该全模态模型支持音视频理解与百万上下文，宣称部分基准接近Gemini 3.8 Flash。
推荐理由：百万上下文与音视频统一理解指向长视频和实时代理场景，但性能结论仅来自两项基准的接近表述，尚缺成本、延迟及完整评测验证。
阅读原文