Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
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。
Google DeepMind 推出 Gemini 3.5 系列，首发的是 3.5 Flash。官方说这是他们目前最适合让模型进业务流程干活和写代码的模型。正文没披露参数量、价格和上下文窗口，实际能力还得等跑分和实测。
推荐理由：HKR 三项都成立。Google DeepMind 把 Gemini 3.5 的首发押在 Flash 版本上，并且直接挂上 agent 和 coding 的标签，钩子够清晰。新事实是 3.5 Flash 先跑出来，但参数、价格、上下文窗口一概没提，信息有缺口，所以重要性我给 88，没往更高拉。对做模型选型和 agent 落地的人来说，这条更新会直接影响后续决策，相关性没问题。
Google DeepMind 发了条推，说 Gemini Omni 是他们朝“用任何内容生成任何内容”迈出的第一步，首发功能是视频生成。它把 Gemini 的理解能力和自家的生成式媒体系统揉在一起，号称在多模态理解和编辑上有大跨步。但正文没披露模型参数、价格和什么时候能用，我会先打个折——目前只有一句口号和一段视频演示，具体效果和限制还得等后续公开。
推荐理由：我会先打个折：正文没披露参数量、价格和开放时间，所以没法判断实际成本和可用性。但 HKR 三项都过关——DeepMind 用 Gemini 品牌推视频生成，切入点清楚，技术路线也说了（模型加生成系统），而且直接踩在视频生成的热门赛道上。信息缺口让分数停在 72–77 这个区间，不算高但合理。
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。