Google DeepMind 发布 Gemini Omni 1.2 Flash,支持 15 秒视频生成并降价 30%
Google DeepMind 正式发布 Gemini Omni 1.2 Flash,该模型在 Gemini API 和企业版中全面可用,原生支持最长 15 秒的视频生成与编辑。
推荐理由:原文明确了视频时长从 10 秒提升至 15 秒及价格下调 30% 的具体变化,读者可据此评估其在商业视频生成中的成本效益。
Google DeepMind 正式发布 Gemini Omni 1.2 Flash,该模型在 Gemini API 和企业版中全面可用,原生支持最长 15 秒的视频生成与编辑。
推荐理由:原文明确了视频时长从 10 秒提升至 15 秒及价格下调 30% 的具体变化,读者可据此评估其在商业视频生成中的成本效益。
AI Engineer 发布年度旗舰会议 AIE CODE 议程,聚焦无低质代码扩展、System One 模型及高难度软件重写三大主题。会议采用单轨制并邀请全球前 1000 名智能体工程师参加,旨在复盘 2026 年代码领域趋势并预览 2027 年方向。
推荐理由:原文梳理了年度旗舰会议的主题与议程,读者可据此了解智能体编码领域的年度趋势与关键人物。
Google DeepMind 发布 Gemini 4 Carbon,该模型在 Artificial Analysis Intelligence Index v5.0 中排名首位,得分 59。
推荐理由:原文披露了 Gemini 4 Carbon 在网络安全基准上的具体得分及分阶段开放计划,读者可据此评估其在防御场景下的实际能力边界。
Google DeepMind 发布 Genie 4,这是一款原生多模态世界模型,能同时生成视觉、音频和交互式对话。该模型结合 Gemini 系列能力,支持通过自然语言实时修改场景、模拟物理现象及人物行为。目前 Genie 4 已向可信测试者开放研究预览,后续将面向 Google AI Ultra 订阅者及 Gemini API 合作伙伴推出。
推荐理由:Genie 4 将原生音频生成与 Gemini 实时推理结合,展示了交互式世界模拟在物理一致性和多模态反馈上的新边界。
Google 发布 Gemini 4 Argon,宣称其能覆盖机器人控制、虚拟仿真构建及训练数据评估的全流程。在 ERQA 基准测试中,该模型以 87% 的得分领先 Claude Opus 5.5 约 5 个百分点,但在 AA-Robotics 真实机器人控制测试中仅排第三。目前该模型仅向 Google AI Ultra 订阅用户开放,开发者可通过 Gemini API 付费层级访问。
推荐理由:文章通过具体演示和基准测试对比,展示了该模型在机器人控制与仿真生成中的实际表现及局限。
Google 开始向付费用户广泛推送 Gemini 4 Argon,低层级订阅用户无法获得完整访问权限。该模型在内部应用中表现突出,例如通过消除冗余表情符号渲染使 YouTube 服务器负载降低 45%,并在 Project Wing 无人机物理模拟器中发现了自 2018 年存在的关键代码缺陷。
推荐理由:文章梳理了 Gemini 4 Argon 的付费开放策略,并列举了其在 YouTube 和 Project Wing 等内部场景中的具体应用案例。
Google 全球发布 Gemini 4 Argon,取代 Gemini Pro 成为新的前沿系列模型,开发者可通过 API 及 AI Studio 访问。该模型输入定价为每百万 token 2 美元,在 Vals Index 上位居榜首,但在独立综合排名中仍落后于 Claude Opus 5.5。
推荐理由:文章梳理了 Gemini 4 Argon 的定价、性能对比及内部工程效率数据,为评估其实际落地价值提供了参考。
Meta 发布前沿模型 Muse Wonder 及其 Full 版本,两者在 Artificial Analysis Intelligence Index v4.3 上分别获得 52 分和 56 分,显著超越前代 Muse Spark 1.3 的 48 分。
推荐理由:原文通过多项基准测试对比,展示了 Muse Wonder 在智能体任务和编码能力上的显著提升,同时指出了其事实知识短板和较高的使用成本。
OpenAI 发布 722 篇数学论文,声称解决了 500 个顶级未解数学问题中的 90 个,包括准黎曼猜想。Mistral 同期发布 Large 4 模型,拥有 1T 总参数和 49B 激活参数,支持原生多模态,API 定价为每百万输入/输出 token 1.36/4.18 美元。
推荐理由:汇总了 OpenAI 数学成果与 Mistral 新模型发布,读者可快速掌握本周 AI 领域关键进展。
Google DeepMind 发布 EmbeddingGemma 2,这是一个基于 Gemma 4 架构、拥有 7.4 亿参数的开源多模态嵌入模型,支持在端侧统一处理文本、代码、图像、音频和视频。
推荐理由:该模型在 7.4 亿参数规模下统一了文本、图像、音频和视频嵌入,为端侧多模态检索提供了具体的性能基准与部署方案。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS,支持通过自然语言提示创建自定义角色声音并逐行控制表演细节。Gemini 3.8 Flash TTS 在 Hume AI Voice Design Benchmark 中位列第一,支持超过 100 种语言,并已在 Google AI Studio 和 Gemini API 上线。
推荐理由:原文展示了从静态预设到动态创意工作室的转变,提供了多语言角色声音生成与逐行表演控制的具体能力细节。