Google 给 AI Studio 加了个新功能：你输入想法，它直接生成一个能在安卓手机上跑的 App。平台里内嵌了安卓模拟器，写完可以先预览；想真机体验的话，把手机连上电脑就能安装。Google 说后续还会开放测试邀请功能，但目前还没上线。这次首发主要面向个人小工具类应用，不是啥都能做。
推荐理由：Google AI Studio 现在能靠提示词直接吐出可安装的 Android 原生应用，还带模拟器预览和真机安装。初版只覆盖个人工具类应用，不是完整开发环境，所以算中等分量的产品更新，不是 P1。
Google 在 I/O 大会上把 Android CLI 推到了 1.0 稳定版。这东西是个命令行工具，主要作用是让各种 AI 编程助手（比如 Claude Code、OpenAI Codex，或者 Google 自家的 Antigravity）能直接通过命令行来构建安卓应用，不用非得打开 Android Studio 的图形界面。它内置了一个“an...
推荐理由：我会先打个折：正文没给版本号、发布时间，也没性能数据，所以只能当个信号看。但 Google 加 Android 加 agentic coding 这个组合，本身就够上 featured 线。它不是在秀技术指标，而是在开一扇门——让 agent 从命令行直接插手 Android 构建，这对移动端开发者的工作方式冲击不小。
Google 在 I/O 2026 上给自家的网页版 AI Studio 加了个新功能：直接用自然语言描述需求，几分钟就能生成一个原生的安卓应用。以前搭环境、写代码可能要几周，现在把门槛压到了“会打字就行”。不过正文没披露背后用的是哪款模型、生成的应用能复杂到什么程度、有没有代码审查机制，也没提收费方式。另外 Google 还提到会用 Gemini 帮...
推荐理由：Google AI Studio 这次更新把代码生成直接落到安卓原生应用上，速度卖点很明确。正文没披露模型、价格和发布范围，所以只能算中等体量的产品更新，先放在 featured 档。
OpenAI 宣布了两项措施来标记自家模型生成的图片。一是加入 C2PA 开放标准，在图片的元数据里直接写明“这是 AI 生成的”；二是把 Google 的 SynthID 水印技术集成到产品里，这是一种肉眼看不见的水印，想擦掉也没那么容易。这两招都只对 OpenAI 自家产品生成的图片生效，正文没提是否支持以前生成的老图，也没说具体什么时候上线。
推荐理由：我会先打个折：正文没写具体哪些产品上线、什么时候能用，也没说检测准确率或误判率，所以别当成熟方案看。OpenAI 这次做了两件事——一是加入 C2PA，相当于给图片贴上“数字出生证明”，记录谁、用什么工具生成的；二是在产品里塞进 Google 的 SynthID 水印，等于给图片打上肉眼看不见的标记，方便后续识别。有意思的是，OpenAI 没用自研方案，直接拿对手的技术来用，说明在图像溯源这块，行业更认开放标准而不是各搞各的。对从业者来说，这意味着以后做内容审核或平台合规，可能有一套更通用的检测路径，但前提是覆盖率和验证流程得跟上，这点先别太激动。
谷歌推出了新的多模态模型 Gemini Omni，能把文字、图片、音频和视频作为输入，通过对话直接生成或编辑视频。首发版本叫 Omni Flash，主打跨模态推理，也就是模型能同时理解不同格式的信息并据此产出视频。但文章没公布具体上线时间、价格、上下文长度限制、跑分成绩，也没说 API 什么时候开放。这点先别太激动，目前看更像是一个技术预告，实际能用起...
