Google 发布离线 AI 笔记应用 AI Edge Foresight
Google 发布实验性笔记应用 Google AI Edge Foresight,可在完全离线状态下转写会议和音频文件,免费使用,基于其端侧 EmbeddingGemma 2 模型在 macOS 上运行。
Google 发布实验性笔记应用 Google AI Edge Foresight,可在完全离线状态下转写会议和音频文件,免费使用,基于其端侧 EmbeddingGemma 2 模型在 macOS 上运行。
The Verge 的 Decoder 播客中,主持人 Nilay Patel 与资深 AI 记者 Hayden Field 讨论 Meta Muse、OpenAI Dots 和 xAI Grok Bot 掀起的消费级 AI 智能体浪潮。
Google 在 Gemini at Work 活动上发布一款“通用”Gemini AI 智能体,可在后台跨应用和设备工作,并集成在 Gemini Enterprise 应用中,用户能在单一界面里与它对话并派发任务。
Google 发布 Mac 应用 Google AI Edge Foresight,对标 AI 笔记工具 Granola,可完全离线运行。该应用使用端侧 EmbeddingGemma 2 模型(740 million 参数)跨应用记录会议笔记,采用分屏视图,一侧手写速记、一侧显示 AI 生成笔记,并支持查看转录内容或与 Gemma 4 驱动的助手对话。
Google Research 与 NBER 发布一项为期三个月的实地实验,在 11 家知识产权律所的 133 名律师中随机开放当时未发布的 Google Labs AI 专利撰写助手(现属 Gemini Notebook)。
推荐理由:三个月实地实验区分了AI带来的即时产出提升与无辅助判断力变化,为理解AI对专业能力养成的影响提供了少见的长期证据。
Google 将 SynthID Detector 开放给公众,任何人都可以检查图片、视频或音频是否由 Google 及其合作伙伴的 AI 生成。该工具可识别 Gemini、Veo、Lyria 等模型嵌入的隐形水印,支持 JPG、PNG、MP4 和 MP3 格式。
扎克伯格与Priscilla Chan支持的 nonprofit Biohub 正协调一项18亿美元的计划,用AI模型预测细胞行为以加速药物研发。
Google 发布浏览器端 AI 平台 Playground,美国成年用户无需编程,仅用文本输入即可创建游戏,并通过与 AI 多轮对话调整规则、物理、角色和环境,随后即时测试。
Google DeepMind、Meta 和 AI 药物发现初创公司 Isomorphic Labs 联合向扎克伯格夫妇创立的非营利生物医学研究机构 Biohub 投资 3 亿美元,用于构建 AI 数据集,让研究人员能够以数字化方式提出、预测和回答生物学问题。
Google Labs 推出 AI 游戏创作平台 Playground,用户用简单文本提示即可构建浏览器游戏,无需编程经验。创作者可选择问答、竞速等类型,指定 2D 或 3D、单人或多人,并描述玩法机制与视觉风格,还可上传素材由 AI 转成符合美术风格的游戏资产。
Tony Fadell 在 MIT Future Fest 上指出,Rabbit R1、Humane AI pin、Limitless pendant 这批"Gen 1"AI 硬件失败的原因是没解决任何真实需求,只是极客觉得有趣的技术。
Google 宣布其 SynthID 检测器现已支持所有合作方的水印,并上线独立网站 SynthID.com 供任何人使用。SynthID 是编码在 AI 生成图像和视频像素、AI 音频波形中的隐形信号,Google 称仅 Gemini 就已为超过 1800 亿张图像和视频、24 万年时长的音频集成 SynthID。
Google 周二上线新网站,任何人都可以验证图像、视频或音频是否由 AI 生成,此前该工具仅向部分记者、媒体从业者和研究人员开放测试。网站支持 JPG、PNG、MP4、MOV、WAV、MP3 等多种图像、视频和音频格式,使用 2023 年推出的 SynthID 进行识别。
OpenAI 以博客、GitHub 仓库和推文形式发布了一批来自未公开内部前沿模型的数学成果,共 722 篇手稿、归入 372 个相关结果族,来自约 4000 道研究问题的评测,平均每个结果约用 3 小时 ChatGPT Pro 推理算力。
