Google DeepMind liberó Gemma 4 en Hugging Face como una familia de modelos multimodales con licencia Apache 2, tamaños que permiten despliegue en dispositivos y compatibilidad con múltiples herramientas de la comunidad. Esta generación prioriza eficiencia, contexto largo y soporte para texto, imagen y audio.
Falcon Perception presenta un enfoque early-fusion que procesa parches de imagen y texto en una sola secuencia usando una máscara de atención híbrida y una interfaz de salida compacta. El diseño logra mejores métricas en tareas abiertas y simplifica arquitecturas modulares tradicionales.
Google presenta Gemini 3.1 Flash Live, una versión enfocada en interacción por voz en tiempo real con baja latencia, control conversacional mejorado y soporte multimodal. Su objetivo es servir como infraestructura para agentes en vivo capaces de escuchar, responder y actuar.