Google DeepMind 发布 Gemini Omni Flash 视频生成模型
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 把图像、音频、视频和文本组合输入与多轮对话式编辑放进同一模型,并接入 Gemini 应用、Flow 和 YouTube Shorts。
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 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 把图像、音频、视频和文本组合输入与多轮对话式编辑放进同一模型,并接入 Gemini 应用、Flow 和 YouTube Shorts。
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 DeepMind 将 Co-Scientist、AlphaEvolve 等研究原型打包为 Gemini for Science,在 Google Labs 开放三个实验工具,覆盖假设生成、计算发现与文献分析。
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:Google 将 SynthID 验证从 Gemini 扩展到 Search 和 Chrome,并新增 C2PA 凭证核验,覆盖范围由此延伸到搜索、浏览器与手机拍摄环节。
Eric Jang 花了几个月从零实现 AlphaGo,并把过程写成教程和代码放了出来。他原本的理解是“用自我对弈训练的搜索增强神经网络”,但亲手做一遍后对细节有了更深体会。他给出一条关键判断:前沿研究仍然很贵,但特定能力的落地成本掉得很快——到 2026 年,训练一个能打的围棋 AI 租算力只要几千美元,不再需要 DeepMind 级别的资源。
推荐理由:Eric Jang 把从零实现 AlphaGo 的完整过程写成教程和代码公开,并给出一个具体成本判断,2026 年租算力训练能打的围棋 AI 只需几千美元。
Qwen3.6 的两个新尺寸上了 Terminal-Bench 2.0 的公开排行榜。
推荐理由:Qwen3.6 的 35B-A3B 和 9B 两个尺寸进入 Terminal-Bench 2.0 公开榜,小模型在终端智能体这类硬核测试中有了可查的公开成绩。
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:Google DeepMind 的 WeatherNext 在美国国家飓风中心预报飓风 Melissa 时,提前五天以 80% 置信度预测其将以五级强度登陆牙买加,这一案例展示了 AI 模型对快速增强型风暴的预测能力。
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:Gemini 3.5 Flash 在编码与智能体基准上超过 Gemini 3.1 Pro,输出速度是其他前沿模型的 4 倍,发布当日即接入 Gemini 应用、搜索 AI Mode 和 Gemini API。
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:谷歌更新搜索反垃圾政策,将故意影响 AI Overview 和 AI Mode 生成内容列为垃圾行为,并点名带偏见的推荐榜单与推荐内容投毒两类操作。
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。
推荐理由:个人开发者用 Jetson Orin NX SUPER 16GB 在行李箱上离线跑 Gemma 4 E4B,缓存首字延迟约 200 毫秒、生成每秒 14 到 15 个 token,是单板本地推理的一份实测记录。
谷歌 DeepMind 放出了一个叫“AI 指针”的实验项目,核心是把 Gemini 模型直接挂在鼠标指针上。你在屏幕上指一个区域,AI 就能理解上下文并执行操作,比如修图或在地图上找地点。目前有两个 Demo 在 Google AI Studio 里能玩:一个是图片编辑,另一个是地图地点查找。
推荐理由:谷歌 DeepMind 把 Gemini 挂在鼠标指针上,指哪就能让 AI 理解上下文并执行修图或找地点,两个 Demo 已在 AI Studio 开放体验。
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:Google 的开源框架 Genkit 新增中间件系统,可在模型生成、工具调用和工具循环三层插入自定义逻辑,用于重试、人工审批和日志排查。
Arm 的新指令集 SME2 把矩阵计算单元直接塞进了 CPU,不用再纠结是忍受 CPU 慢还是外挂专用加速器。