推荐理由：Google 把 Gemini 的多模态能力推到了视频生成这一步，Omni Flash 能通过聊天界面把文字、图片、音频甚至视频片段变成新视频，还能编辑。这个更新在 HKR 三个维度上都站得住：玩法直观有传播力，产品形态和输入模态是明确的新信息，而且正好卡在多模态视频生成这个竞争激烈的节点上。正文没公布定价和具体上线时间，所以我会先打个折，把它放在必写但不算顶格的区间。
Google 在 I/O 大会上推出了编程助手 Antigravity 的 2.0 版本，主要更新了桌面应用、命令行工具和一个用来搭自定义流程的 SDK。同时，他们新加了一个每月 100 美元的 AI Ultra 套餐，使用额度是 AI Pro 套餐的 5 倍。不过，这篇报道没具体说桌面应用和命令行工具到底更新了哪些功能，也没提 SDK 能接入哪些外部系统。
推荐理由：HKR 三项都踩中了，但正文没写桌面应用和 CLI 具体能干什么，功能细节是空的，所以分数压一压，不上 78。Google I/O 的发布节点加上 100 美元套餐和 5 倍额度，够上 featured。
Google 在 I/O 大会上掏出了 Gemini Spark，一个基于 Gemini 模型和 Antigravity 智能体框架（让模型进业务流程干活）搭起来的个人助手，主打 24 小时在线。它最大的卖点是直接连你的 Gmail，能读邮件、替你处理任务。不过文章没细说它能具体操作 Gmail 里的哪些事，也没提价格和什么时候能用上。这点先别太激动，...
推荐理由：Google 在 I/O 上扔了个新东西：Gemini Spark，一个号称全天候在线、能直接进你 Gmail 干活的助手。我会先打个折——正文没写定价、没写具体开放范围，也没提安全护栏做到什么程度，所以别急着把它当成已经落地的产品。但信息量是够的：它基于 Gemini 模型，跑在 Antigravity 智能体框架上，等于把模型塞进业务流程里当常驻工人，而不是一问一答的工具。标题里“24/7”和“Gmail 接入”这两个点，直接拉高了从业者对隐私和权限控制的疑问，也让它和 OpenAI 的助手路线形成对标。整体看，产品更新本身够硬，但缺落地细节，...
Sundar Pichai 在 I/O 大会上宣布 Gemini 进入“自主代理”阶段，能自动处理邮件、安排日历和生成报告。但整篇博客没提模型参数、具体上线时间，也没说收费方式。我会先打个折——这更像一个产品方向预告，离真正稳定可用还有距离。
推荐理由：这条消息我会先打个折：Google 画了个自主代理的饼，能自动处理邮件、日历和报告，听着挺省人力，但正文没披露模型参数、上线时间或价格，所以别太激动。对从业者来说，办公 agent 的落地节奏和成本才是关键，现在只能当方向信号看。
Google 在 I/O 2026 大会上更新了 AI 订阅体系，新增一档每月 100 美元的 AI Ultra 计划。官方博客没有详细列出 Ultra 包含哪些独占能力，只说它面向重度 AI 用户。已有的 AI Plus 和 Pro 订阅也获得新功能和权益，但正文同样没展开具体是什么。我会先打个折：这篇公告更像一个预告，关键的产品细节和与现有 Goo...
推荐理由：Google 在 I/O 2026 把 AI 订阅拉到了 100 美元一档，叫 AI Ultra。我会先打个折：正文没披露 Ultra 具体比 Pro 多了什么能力，也没说模型规格、上下文窗口或调用次数上限，所以这个价格到底值不值还不好判断。对从业者来说，新分层意味着以后选 Google AI 服务要多算一笔账，尤其是小团队或创业公司，100 美元月费可能直接劝退。这点先别太激动，等具体权益出来再看。
Google 在 I/O 大会上推出了 Gemini 3.5 系列模型，核心卖点是让模型不仅能回答问题，还能直接执行操作。博客正文没披露参数量、上下文窗口和具体定价，只强调了“前沿智能+行动”这个方向。Hacker News 上讨论热度很高，有 196 个赞和 179 条评论，但大家基本都在猜实际能力和成本。我会先打个折——没看到跑分和实测数据之前，这...
推荐理由：我会先打个折：这条消息只有型号名和文档链接，正文没披露参数、价格或上下文窗口，所以没法判断它到底强了多少或者省了多少钱。HN 上 196 分、179 条评论说明大家确实在盯着 Gemini 的更新节奏，但热度主要来自对谷歌模型竞争力和成本的关心，而不是因为看到了硬指标。这点先别太激动，等官方把价格和基准测试放出来再看。
Google 把顶配 AI Ultra 套餐从每月 250 美元降到 200 美元，同时加了一个每月 100 美元的新档位。新档位把 Gemini 应用的使用上限提到 Pro 套餐的 5 倍，主要面向编程和创作场景，还附带新功能抢先体验、20TB 存储和 YouTube Premium。正文没说明 5 倍限额具体对应多少调用次数，也没提新功能抢先体验的...
