本文综述了谷歌近期发布的几款AI工具和模型，包括开源的Gemini CLI命令行工具，方便用户免费调用谷歌最新的视频和图像生成模型；Imagen 4系列图像生成模型，提供高质量的图像生成能力；DRA-Ctrl，一个创新的跨模态图片编辑框架，通过整合视频模型实现对图片的精准编辑；以及VideoPrism，一个开源的通用视频嵌入模型，帮助LLM理解视频内容。此外，文章还介绍了Jina AI发布的性能超越OpenAI的嵌入模型，为多语言检索任务提供了新的选择。
💻谷歌开源Gemini CLI命令行工具，对标Claude Code，提供免费使用额度，方便用户通过命令行调用谷歌的视频和图像生成模型，例如Veo和Imagen。
🖼️谷歌推出了Imagen 4系列图像生成模型，包含Imagen 4和Imagen 4 Ultra两个版本，目前提供免费试用。该模型在图像生成质量方面有所提升，但谷歌的生图规则一向保守，可能容易触发风控机制。
🖱️DRA-Ctrl是一个基于视频模型的跨模态图片编辑框架，通过整合视频模型的多维度特征表示，实现对图片主体的状态预测与精准编辑，提供了一种新颖的图片编辑思路。
📹谷歌开源了VideoPrism，一个通用视频嵌入模型，可以将视频转换为向量表示，从而使LLM能够轻松处理各种视频理解任务，例如分类、检索、定位、字幕生成和问答等。
📊Jina AI发布了jina-embeddings-v4嵌入模型，基于Qwen2.5-VL-3B-Instruct，在多语言检索任务中性能超越OpenAI的text-embedding-3-large，提升了12%。用户可以通过Jina API直接调用或自行部署模型。
原创 小茸茸 2025-06-26 09:42 重庆
谷歌 Gemini CLI 开源命令行工具；谷歌推出 Imagen 4 系列图像生成模型；DRA-Ctrl：基于视频模型的跨维度图片编辑技术；谷歌开源 VideoPrism：让 LLM 轻松理解视频内容的通用嵌入模型
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。谷歌Gemini CLI开源项目: https://github.com/google-gemini/gemini-cli
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。Imagen 4 技术详解: https://developers.googleblog.com/en/imagen-4-now-available-in-the-gemini-api-and-google-ai-studio/
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。DRA-Ctrl项目官网: https://dra-ctrl-2025.github.io/DRA-Ctrl/DRA-Ctrl交互演示: https://huggingface.co/spaces/Kunbyte/DRA-Ctrl
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。VideoPrism GitHub 仓库: https://github.com/google-deepmind/videoprism
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。Jina AI 官网公告: https://jina.ai/news/jina-embeddings-v4-universal-embeddings-for-multimodal-multilingual-retrieval/
❝如果你喜欢《一觉醒来 AI 界发生了什么》系列的话，请 关注、点赞、在看、收藏、分享 五连警告，这对我真的很重要！
