Gemini 4 Argon 全球上线,主打编码、企业工作流和网络安全
Google DeepMind 宣布 Gemini 4 Argon 全球可用,将其定位为从头到尾解决用户最棘手问题的模型。该模型主攻 coding、企业工作流和网络安全防御三个方向,普通用户可通过 Gemini App 和 Search 的 AI Mode 使用。
推荐理由:原文列出 Gemini 4 Argon 主攻编码、企业工作流和网络安全防御三个方向,其中网络安全防御较为冷门,可据此观察 Google 的差异化路线。
Google DeepMind 宣布 Gemini 4 Argon 全球可用,将其定位为从头到尾解决用户最棘手问题的模型。该模型主攻 coding、企业工作流和网络安全防御三个方向,普通用户可通过 Gemini App 和 Search 的 AI Mode 使用。
推荐理由:原文列出 Gemini 4 Argon 主攻编码、企业工作流和网络安全防御三个方向,其中网络安全防御较为冷门,可据此观察 Google 的差异化路线。
Odyssey 公司开放世界模型 Odyssey-3 的公开研究预览,用户可免费在线试用,用文本提示生成可实时探索的交互环境。免费 demo 运行在 Odyssey-3 Flash 上;基础模型有 14 billion 参数、生成 832 × 480 像素视频,Odyssey-3 Pro 支持 1280 × 720。
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型。前者侧重深度创意指导,支持自然语言生成定制声音、30秒语音复刻与逐句表演控制;后者面向高并发、低成本的规模化应用。
推荐理由:原文清晰对比了两款新 TTS 模型的定位与功能,并给出基准表现与安全机制,便于开发者评估选型。
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两款模型,分别面向智能体工作流与网络安全。
推荐理由:原文列出了 Gemini 3.8 系列在编码与网络安全基准上对标前沿模型的表现及价格,读者可据此评估其替换现有工作流的成本收益。
Google DeepMind 发布 Gemini 3.7 Flash,定位为面向编码与智能体的最强主力模型,距 3.6 Flash 发布仅三周。
推荐理由:官方列出了 Gemini 3.7 Flash 相对 3.6 Flash 的跑分提升与半价策略,读者可据此评估编码与智能体工作流的升级幅度。
Google DeepMind 发布 Gemini Robotics ER 2,作为机器人的高层大脑负责推理、规划与任务编排,并将运动执行交给底层 VLA 模型。该模型支持连续视频进度追踪、精确关键时刻识别与多机器人协作,进度分类准确率达 57.4%,关键时刻识别准确率达 91.3%。开发者现可通过 Gemini API 与 Google AI Studio 使用。
推荐理由:官方博客给出了新模型在视频理解、任务编排和多机器人协作上的能力升级与评测数据,可据此判断具身智能的落地进度。
Google DeepMind 发布 Gemini Robotics 2,通过三个模型为机器人带来全身智能、灵巧操作和多机协同能力。该系统可控制完整人形机器人执行耗时数分钟的多步任务,ER 2 推理模型已在 Google AI Studio 上线,On-Device 2 端侧模型仅需几小时即可适配新本体。
推荐理由:官方公布了全身控制、灵巧操作与多机协同能力,并给出端侧几小时适配新本体的指标,适合评估具身智能进展。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber 三款新模型,旨在提升规模化构建 AI 智能体的效率与可靠性。
推荐理由:原文给出了三款新模型在效率、速度和安全场景的具体基准数据与价格,读者可据此评估其在智能体工作流中的成本变化。
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具,开发者可通过 Gemini API 与 Gemini Enterprise Agent Platform 用它构建跨浏览器、移动端和桌面环境操作的智能体。
推荐理由:计算机使用此前仅作为独立的 Gemini 2.5 模型提供,本次原生集成进 Flash 主模型,开发者可直接用它构建跨平台智能体。
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate,支持 70+ 语言的近实时语音到语音翻译,可保留说话者的语调、节奏和音高,连续生成且全程仅比说话者滞后几秒。
推荐理由:官方公布了 70+ 语言与连续生成机制,并开放 Gemini Live API 等多端入口,可据此判断实时语音翻译在会议和通话场景的可用性变化。
Google DeepMind 与 Google Research 的 AI 气象模型 WeatherNext 提前五天以 80% 置信度预测飓风 Melissa 将在牙买加以五级强度登陆,三天前升至接近 100%,帮助美国国家飓风中心(NHC)为牙买加社区争取到更多预警和疏散时间。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其推理优先具身推理模型的重大升级,即日起通过 Gemini API 与 Google AI Studio 向开发者开放,并提供配置与提示示例的开发者 Colab。
推荐理由:原文给出相对上一代与 Gemini 3.0 Flash 的逐项基准对比,读者可据此判断具身推理在工业巡检场景的可用边界。
Google DeepMind 发布 Gemini 3.1 Flash Live,这是其目前最高质量的音频与语音模型,旨在提升实时对话的速度与自然度。该模型在 ComplexFuncBench Audio 上得分 90.8%,支持 Gemini Live 对话时长翻倍,并推动 Search Live 扩展至 200 多个国家/地区,所有生成的音频均带有 SynthID 水印。
推荐理由:相比前代模型,Gemini 3.1 Flash Live 在语音精确度、延迟与上下文长度上均有提升,并推动 Search Live 扩展至全球。
Google DeepMind 发布 Nano Banana 2(Gemini 3.1 Flash Image),将 Nano Banana Pro 的高级世界知识与推理能力与 Flash 级速度相结合。
推荐理由:官方对比了 Nano Banana Pro 与新模型的差异,说明 Nano Banana 2 如何在保持 Pro 级画质与推理能力的同时实现 Flash 级速度。
Google DeepMind 发布两篇论文,阐述 Gemini Deep Think 模式及其数学研究智能体 Aletheia 如何在数学、物理与计算机科学领域解决专业级研究难题。
推荐理由:原文详述了 Gemini Deep Think 在数学、物理和计算机科学领域的专业研究应用,展示了 AI 智能体如何作为科研合作者解决开放性难题。
Google DeepMind 发布 Gemma Scope 2,一套覆盖全部 Gemma 3 模型规模(270M 至 27B 参数)的开源可解释性工具套件。
Google DeepMind 发布 Nano Banana Pro(即 Gemini 3 Pro Image),这是基于 Gemini 3 Pro 的图像生成与编辑模型,强调文字渲染、多图融合与高保真输出。
推荐理由:官方列出新模型在文字渲染、多图融合与分辨率上的提升,并给出各平台开放入口,便于读者判断如何接入使用。
Google DeepMind 发布 Gemini 3 Pro,称其在各大基准上超越前代,编码能力超越 2.5 Pro。模型预览版定价为 $2/百万输入 token 和 $12/百万输出 token(200k token 以内),可通过 Gemini API、Google AI Studio 和 Vertex AI 使用。
推荐理由:官方公布了 Gemini 3 Pro 的基准成绩、定价与开发者工具集成,读者可据此评估其在编码和多模态任务上的实际可用性。
OpenAI Five 在周末的 Finals 中连续两局击败 Dota 2 世界冠军战队 OG,成为首个在电竞游戏中战胜世界冠军的 AI。此前 OpenAI Five 与 DeepMind 的 AlphaStar 都曾在私下击败过职业选手但在直播比赛中落败,这次也是 AI 首次在直播中战胜电竞职业选手。
推荐理由:对比 OpenAI Five 与 AlphaStar 此前私下击败职业选手、直播却落败的经历,本场胜利让 AI 在直播赛事中越过电竞职业选手门槛。