌 Gemini 3 Flash 新增“Agentic Vision”功能:将视觉推理与代码执行相结合

谷歌 Gemini 3 Flash 新增“Agentic Vision”功能:将视觉推理与代码执行相结合

谷歌Gemini3Flash推出AgenticVision模块,采用“规划、干预、复验”闭环流程,将视觉推理与动态代码执行结合,对图像进行深度解析,避免单次快照的漏检问题。该功能使复杂图像任务准确率提升5%至10%,已集成于AIStudio和VertexAI平台,开发者可通过API调用。

本文目录

    谷歌最近放出了一个重磅更新:Gemini 3 Flash 上的全新视觉模块 Agentic Vision。它的目标很明确——让 AI 在理解图像时,不再只是“扫一眼就下结论”,而是像人类专家那样,一步步仔细推敲。

    一直以来,大多数 AI 视觉模型走的都是“单次快照”路线:丢进一张图,模型立马给出判定。这在简单场景下还好,但一旦碰到高密度信息或是极细微的特征——比如远处的小字、微缩标识——这种静态方式就容易出岔子,漏掉关键细节。

    Agentic Vision 的厉害之处,在于它构建了一套类似人类推理的视觉工作流。模型不再是“被动看图”,而是像专业技术人员那样,用“规划→干预→复验”的闭环方式,对图像进行深度解析。

    1. Think(规划):模型拿到用户指令和原始图像后,会自己生成一套分阶段的视觉分析策略——就像一个研究员先想好怎么下手。
    2. Act(干预):接着,通过动态编写并运行 Python 脚本,来执行裁剪、校正角度、标记区域、计数对象等精准操作——相当于亲自上手调整工具。
    3. Observe(复验):最后,把处理过的图像作为新输入放回上下文,模型基于更清晰的视觉证据再做二次推理,给出最终答案。

    这种“观察→操作→再观察”的迭代推理,让 Gemini 在多种复杂图像任务上的准确率平均提升了 5–10%,效果相当实在。

    目前 Agentic Vision 已经集成到 Gemini AI Studio 和 Vertex AI 平台,开发者通过 Gemini API 就能调用。后续它还会出现在 Gemini App 的“Thinking 模式”中,面向终端用户开放。开发者只需在相关工具中开启“代码执行”选项,就能激活这个能力。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关
    相关文章 更多
    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498预发布说明
    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498预发布说明

    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498 均为预发布构建,分别涉及服务器、语音模型及特定后端;适用范围须按模型、硬件和请求条件区分。

    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分
    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分

    MiniMax-H3-Image新增DiffSynth-Studio文档推荐后,配置选择应围绕具体推理配方和独立训练流程展开。文档中的24GB GPU方案分别配合32GB或8GB主机RAM,所用量化、CPU或磁盘卸载方式不同;新增文档入口本身没有发布模型新权重或标注一个新的框架版本。

    Ollama v0.40.17-rc0更新该看哪些条件,MLX、Vulkan与CLI改进如何对应
    Ollama v0.40.17-rc0更新该看哪些条件,MLX、Vulkan与CLI改进如何对应

    识别Ollama完整rc0预发布标签,区分MLX并发、Vulkan集成显卡mmap、llama.cpp b12257与CLI集成更新边界。

    宏基笔记本开机没反应怎么办?电源灯亮 黑屏及不通电的解决方法
    宏基笔记本开机没反应怎么办?电源灯亮 黑屏及不通电的解决方法

    宏基笔记本遇到开机没反应、电源灯亮但屏幕黑屏,或者按下电源键完全无反应的情况该怎么办?本文通过界面与状态指示灯的观察,分步骤介绍静电释放、内存重插及外接显示器测试等实用方法,助你自行解决常见启动故障。

    hp笔记本开机没反应电源键和大小写键亮怎么回事
    hp笔记本开机没反应电源键和大小写键亮怎么回事

    惠普笔记本开机时电源键和大小写锁定键亮起,但屏幕无反应?这通常是嵌入式控制器(EC)逻辑错误或静电干扰所致。本文详解如何通过移除外设、长按电源键进行硬件复位来恢复正常启动,并提供BIOS恢复及进一步硬件检测的建议。

    电脑黑屏显卡风扇狂转怎么回事?原因与解决方法
    电脑黑屏显卡风扇狂转怎么回事?原因与解决方法

    遇到电脑黑屏伴随显卡风扇狂转?这往往是显卡过热保护、供电不足或驱动崩溃的信号。本文详解如何通过观察指示灯、重置驱动、检查线缆及清理灰尘来解决该问题,避免盲目更换硬件。

    惠普笔记本开机没反应怎么办?电源灯不亮 闪烁及黑屏解决方法
    惠普笔记本开机没反应怎么办?电源灯不亮 闪烁及黑屏解决方法

    惠普笔记本无法开机、电源灯异常或屏幕黑屏?本文详解通过移除外设、执行硬重置(静电释放)、检查适配器及内存重插等步骤,快速定位并解决常见启动故障。

    笔记本开机没反应充电没反应怎么回事 如何解决
    笔记本开机没反应充电没反应怎么回事 如何解决

    笔记本电脑突然黑屏,按电源键无反应,连接充电器指示灯也不亮?别急着送修。本教程通过释放静电、检查适配器、重置EC等实操步骤,帮你解决笔记本“假死”问题。

    电脑黑屏风扇狂转怎么办?常见原因与故障排查方法
    电脑黑屏风扇狂转怎么办?常见原因与故障排查方法

    遇到电脑黑屏且风扇狂转?这通常是硬件接触不良或供电保护触发。本文提供详细的排查步骤,包括清理内存金手指、检查显卡供电及主板放电操作,助你快速恢复电脑正常启动。

    机械革命笔记本开机没反应怎么办
    机械革命笔记本开机没反应怎么办

    机械革命笔记本按下电源键没反应?本文详解静电释放法、电源适配器检查及内存重插等实操步骤,帮助用户快速定位并解决开机无响应问题,避免盲目送修。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。