Gemini 4 Argon视觉实测：一次输出标出电路板109个元件框
mrdbourke · x · 2026-10-23
mrdbourke 实测 Gemini 4 Argon 的视觉能力：只需一句「给板上凸起的元件打 bounding box」，模型就能一次性生成边界框坐标和展示这些框的 HTML 页面，配图显示电路板上 109 个元件被全部正确标注。
他建议做精细视觉任务时搭一个小 agent 循环：
- 用 Gemini 4 Argon 出边界框，配合 SAM3 生成高质量 mask
- 大规模图像场景：先定义标注规则（rubric），用种子数据循环迭代规则并产出 golden samples（可用 Agentic Vision/Agentic Video 更省 token）
- 再引入 SAM3 或 Falcon Perception-HD 做精细处理
- 最后微调一个小模型专做该任务，让 Gemini 审核高不确定性的样本，循环迭代直到小模型足够强
所属事件:实测 Gemini 4 Argon 视觉能力：一句话标出电路板百余元件框(2 条相关)→
「编程与Agent」频道最新
- 开发者自嘲:只有做不重要的事,才敢放心用 Claude — louisvarge · 2026-10-23
- 被喊死30年的PHP还在：2026年还有俩严重RCE没修 — 0xkarasy · 2026-10-23
- 风投合伙人断言：2027 年公司无法再雇佣不用 agent 的工程师 — latticecut · 2026-10-23
- Opus 5.5 全代码生成科幻片头：配乐也是合成的，每帧每音皆代码 — prasenx · 2026-10-23
- 医疗行业隐私限制下，本地 AI 生成幻灯片的两种可行方案 — AdRepulsive7837 · 2026-10-23
- MiniMax Design MCP 上线,可在 Codex 等 Agent 内直接调用设计能力 — Hailuo_AI · 2026-10-23