推荐理由：这是订阅价格和配额打包调整，不是模型或能力发布，但官方来源、价格数字都实在，对用 Google 生态干活的人有直接影响。降价幅度和新增档位让信息够硬，放在 featured 没问题。
谷歌在 I/O 上放了个预告，叫 Gemini Spark，定位是全天候个人 AI 代理。你给它派活，它能在后台自己跑，哪怕你的手机和笔记本都关了。按官方说法，做重大操作前会先问你。正文没披露上线时间、收费方式和具体能干哪些任务，我会先打个折——关机执行这点听着省心，但实际怎么实现、安全边界在哪，目前全是空白。
推荐理由：我会先打个折：正文没披露上线时间、价格，也没说清楚到底能帮你干哪些任务，所以它还不是那种今天就必须追的新闻。但概念本身够新鲜——一个关机后还能替你跑腿的助手，而且承诺动大操作前会先问你，这点先别太激动，因为没看到具体怎么问、问多细。整体是值得放进精选的料，只是缺了落地信息，分数停在 82 合理。
谷歌在 I/O 大会上推出了 Gemini 3.5 Flash，官方说它在很多基准测试里比自家 3.1 Pro 强。最直观的卖点是快：输出速度达到每秒 289 个 token，对比的是 Claude Opus 4.7 和 GPT-5.5 xhigh，快了大约四倍。谷歌内部还用 Antigravity 工具做了个实验，让 93 个子智能体协作，12 小时...
推荐理由：谷歌在 I/O 上扔了个速度炸弹：Gemini 3.5 Flash 每秒吐 289 个 token，号称是 GPT-5.5 xhigh 和 Claude Opus 4.7 的四倍。这个数字对做应用的人很直观——响应更快、排队更短、按 token 算钱可能也更省。不过正文没提价格、上下文窗口多大、以及能力上限在哪，所以先别把它当成全面碾压，目前就是个单项速度领先。
谷歌在 I/O 大会上放出了 Antigravity 2.0 平台，已经对全球用户开放。现场演示里，他们让智能体从零构建了一个能跑起来的操作系统，只用了 12 小时。具体做法是同时跑 93 个子智能体，总共调了超过 1.5 万次模型、处理了 26 亿个 token，最后算下来 API 成本不到 1000 美元。平台本身集成了新的智能体系统和自然语音交互...
推荐理由：谷歌在 I/O 上放了个 Antigravity 2.0 的演示，让智能体用 12 小时、93 个并行子智能体、1.5 万次模型调用和 26 亿 token 搭出一个能跑的操作系统，API 成本不到 1000 美元。我会先打个折：这是发布会演示，不是可复现的公开测试，正文没披露可用性、定价和复现条件，所以别直接当成采购依据。但数字本身挺实在，12 小时和不到 1000 美元这两个数，对想用智能体做复杂工程的人是个参考锚点。标题够抓人，信息量也足，从业者会想点进去看细节，整体值得推。
谷歌在 I/O 2026 大会上推出了 Gemini Omni，这是 Gemini 家族目前能力最全的版本，能同时处理文字、图片、音频和视频，并直接生成这些格式的内容。现场演示了对话式视频编辑，用户说句话就能换掉视频里的角色或背景。先放出来的是速度更快的 Gemini Omni Flash，已经在 Gemini App、Google Flow 和 Yo...
推荐理由：谷歌在 I/O 上扔出 Gemini Omni 和 Omni Flash，主打全模态互转，一句话就能让 AI 改视频，听着挺猛。我会先打个折：API 什么时候开、怎么收费、跑分多少，正文全没提。Flash 已经进了自家三个产品，说明至少能跑起来，但外部开发者还得干等。这点先别太激动，等有定价和延迟数据再判断值不值得接。
Google 推出了 Gemini 3.5 Flash，官方说法是它在快速、高效完成任务上目前最强。定位是处理日常任务和多步骤创意项目，强调能应对现实世界的复杂情况。不过正文没披露价格、上下文窗口大小、跑分成绩和 API 可用条件，这些关键信息得等后续公布。
推荐理由：H 和 R 都过，因为这是 Google 新发的 Flash 模型，天然跟推理成本和延迟绑在一起。K 没过：正文没给价格、上下文窗口、基准分数，也没说 API 什么时候能用、有什么条件，所以分数只能压在 78–84 这个区间。我会先打个折，等具体数字出来再重新判断。
谷歌 CEO 皮查伊在 2026 年 I/O 大会上甩出了一组数据：今年 5 月，谷歌平台每月处理的 Token 量超过 3200 万亿，比去年同期涨了 7 倍。这个数字说明谷歌 AI 服务的调用规模在急剧膨胀。同时，Gemini App 的月活用户超过了 9 亿，同比翻了一番多，每日请求量也涨了 7 倍多。另外，Nano Banana 这个模型已经累...
