谷歌推出Agentic Vision功能：让AI模仿人类视觉处理图像，学习‘放大看’
（图片来自网络）
IT之家 1 月 28 日消息，谷歌 DeepMind 团队 27 日发布新功能——“智能体视觉”（Agentic Vision）
。该功能基于 Gemini 3 Flash 模型，让 AI 模仿人类处理图像的方式，学着“放大看”和深入分析细节。
传统 AI 处理图像时，像一次“快速扫过”，容易遗漏芯片序列号、路牌等细微信息。而 Agentic Vision 打破这一局限，让模型像人类一样，进入“思考、行动、观察”循环。
“思考”阶段：模型先分析用户问题和初始图像，制定处理计划。
“行动”阶段：模型生成并执行 Python 代码，主动操作图像（如裁剪、旋转、标注），或进行分析（如计算边界框）。
“观察”阶段：变换后的图像被追加到模型的上下文窗口中。这一机制让 Gemini 3 Flash 能利用更新后的数据和更佳语境进行二次检查，从而生成基于事实的最终回复。
引入代码执行能力后，Gemini 3 Flash 在多数视觉基准测试中质量提升 5 - 10% 。以建筑图纸验证平台 PlanCheckSolver.com 为例，该平台利用此功能让模型通过代码裁剪并分析屋顶边缘等高分辨率细节，使准确率提高了 5% ；在处理视觉数学问题时，模型不再依赖概率猜测，而是通过编写代码识别原始数据并调用 Matplotlib 库绘制精确图表，有效解决了大型语言模型在多步视觉算术中常见的“幻觉”问题。
Google DeepMind 表示这仅仅是开始。目前的 Gemini 3 Flash 已擅长隐式决定何时放大细节，未来版本将无需用户显式提示即可自动执行旋转图像或视觉运算等操作。
（声明：该内容经AI精编）
查看原网页
最新新闻
- 2026年1月28日：昨日社会热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日文化热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日科技热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日体育热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日娱乐热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日财经热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日教育热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：昨日汽车热门资讯汇总-早报速览（2026-01-28）
- 2026年1月28日：迈阿密国际新援雷吉隆右膝关节受伤 归期待定
- 2026年1月28日：阿森纳联赛阶段11连胜仅丢4球 本赛季前7场率先破门
- 2026年1月28日：交通运输部加强春运公路水路服务保障 推出保畅组合拳
- 2026年1月28日：凡人微光｜冰雪热潮中的平凡热爱故事
- 2026年1月28日：冰雪产业焕新：冷资源变热经济，打造全年发展‘旺火’
- 2026年1月28日：2025中国经济关键词：潜力释放 激活超大规模市场优势
- 2026年1月28日：大转折！2025年制造业利润大幅回升，反“内卷”改善价格预期
- 2026年1月28日：2026年中国外贸发展方向：从关键词看新布局
- 2026年1月28日：金沙江鱼儿回家之路：隧洞刷脸、电梯通行，生态保护见成效
- 2026年1月28日：走进“冰雪热”幕后：吉林省冰雪经济背后的劳动者故事
- 2026年1月28日：非洲留学生“小米”变身长沙经贸“纽带”，用直播架起中非经贸之桥
- 2026年1月28日：“一降一增”见证中国外贸破局前行
精彩评论（10）