推荐理由:OpenAI 用内部模型批量产出数学结果,读者可据此了解这批成果的规模、算力成本与外界质疑。
Google DeepMind 发布 EmbeddingGemma 2,这是基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型,参数量 740M,可将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由:官方给出参数规模、分模块编码器与端侧内存占用,可据此判断本地多模态检索的落地成本。
Google 发布图像生成与编辑模型 Nano Banana 2.1,取代 2026 年 2 月发布的 Nano Banana 2,官方称其在各方面均有提升。价格约为上一代一半,1K 图像从 6.70 美分降至 3.36 美分,4K 从 15.10 降至 7.56 美分。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2,可将文本、图像、视频、音频和代码转换为数值向量,参数量 7.4 亿。Google 称其在多模态嵌入基准上超过参数量两倍的竞品,在 Massive Text Embedding Benchmark(Code)上得分 78.68,比前代 68.76 提升近 10 分。
TechCrunch 报道,Meta 的 Muse 等个人 AI 智能体在代用户购物时频繁被网站拦截,亚马逊已开始阻止 Muse 浏览和购买其商品,沃尔玛、达美航空、Yelp、eBay 等也存在类似情况。
苹果据报正在研发一款不保存视频录像的智能家居摄像头,改用 AI 将画面转成文字描述,未来 AirPods 摄像头也可能采用类似方案;Apple Watch Series 12 和 Ultra 4 的 Audio Intelligence 同样不保存音频,原始数据在 S11 处理器安全隔区处理完后即删除。
Google Research 展示 Google Earth AI 的 Population Dynamics Foundation Model(PDFM)可作为即插即用的地理空间基础模型输入,无需任务特定微调即可增强现有流行病学模型。
Google 将从 10 月 9 日起把 Gemini 免费用户限制为只能使用 Flash Lite 模型,此前免费用户可选 Flash Lite、Flash 和 Pro。
Google 的 Gemini「Call for Me」AI 功能可能从商务通话扩展到亲友通话。Android Authority 在 APK 拆包中发现「Gemini Calling」引导界面。
独立研究者 Syed Anas Mohiuddin 测试了 Google、JP Morgan Chase、Weviate、Rapid7、法国政府部际数字事务局和美国联邦政府等机构的智能体,利用 MCP(Model Context Protocol)中的信任缺口实现概念验证攻击。
Google 发布《智能体隐私与安全中的开放与新兴问题:上下文视角》研讨会报告,汇集 50 多位学界与业界专家,于 2025 年底在纽约举行的 CAPS 研讨会上完成。报告基于上下文完整性(CI)理论,提出以实时动态策略引擎作为监督层,在执行前评估智能体数据流与动作是否合乎情境,并给出系统级沙箱、模型级推理、用户控制等多层防御方向。
MIT Technology Review 的 EmTech Future 2026 活动探讨 AI 与生物学、基础设施、制造业和科学的交叉融合,Google Research 负责人 Yossi Matias 分享了 AI 如何开始重塑这些领域。
Toby Ord 分析指出,AI 智能体群体(swarm)本质是一种新的推理扩展方式,4 智能体群体完成同一任务所需 token 总量约为单智能体的两倍,但每个智能体只需一半 token,并行运行理论上可将耗时减半。
DeepMind 研究人员提出"人工共生智能"(Artificial Symbiotic Intelligence),主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络,而非构建孤立的机器智能。
Google 以自动化提交大幅增加、其中绝大多数无效为由,自 10 月 1 日起暂停其开源软件漏洞奖励计划,并承诺在 2027 年第一季度给出更新。公司称暂停源于 AI 提交的显著上升,据 Tom's Hardware 报道,Google 工程师和开源维护者被大量无效或含幻觉的报告压垮。暂停期间,参与者被建议转向 Google 的其他漏洞赏金项目。