推荐理由：谷歌 I/O 这次放的是用量规模，不是新模型或重大能力发布。7 倍增长、9 亿月活和 3200 万亿 Token/月让 HKR 三项都过关，但因为没有产品级大更新，分数就落在 78–84 这个区间。我会先打个折：这些是平台方自己报的数字，外部没法独立验证，不过作为规模参考仍然有分量。
Vlad Feinberg 写了一篇求职笔记，把进前沿实验室的门槛讲得很直白：核心能力是底层性能调优，也就是能动手改内核（kernel），让模型训练真的跑得动。他给了一道具体的面试题——先推导 Chinchilla 缩放定律，并比较它在稠密模型和 MoE（混合专家）架构下的区别；然后用 JAX 从零实现，最后写一个 Pallas 内核，要求在专家维度 ...
推荐理由：这篇文章把“进前沿实验室做预训练”拆成了可操作的技能清单：手写 JAX 内核、自己推一遍 Chinchilla 定律、用 Pallas 给 MoE 的 up/down 投影做融合。我会先打个折——正文没披露这些建议是 Vlad Feinberg 的个人经验还是 Google 的普遍要求，也没说这些技能在面试里占多大权重。但光是这份清单本身，对想往预训练方向走的人就有参考价值，尤其是把“懂缩放定律”从一句空话落到“自己推导过”这个动作上。
这篇文章是机器之心翻译的 Sebastian Raschka 博客，盘点了几款新模型的架构改动，核心都在想办法降低长上下文的显存开销。Gemma 4 的 E2B 方案在 128K 上下文、bfloat16 精度下，KV 缓存能省大约 2.7GB，这个数字挺实在的。另外还提到了 Laguna XS.2 和 ZAYA1-8B，但正文因为微信环境验证拦截，具...
推荐理由：这是一篇编译的架构趋势梳理，不是一手发布，但信息密度不错。我会先打个折，不往 breaking 级别推。HKR 三档都站得住：标题有明确的模型名钩子，正文有可引用的 KV Cache 节省数字，话题本身也直接关系到推理成本和部署预算。整体放在 featured 中段比较合适，既不过度拔高，也不低估它对从业者的参考价值。
FT 这篇报道的正文被安全验证页挡住了，只从现有摘要能看出：一家黑石投资的 AI 云厂商拿到了 50 亿美元投资，计划明年上线 500 兆瓦的数据中心容量。标题里提到 Google 在推芯片，但正文没披露用的是 TPU 还是自研 Arm 芯片、以什么形式合作——是租算力、联合部署还是单纯采购。这点先别太激动，等看到全文再判断。
推荐理由：我会先打个折：Google 芯片到底怎么合作、分多少钱，正文没披露，这点先别太激动。但 Blackstone 支持的 AI 云集团拿到 50 亿美元投资，明年要上 500MW 数据中心容量，规模不小。对 AI 从业者来说，这背后是算力成本压力和找 NVIDIA 替代方案的现实需求，所以值得放进 featured。
谷歌要把自家的 TPU 芯片拿出来对外卖算力了，这次拉上了管钱的黑石。新公司名字还没公布，黑石先投 50 亿美元股权，算上杠杆总盘子预计 250 亿美元。目标是 2027 年让 500 兆瓦的数据中心跑起来，这个电量够一座中等城市用。他们手里已经锁了一批在建的数据中心，后续容量还会扩。这基本是冲着 CoreWeave 这类 AI 算力服务商去的，也会让...