推荐理由:Arm 与 Google AI Edge 用 SME2 指令集把矩阵计算单元放进 CPU,手机本地音频模型推理提速 2 倍多、内存占用降为四分之一,端侧推理管线与硬件指令的配合方式由此有了具体样本。
工业机器人巨头发那科宣布跟谷歌合作搞“物理 AI”,消息一出股价飙到历史最高点。正文被 Bloomberg 的付费墙挡了,没披露合作具体做什么、股价涨了多少、什么时候落地。从标题看,市场是把这当成真金白银的利好来炒的——毕竟谷歌在 AI 上的技术积累,配上发那科在工厂里的硬件铺货量,想象空间确实大。
推荐理由:发那科与谷歌就物理 AI 达成合作后股价升至历史高点,这条消息记录的是工业机器人硬件产能与通用 AI 技术结合时资本市场的即时反应。
作者拿主流大模型算了一笔账:让 AI 帮你读、写、整理邮件,每月推理成本在 22 到 130 美元之间,中位数 26 美元。如果做成 SaaS 产品,按 75% 毛利率定价,一年大概要收 500 美元,比 Google 企业版贵一倍。想省钱的话,换小模型能把成本压到十分之一甚至二十分之一;更狠的做法是直接在用户自己的 GPU 上跑,边际成本趋近于零。
推荐理由:作者按主流大模型算了一笔账,AI 处理邮件每月推理成本 22 到 130 美元,做成 SaaS 按 75% 毛利率定价一年约收 500 美元,并给出换小模型和本地 GPU 两条降本路径。
MIT Technology Review 记录了三起 Gemini 把真人手机号当成客服电话给出去的案例。一位以色列软件工程师收到陌生人 WhatsApp 消息,对方说是 Gemini 给的 PayBox 客服号——但他跟这家公司毫无关系。
推荐理由:MIT Technology Review 记录了三起 Gemini 把真人手机号当作客服电话给出的案例,其中一位以色列软件工程师因此收到陌生人的 WhatsApp 消息。
彭博社消息,Anthropic 正在跟投资者初步谈新一轮融资,目标是按 9000 亿美元以上的投前估值,筹至少 300 亿美元。这个数字比它今年 2 月融 G 轮时的 3800 亿投后估值翻了一倍多。交易还没签条款清单,预计最快本月底完成。Anthropic 计划今年晚些时候 IPO,现在急着筹钱主要是为了填算力资源的开销。
推荐理由:Anthropic 正初步谈判按超 9000 亿美元投前估值融资至少 300 亿美元,较今年 2 月 G 轮 3800 亿投后估值翻了一倍多,资金主要用于算力开销。
Google 发了台叫 Googlebook 的笔记本,系统层面把 Gemini 塞了进去。这次说了三个功能:Magic Pointer 把光标变成一个 AI 入口,点哪都能弹出上下文建议和任务;Create Your Widget 让你用大白话描述需求,自动生成一个能聚合不同信息的桌面小组件;还打通了安卓生态,在电脑上直接调用手机 App 和文件。
推荐理由:Google 发布首款围绕 Gemini 打造的笔记本 Googlebook,把 AI 入口做进光标、桌面组件和安卓跨设备调用,让 AI 从外挂助手变成系统自带能力。
Cactus 开源了一个叫 Needle 的工具调用模型,参数量只有 2600 万,小到可以在消费级设备上跑。它的推理速度很快,预填充阶段每秒能处理 6000 个 token,生成阶段每秒 1200 个 token。这个模型是从 Gemini 的工具调用能力蒸馏出来的,相当于把大模型怎么调用 API、怎么选函数这套本事,压缩进了一个极小的模型里。
推荐理由:Cactus 把 Gemini 的工具调用能力蒸馏进一个 2600 万参数模型,预填充每秒 6000 token、生成每秒 1200 token,可在消费级设备本地运行。
Cactus Compute 开源了一个叫 Needle 的工具调用模型,参数量只有 2600 万。它用 Gemini 当老师,把怎么调用外部工具的能力蒸馏出来,塞进一个没有传统 MLP 层、靠注意力机制和门控结构的小模型里。在消费级设备上跑,预填充速度能到每秒 6000 个 token,解码速度每秒 1200 个 token。
推荐理由:Cactus Compute 把 Gemini 的工具调用能力蒸馏进一个 2600 万参数的小模型,并给出消费级设备上每秒 6000 个 token 的预填充速度,为端侧工具调用提供了一种轻量方案。
谷歌这次推的 Android Intelligence 是一个系统级智能助理,主打跨安卓应用的多步骤自动化任务,比如你让它订咖啡、回消息、填表,它可以自己切 App 完成。Chrome 里的 Gemini 也加了浏览器操作能力,能直接帮你操作网页。另外还有语音笔记转文字功能叫 Rambler,以及可以自定义的生成式 UI 小组件。
推荐理由:谷歌在 Android Show 2026 发布系统级助理 Android Intelligence,可跨应用完成订咖啡、回消息、填表等多步骤任务,Chrome 中的 Gemini 也具备网页操作能力。