Google 研究者发表论文提出 RRSI(Regularized Recursive Self-Improvement of Agent Harnesses),通过随时间收缩的编辑预算和严格 critic 审查,阻止智能体在自我优化中记住测试任务。
从 2026 年 10 月起,Google 将限制个人账户用户对 Gemini 模型的访问:无订阅用户只能使用最小的 Flash-Lite,不再包含更强的 Flash 和 Pro,而当前免费档位提供 3.6 Flash 和部分 3.1 Pro 访问权限。
曾在 OpenAI 负责撰写每次重大模型发布配套安全报告的 David Robinson 本周辞职,并在 The Atlantic 发表评论文章。他认为行业文化已根本性损坏,问题比新增几条训练模型规则或监管更深,硅谷以极度自信和持续冲刺的方式、在不受约束的乐观中构建更大更好的模型,忽视或低估潜在问题。
Google 宣布新一代联邦学习系统,利用可信执行环境(TEE)为数据匿名化提供可验证、可审计的保证,并已由 Gboard 采用。系统通过访问策略公开透明日志 Rekor、KMS 密钥管理与可复现构建,让外部审计者能核查服务端实际运行的代码。Gboard 已用该系统上线英语和日语下一词预测模型,训练瓶颈从设备端转移到服务端,计算时间较此前系统显著加快。
推荐理由:Google 公布基于 TEE 的新一代联邦学习系统设计,并给出 Gboard 已上线的落地情况,可了解隐私可验证训练的实现路径。
前 Google DeepMind 研究员指出,LLM 靠逐个预测 token 生成答案,本质只是"系统 1"式的快速直觉,并非真正推理。他认为链式思维仍由同一套 next-token 预测产生,缺少可检视的显式认知状态、知识与推理的分离,且推理链常是事后编造。他主张借鉴 AlphaGo 的游戏树搜索架构,为 AI 建立可更新的认知状态,以实现可信推理。
美国联邦法官 Amit Mehta 驳回 Chegg 和 Penske Media 对 Google 提起的反垄断诉讼,认定 Google 在 AI overviews 等产品中的行为不违反反垄断法。
Google DeepMind 发布 Gemini 4 Argon,面向编码、企业知识工作与网络防御,先在 Fairwind 计划的政府用户和可信网络防御者中开放,之后才面向开发者、企业和消费者。
推荐理由:汇总了 Gemini 4 Argon 的基准、定价与内部部署数据,并附上外界对公布数字的质疑。
Google 宣布推出 Gemini 4 Argon AI 模型,但目前用户还无法使用。此前外界预期的 Gemini 3.5 Pro 并未出现。
Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御者开放,随后逐步扩展到开发者、企业和消费者,起价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 按输入价的 95% 折扣计费。
推荐理由:官方给出 Argon 在编码、企业知识与网络安全上的基准与内部落地数据,可据此判断前沿模型的能力边界与分阶段开放节奏。
Google DeepMind 推出 SynthID Bio,将水印技术引入合成生物学,把不可感知的签名直接嵌入生物代码,使水印不仅能在数字模型上验证,也能在合成出的实体蛋白质上验证,同时实验室测试显示其生物功能未受影响。
推荐理由:DeepMind 把水印从数字内容延伸到合成生物,读者可了解其原理与生物安全筛查的衔接方式。
Google Research 提出 Diffusion Controller 框架,将扩散模型的去噪过程重构为连续控制问题,用一个轻量"转向阻尼器"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测,其完全解锁版本对基线模型取得 90% 胜率,并支持对闭源黑盒模型进行控制。
Simon Willison 用 GPT-6 Astra 构建了实验性工具 Photo Scrubber,可自动识别人脸并模糊处理。该工具基于 Google 的 MediaPipe C++ 库,通过 @mediapipe/tasks-vision 编译为 WebAssembly,并使用 BlazeFace 人脸检测模型,同时支持移除照片元数据。