ข่าว กูเกิลเพิ่มฟีเจอร์ Agentic Vision เปิดทาง AI ซูมรูปทีละส่วนตอบคำถาม

[News]

กูเกิลเพิ่มฟีเจอร์ Agentic Vision เปิดทาง AI ซูมรูปทีละส่วนตอบคำถาม
Body

กูเกิลเพิ่มฟีเจอร์ Agentic Vision ทำให้ Gemini 3 Flash สามารถประมวลผลรูปเพื่อตอบคำถามได้แม่นยำขึ้น ฟีเจอร์นี้อาศัยความสามารถในการรันโค้ดไปด้วยระหว่างคิดก่อนตอบ (visual reasoning)

กระบวนการทำงานทุกครั้งที่ผู้ใช้ถามคำถามจากภาพ และเปิดฟีเจอร์ code execution ตัว Gemini จะเขียนโค้ด Python ประมวลภาพเพื่อให้ตอบคำถามได้แม่นยำ เช่น ซูมข้อความบางส่วนก่อนแปลงเป็นข้อความ, วาดกรอบวัตถุในภาพเพื่อนับวัตถุในภาพ

ฟีเจอร์นี้เหมือนฟีเจอร์ Thinking with images ของ OpenAI o3 แต่แนวทางของ Gemini กลับเริ่มให้บริการกับโมเดลราคาถูกก่อน และจะเพิ่มในโมเดลอื่นๆ ต่อไป

สามารถใช้งานได้แล้ว ทั้งผ่าน Google AI Studio และ Vertex AI

ที่มา - Google

lew Wed, 28/01/2026 - 22:25

Continue reading...

 

ข่าว  Pinterest ประกาศปลดพนักงานไม่เกิน 15% - ปรับโครงสร้างโฟกัส AI มากขึ้น

ข่าว  รัฐมนตรีกระทรวงแรงงานสั่งประกันสังคมหากระบบยังไม่เสถียรให้ใช้ระบบ Manual ควบคู่กันไป