Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber,面向智能体工作流、编码推理和网络安全任务。
推荐理由:原文同时披露通用版与安全版的定价、访问范围和评测结果,便于比较部署取舍。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber,面向智能体工作流、编码推理和网络安全任务。
推荐理由:原文同时披露通用版与安全版的定价、访问范围和评测结果,便于比较部署取舍。
Google DeepMind 发布 Gemini Omni 1.1 Flash,通过 Gemini API in Google AI Studio 为开发者提供更可控的生成式视频能力。
推荐理由:原文列出场景延展、关键帧插值和4K升级等接口细节,便于评估视频生成工作流接入方式。
Google DeepMind 发布 Gemini 3.7 Flash,称其是面向编码和 AI 智能体的最智能主力模型,并较 Gemini 3.6 Flash 改进软件工程、知识工作和 Web 开发工作流。
推荐理由:原文同时给出相对 3.6 Flash 的基准差距与阶段性价格,便于评估编码智能体成本。
Google DeepMind 推出大规模多语言手语转文本翻译模型 SL2T,用于 Pixel 11 上 Gboard 和 Live Transcribe 的手语转文本功能,先支持 ASL 到英语。
推荐理由:原文披露了训练规模、隐私处理和产品入口,可了解手语模型从研究走向手机输入的路径。
Google DeepMind 表示 WeatherNext AI 模型在 Nature 论文中达到气旋路径、强度和风结构预测的 state-of-the-art 准确率,平均让预报员多获得约 1 天预测准确性。
推荐理由:原文同时给出 Nature 论文评测、飓风季案例和开源入口,便于理解 AI 天气模型如何辅助预警。
Google DeepMind 发布 Gemini Robotics ER 2,称其为面向机器人的最强“具身推理”模型,用于视频理解、任务编排和多机器人协作。
推荐理由:原文同时给出开放入口、机器人协作示例和安全评测维度,便于理解具身模型在真实任务中的落地路径。
Google DeepMind 发布 Gemini Robotics 2,包括 Gemini Robotics 2、Gemini Robotics ER 2 和 Gemini Robotics On-Device 2 三个模型,面向机器人全身控制、双手或夹爪灵巧操作和多机器人协作。
推荐理由:原文同时列出云端、端侧和安全评测细节,可用于理解机器人模型从演示走向部署的路径。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber,面向规模化 AI 智能体提供更高 token 效率、更低延迟和更可靠性能。
推荐理由:原文同时给出价格、token效率和基准差异,便于比较Flash系列在智能体工作流中的取舍。
Google DeepMind 推出 Gemini 3.5 Flash Cyber,这是一款基于 3.5 Flash 微调的轻量级网络安全模型,用于快速查找、验证和修补漏洞。
推荐理由:原文披露了受限开放方式、基准对比和内部落地案例,可帮助判断安全模型在漏洞修复流程中的应用边界。
Google DeepMind 推出 DiffusionGemma,这是一个实验性开放文本扩散模型,在专用 GPU 上文本生成最高快 4x,用于探索速度敏感的交互式本地工作流。
推荐理由:原文清楚交代了扩散式文本生成的速度收益、硬件条件和质量取舍,便于评估本地交互场景适配度。
Google DeepMind 发布 Gemini 3.5 Live Translate,这是用于实时语音到语音翻译的最新音频模型,可自动检测 70+ 语言并生成自然流畅的译语音频。
推荐理由:原文同时给出语言覆盖、延迟形态和接入渠道,可用于比较实时语音翻译的产品落地路径。