Google 宣佈搜尋 AI 功能更新,推出新搜尋框並將 AI 模式升級至 Gemini 3.5 Flash
Google 於 2026年5月19日宣佈更新搜尋 AI 功能,推出支援文字、圖片、檔案、影片及 Chrome 分頁的新搜尋框,並將 AI 模式標準模型升級至 Gemini 3.5 Flash。
推薦理由:文章梳理 Google 搜尋的模型、搜尋框與後續功能更新,並列出各項功能的推出時間及適用對象,呈現這批更新的分階段安排。
讓模型自主規劃、調用工具、完成多步任務的技術方向——從 Claude Code、Manus 到各家 Agent 框架與評測基準的全部動態。
Google 於 2026年5月19日宣佈更新搜尋 AI 功能,推出支援文字、圖片、檔案、影片及 Chrome 分頁的新搜尋框,並將 AI 模式標準模型升級至 Gemini 3.5 Flash。
推薦理由:文章梳理 Google 搜尋的模型、搜尋框與後續功能更新,並列出各項功能的推出時間及適用對象,呈現這批更新的分階段安排。
Google 於 2026 年 5 月 19 日在 Google I/O 2026 公佈多項開發者工具更新,包括 Antigravity 2.0、Gemini API 的 Managed Agents,以及 Google AI Studio 支援 Android 應用程式開發。
推薦理由:這些更新涵蓋桌面與終端代理工具、API 代理執行環境及 Android 應用開發,可看出 Google 正把多個開發環節納入同一工具鏈。
Google 在 Google I/O 2026 發佈 Gemini 3.5 Flash 和 Gemini Omni Flash,前者面向 Agent 與編碼工作,後者可結合文字、圖像、影片及音訊生成和編輯影片。
推薦理由:文章對照兩款新模型的用途與推出渠道,並交代 Gemini Spark 的測試及開放安排,呈現 Google 將模型能力延伸至影片創作和背景代理工作的具體路徑。
GitHub 宣佈所有 Copilot 計劃將於 2026 年 6 月 1 日改為按用量計費,以 GitHub AI credits 取代按次計算的 PRU,費用將按 token 消耗量及各模型的公開 API 價格計算。
推薦理由:文章逐項對照 GitHub Copilot 由 PRU 轉為按 token 用量計費後的方案與功能變化,並指出哪些既有操作知識仍然適用。
Google DeepMind 為 Project Genie 加入 Street View 地點錨定能力,並開始向全球符合資格的 Google AI Ultra $200 訂閲者逐步開放(18+)。
推薦理由:Project Genie 把美國 Street View 地點作為生成世界的起始位置,並可套用不同風格,具體呈現真實地理影像如何用於構建虛擬環境。
Google DeepMind 推出 Gemini for Science,涵蓋 Google Labs 三項科學研究實驗及 Google Antigravity 的 Science Skills。
推薦理由:三項實驗工具分別對應假設生成、計算探索與文獻整理,呈現 Gemini for Science 將 AI 智能體引入科研流程不同環節的設計。
Stanford University School of Medicine 的 Gary Peltz 團隊測試 Co-Scientist 提出的 3 種肝纖維化候選藥物,當中 2 種阻止纖維化並促進肝細胞再生。
推薦理由:研究在同一活體人類肝細胞平台比較 Co-Scientist 與研究者挑選的藥物,呈現系統從少量相關文獻線索中找到候選藥物的案例。
Google DeepMind 發佈 Gemini 3.5 模型系列,首款 Gemini 3.5 Flash 即日起透過 Gemini app 和 Google Search 的 AI Mode 向全球用户開放。
推薦理由:Gemini 3.5 Flash 列出代理任務、編碼及多模態基準成績,並比較每秒輸出 tokens 的速度,讓性能主張有多項指標可供對照。
Google DeepMind 公佈以 Gemini 構建的 Co-Scientist 多智能體科研系統,將逐步向研究人員開放。Hypothesis Generation 實驗工具將於未來數週開始推出,研究人員可在 labs.google/science 登記意向;系統以專職智能體生成、辯論和演化假設,再用 Elo-based tournament 排序並交叉核查文獻與數據。
推薦理由:Co-Scientist 以多智能體迭代生成、辯論和篩選科研假設,肝纖維化案例亦列出一項候選藥物在實驗室阻斷 91% 疤痕相關反應的結果。
OpenAI 上週在 Codex 推出 Auto-review,由另一個 Codex Agent 審核越過沙盒邊界的操作,取代該處的用戶審批。Codex 工作階段因等待人工批准而暫停的頻率,約為手動審批模式的 1/200;需審查的操作約 99% 獲批准。OpenAI 提醒,Auto-review 並非安全保證,紅隊測試曾發現它可能被誤導,因而批准原本需經用戶批准的命令。
