Gemini Robotics On-Device 2
Gemini Robotics On-Device 2 wurde am 30. Juli 2026 vorgestellt. Es ist ein effizientes Vision-Language-Action-Modell (VLA) für die lokale Ausführung auf Robotern. Es basiert laut Modellkarte auf…
MODELLVERZEICHNIS
Entdecken Sie neue Modelle, sortiert nach Veröffentlichungsdatum.
Gemini Robotics On-Device 2 wurde am 30. Juli 2026 vorgestellt. Es ist ein effizientes Vision-Language-Action-Modell (VLA) für die lokale Ausführung auf Robotern. Es basiert laut Modellkarte auf…
Gemini Robotics ER 2 Streaming Preview ist ein öffentlich verfügbares Vorschau-Vision-Language-Modell für verkörpertes Schlussfolgern in der Robotik. Der Endpunkt ist für latenzarmes, bidirektionales…
Gemini Robotics ER 2 Preview ist ein Vision-Language-Modell für verkörpertes Schlussfolgern in der Robotik. Es basiert auf Gemini 3.5 Flash und dient als übergeordnete Planungsebene; die motorische…
Gemini Robotics 2 ist ein Vision-Language-Action-Modell (VLA) von Google DeepMind. Es wandelt visuelle und sprachliche Eingaben in motorische Steuerung um und ist für humanoide sowie zweiarmige…
Qwen-Audio-3.0-ASR-Flash ist ein Modell zur automatischen Spracherkennung für kurze Audioaufnahmen. Es nimmt Audio entgegen und gibt transkribierten Text aus. Alibaba Cloud führt es als nicht…
Qwen-Audio-3.0-ASR-Flash-Filetrans ist ein Modell zur nicht-echtzeitfähigen Transkription vollständiger Audio- und Videodateien. Alibaba Cloud führt es ab 30. Juli 2026 als international verfügbares…
Ein Echtzeit-Spracherkennungsmodell von Tongyi Lab für latenzarme Streaming-Transkription und Anwendungen mit vielen gleichzeitigen Anfragen. Es verarbeitet Audio und gibt Text aus. (alibabacloud.com)…