推荐理由：谷歌和黑石联手搞 AI 云公司，黑石先掏 50 亿美元股权，总投资可能到 250 亿美元，目标是 2027 年把 500 兆瓦数据中心跑起来。我会先打个折：这不是模型或核心产品发布，而是基础设施层面的动作，但数字够硬、算力供应的角度够直接。正文没披露具体客户或定价细节，所以别急着把它当成 CoreWeave 的翻版。对从业者来说，这条消息的价值在于它把云容量问题摆到了台面上，而且给出了真金白银的时间表。
Google 和 Blackstone 打算成立一家新的 AI 云计算公司，专门用 Google 自己设计的芯片（也就是 TPU）来提供算力，目标是对标 CoreWeave 这类 GPU 云服务商。目前消息来自华尔街日报，Bloomberg 做了跟进。正文没披露这家新公司的股权结构、双方各投多少钱、具体什么时候上线，也没说会用哪一代 TPU。所以现在只...
推荐理由：HKR 三项都过了，但正文只确认了 AI 云合资公司和自研芯片这两点，股权结构、投资规模、上线时间一概没提。大厂在算力上互相卷，这条够上 featured，但信息缺口明显，到不了 P1。
Google DeepMind 的 Co-Scientist 正被用于加速细胞衰老研究，它扫描数万篇论文后提出 20 多个可测试的新遗传因子，其中数个经实验室验证能驱动细胞进入更年轻状态并改善整体功能。它还能将原本需长达六个月的筛选数据分析缩短至几天。
这篇论文提出了一种叫 EDCO 的动态课程微调方法，核心是用模型推理时的“熵值”来判断样本难度，自动挑出当前模型最该学的数据，而不是靠人手动分阶段。他们搞了个前缀熵值估算，把每一条样本的评分时间从 2.24 秒压到了 0.37 秒，省了不少算力。文章本身因为微信环境异常没抓到正文，具体实验数据、在什么任务上验证的、以及 Amazon/Google 团队...
推荐理由：我会先打个折：这还是个训练方法论文，不是模型或产品发布，所以分数没给更高。但它的钩子很足——华为提出 EDCO，用推理熵动态挑样本，Amazon 和 Google 的人光速跟进，说明这个方向在圈内被盯上了。核心卖点是前缀熵估计，把单样本耗时从 2.24 秒砍到 0.37 秒，省了八成多时间，对做微调的人来说是实打实的成本优化。正文没披露这个方法在大规模多任务上的泛化验证，这点先别太激动，但思路本身对数据筛选和训练成本敏感的场景很有启发。
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 真实场景 grounding 能力，用户可选取美国地点并搭配风格与角色生成世界。
推荐理由：原文说明 Genie 接入 Street View 真实影像后，智能体和机器人可在贴近现实的虚拟环境中训练与导航。
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言多轮编辑。
推荐理由：Gemini Omni Flash 把视频生成与对话式编辑合并到同一模型，读者可据此判断多模态创作入口的变化。
Google 发布智能体开发平台 Google Antigravity 2.0。该平台在 Google DeepMind 官网被列为面向开发者的 agentic development platform，与 Gemini 应用、Google AI Studio 并列。原文未披露版本功能、参数或可用性细节。
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三个实验性工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等研究原型打包成可申请的科学工具，读者可据此判断智能体科研的落地形态。
Google 宣布在 Search、Gemini、Chrome、Pixel 和 Cloud 扩展内容透明度与验证工具，并深化行业合作。SynthID 已为超过 1000 亿张图片和视频、60000 年音频嵌入水印，Gemini 应用中的 SynthID 验证已被使用 5000 万次，该能力今日扩展到 Search、未来几周进入 Chrome。
推荐理由：原文列出 SynthID 与 C2PA 在 Search、Gemini、Chrome、Pixel 的落地范围，可据此判断内容溯源工具的可用边界。
Google DeepMind 宣布与新加坡政府达成国家 AI 合作，在新加坡推出多项计划，聚焦医疗健康、科学发现与教育。合作内容包括探索 AI 辅助临床医生、用 AlphaFold 和 Google Earth 推进东南亚传染病研究、为盲人及低视力跑者开发基于 Gemma 的跑步助手，并向中小学至初级学院教育者提供 Gemini for Education。
剑桥大学 Clare Bryant 教授利用 Google Co-Scientist 研究流感等病原体跨物种传播时引发脓毒症等重症的分子开关。Co-Scientist 生成并排序假设，优先锁定一个她此前未关注的蛋白，并逐步将假设细化到具体氨基酸。Bryant 团队正构建含氨基酸突变的细胞系验证，原本需两到三年的工作预计六个月完成。
