谷歌最近在其轻量化型号Gemini 3 Flash中推出了一项名为“代理视觉（代理视觉）”的强大功能。这一升级打破了此前AI视觉模型仅“快速浏览后猜测”的局限，使AI能够像人类专家一样，通过主动探索和深度推理来分析图像。
此前，在处理信息丰富的图像（如远处路标、复杂的电路图或小文字）时，AI常常丢失细节，因为它只能一次性处理全局信息。能动视觉引入了“思考、行动、观察”的循环机制。简单来说，当用户提出复杂的视觉问题时，Gemini 3 会先创建分析计划，然后使用自动生成和执行的 Python 代码裁剪、旋转或注释图像部分内容，最终基于这些高清细节给出最终答案。
这种调查工作模式使双子座在处理困难视觉任务时的准确率提高了5%到10%。它不再只是识别像素;相反，它学会了“放大”以根据需要寻找证据。
目前，该功能首先在 Gemini AI Studio 和 Vertex AI 平台上提供。开发者只需启用“代码执行”功能即可使用。谷歌表示，未来该功能也将通过“思维模式”直接向普通用户开放，使移动AI助手能够拥有这种深度的视觉推理能力。
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
