Jina AI 发布性能超越 OpenAI 12% 的嵌入模型

谷歌 Gemini CLI 开源命令行工具

谷歌 Gemini CLI[1] 是一款对标 Claude Code 的开源命令行工具，提供免费使用额度：每分钟支持 60 次模型请求，每日上限 1000 次。

通过简单的 npm install -g @google/gemini-cli 命令即可快速安装。

该工具集成了 MCP 框架、谷歌搜索等实用功能，还能调用谷歌最新的视频生成模型 Veo 和图像模型，还要什么自行车。

谷歌推出 Imagen 4 系列图像生成模型

谷歌在 Gemini API 和 Google AI Studio 中正式推出 Imagen 4 系列模型，包含 Imagen 4 和 Imagen 4 Ultra 两个版本。目前提供免费试用，API 定价分别为每张 0.04 美元和 0.06 美元。

从官方展示的效果来看，这一代模型的生成质量确实不错，完整介绍可以查看官方博客[2]。

不过老用户都知道，谷歌的生图规则一向很保守，很容易就触发风控机制，不知道这一代模型在这方面会不会有所改善。

DRA-Ctrl：基于视频模型的跨维度图片编辑技术

DRA-Ctrl[3]（Dimension-Reduction Attack）是一个创新的跨模态图片编辑框架，通过整合视频模型中的视觉、时间、空间和因果等多维度高维特征表示，实现对图片主体的状态预测与精准编辑。

一种非常有意思的编辑图片的思路，佬们可以在线体验[4]下看看。

谷歌开源 VideoPrism：让 LLM 轻松理解视频内容的通用嵌入模型

VideoPrism[5] 是谷歌开源的一个通用视频嵌入模型，能够将视频转换为向量表示。

视频向量化可以让 LLM 轻松处理各种视频理解任务，包括分类、检索、定位、字幕生成和问答等。

代码和模型都已经发布了，有需要的佬不要错过。

Jina AI 发布性能超越 OpenAI 12% 的嵌入模型

Jina AI 最新推出的 jina-embeddings-v4[6] 是基于 Qwen2.5-VL-3B-Instruct 的多模态多语言通用嵌入模型。

该模型支持单向量和多向量嵌入输出，在多语言检索任务中的性能表现尤为突出 - 比 OpenAI 的 text-embedding-3-large 高出 12%。

目前的话，既可以通过 Jina API 直接调用，也可以自行部署模型使用。