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现，将其转化为可验证的假设。在整合应激反应（ISR）研究中，该工具帮助团队生成了一条关于代谢如何调控 ISR 的新假设，并协助优化实验设计。相关实验已产生新发现，团队计划发表这些结果。
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统整合肝生物学与药理学证据，锁定值得关注的机制并筛选出候选组合疗法。针对 resmetirom 仅对少数合格患者有效的问题，Co-Scientist 提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，该假说随后经实验验证，有望推动靶向双重疗法。
MIT 的 Ritu Raman 与波士顿儿童医院的 Ryan Flynn 借助 Google DeepMind 的 Co-Scientist，将各自不同的研究工具结合用于 ALS 研究。
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，用 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选可重定位治疗肝纤维化的候选药。
Google DeepMind 的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加，置信度达 80%，三天前升至接近 100%。
推荐理由：原文用飓风 Melissa 的实战案例说明 AI 天气模型如何提前五天预测快速增强，可了解 AI 在极端天气预警中的实际作用。
Google DeepMind 发布 Gemini 3.5 模型家族，首款 Gemini 3.5 Flash 当日上线 Gemini 应用、Google Search AI Mode、Google Antigravity、Gemini API 及 Gemini Enterprise。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的成绩和开放入口，可据此判断它在长任务工作流中的定位。
谷歌在 5 月 15 日更新了搜索反垃圾政策，明确把“操纵 AI 生成式搜索结果”算作垃圾行为。具体来说，如果有人故意影响 AI Overview 或 AI Mode 里生成的内容，网站可能被降权甚至拉黑。政策里点名了两类典型操作：一是带偏见的“最佳推荐”榜单，二是往推荐内容里下毒。不过正文没披露具体怎么识别、怎么处罚的细节，这点先别太激动。
推荐理由：我会先打个折：这不是模型能力更新，是搜索侧的规则收紧，所以重要性停在 74 没问题。但 hook 很直接——Google 第一次把“操纵 AI Overview 或 AI Mode 回答”正式列为垃圾内容，还点名了 biased best-of listicles 和 recommendation poisoning 两种手法。对做 AI 搜索优化、内容生成管线的人来说，这等于官方划了一条新红线，以前可能算灰产的操作现在明确违规了。正文没披露具体执行力度和检测机制，这点先别太激动，但规则本身已经够让依赖 AI 搜索流量的团队紧张一阵。
一个叫 Sparky 的行李箱机器人，核心是一块 Jetson Orin NX SUPER 16GB 的板子，跑的是 Gemma 4 E4B 模型（Q4_K_M 量化版，用 q8_0 做 KV 缓存）。首次响应延迟大概 200 毫秒，生成速度每秒 14 到 15 个 token，上下文窗口 12K。身上挂了 30 多个传感器，但没装 WiFi、蓝牙和蜂...
推荐理由：这是个 Reddit 上的个人项目帖，不是产品发布或论文，所以放在低 featured 档。我会先打个折：200ms 的缓存首 token 延迟和 14-15 tok/s 的生成速度，在 Jetson 上跑 4B 模型算是能用的水平，但别指望它反应飞快。30+ 传感器听起来唬人，正文没细说都是什么传感器、怎么融合的，这点先别太激动。真正有意思的是全离线跑 Gemma 4 E4B 还让机器人带“观点”，把本地推理做成了人格化交互，比单纯报参数好玩。
Google 的开源框架 Genkit 现在支持中间件了，可以在模型生成、调用工具、以及整个工具循环这三个层面插入自定义逻辑。比如模型 API 挂了自动重试或切备用方案、执行敏感操作前先让人审批、或者给每一步加上日志方便排查问题。这套机制已经在 TypeScript、Go 和 Dart 里可用，Python 版也快了。
推荐理由：Genkit 这次更新不是小修小补，而是给智能体应用加了三个可插拔的拦截点：生成调用、模型本身、工具调用。你可以把它理解成给 agent 流程装了三个阀门，想在哪里加校验、加日志、改行为都行。语言支持也铺得比较全，TS、Go、Dart、Python 都给了。正文没披露性能开销和具体延迟数据，这点先别太激动。整体看，对正在用 Genkit 搭 agent 的团队是个实用升级，但影响范围还局限在 Genkit 生态内，所以放在 featured 而不是必读。