推薦理由:文章以 Codex 內部部署和安全評測呈現 Auto-review 在減少人工中斷與審核越界操作之間的設計取捨,並交代其安全限制。
Google DeepMind 宣佈 AI co-clinician 研究計劃,探索讓 AI 在醫生專業監督下協助患者照護。在 98 個基層醫療問題的評估中,97 個案例錄得零項嚴重錯誤;在開放式藥物問答中,系統表現勝過可用的前沿 AI 系統。
推薦理由:文章並列呈現 AI co-clinician 在證據整理、藥物問答和多模態問診的測試結果,並以醫生整體表現較佳界定其臨牀輔助定位。
NVIDIA 發佈 Nemotron 3 Nano Omni,這款長上下文多模態模型面向文件分析、音訊與影片理解、智能體電腦操作及通用推理。
推薦理由:文章並列 Nemotron 3 Nano Omni、Nemotron Nano V2 VL 與 Qwen3-Omni 的多項基準結果,另列系統效率數據,提供文件、影音和 GUI 任務的比較依據。
OpenAI 的 GPT models、Codex 與 Managed Agents 現已在 AWS 提供。OpenAI 表示,企業可在 AWS 環境建構安全 AI。
推薦理由:這項 AWS 上線交代了 OpenAI GPT models、Codex 與 Managed Agents 的可用範圍,也説明企業可在 AWS 環境建構安全 AI 的使用場景。
Mistral AI 開放企業 AI 編排層 Workflows 公開預覽,讓開發者以 Python 編寫流程,並可發佈至 Le Chat 供組織成員觸發。Workflows 提供持久執行、Studio 逐步追蹤及人工審批暫停與恢復,並支援將 workers 和資料處理部署在企業自有環境。
推薦理由:Workflows 將持久執行、Studio 追蹤與人工審批整合,並支援 workers 在企業自有環境運行,呈現企業 AI 流程走向生產的部署設計。
DeepSeek於2026年4月24日發布DeepSeek-V4系列預覽版,開放網頁及API使用,並公開開放權重。兩款模型均支援1M上下文窗口:DeepSeek-V4-Pro總參數為1.6T、活躍參數49B;DeepSeek-V4-Flash則為284B及13B。
推薦理由:兩款模型同具1M上下文窗口,但在參數規模、推理表現與回應速度上定位不同,可看出 DeepSeek-V4 系列的型號取捨。
OpenAI 於 2026年4月23日發佈 GPT-5.5,提升模型在智能體編碼、電腦操作、知識工作和科學研究方面的能力。
推薦理由:文章並列 GPT-5.5 的基準測試表現、與 GPT-5.4 相同的 token 延遲,以及完成相同 Codex 任務所需 token 較少的情況,呈現能力和效率的對照。
深度求索(DeepSeek)發佈 DeepSeek-V4,Pro、Flash 系列各有 instruct 與 base 版本,四款 checkpoint 均支援 1M-token 上下文。
推薦理由:文章把 KV cache 成本、混合注意力設計與智能體工作流串連起來,並以基準數據呈現長上下文能力在工具任務中的表現。
Hugging Face Blog 提供 Transformers.js 在 Chrome Manifest V3 擴充功能中運行本地 AI 的實作指南。範例將模型初始化、推理和工具執行集中在背景 service worker,側邊欄提供聊天介面,content script 負責網頁內容擷取及元素標記。
推薦理由:文章拆解 Manifest V3 擴充功能內模型推理、對話狀態與頁面操作的分工,並説明背景 service worker 如何協調模型載入、工具執行與介面訊息。
Augment Code 以內部編碼任務評估 AGENTS.md,發現優質文件可提升 AI 編碼智能體表現,劣質文件則可能令結果比沒有文件更差。約 100 個核心檔案的中型模組中,100–150 行主文件配合少量聚焦參考文件,在各項指標帶來 10–15% 改善;六步部署新整合工作流程則令正確率提升 25%、完整度提升 20%。
推薦理由:文章以內部編碼評測比較 AGENTS.md 在不同任務中的得失,並整理出文件長度、工作流程與參考資料安排對結果的具體影響。
Moonshot AI 於 2026年4月21日發佈開源原生多模態智能體模型 Kimi K2.6,文章稱其在 Kimi Code Bench 的長期編碼任務中較 Kimi K2.5 大幅改善。
推薦理由:Kimi K2.6 同時更新長時間編碼與 Agent Swarm 規模;相較 Kimi K2.5 的 100 個子代理、1,500 步,新版的 300 個子代理、4,000 步呈現長流程協作的升級重點。