跳到正文

Google / Gemini

Google 與 DeepMind 的 AI 動態:Gemini 系列、Veo 影片模型、研究成果與產品生態的持續追蹤。

最新精選

第 181–200 條 · 共 311 條
10月14日週三
  1. IT之家82

    Google Gemini 4 Argon 上線,最高支援 1,048,576 個 token 長解碼輸出

    Google Gemini 4 Argon 已面向全球開發者和企業開放,可透過 AI Studio 及 Gemini 平台 API 使用;Google AI Ultra 訂閲用戶可在 Google Antigravity 使用,Gemini 應用和搜尋 AI 模式則開放予 Google AI Ultra 及 Pro 訂閲用戶。

    推薦理由:材料列出限時及促銷結束後的價格,並交代輸入、思考與輸出共用百萬 token 上下文窗口,可對照其使用成本與長輸出限制。

  2. Google DeepMind72

    Google DeepMind 公佈 Gemini 4 Argon 安全措施,並開始廣泛推出

    Google DeepMind 開始廣泛推出 Gemini 4 Argon,並擴大 Fairwind Program,讓更多可信網絡防禦者參與。在端到端模擬網絡攻擊測試中,Argon 解決全部 12 個情境,上一代為 5 個;Gray Swan 的 Indirect Prompt Injection(IPI)基準中,15 次自適應攻擊的成功率降至 0.7%。

    推薦理由:文章並列高風險能力測試與多層防護安排,呈現 Gemini 4 Argon 如何應對網絡、生物濫用及智能體越界風險。

  3. Google DeepMind84

    Gemini 4 Argon:為解決最棘手的問題而打造

    Google DeepMind 發佈 Gemini 4 Argon,今日起按用戶類別透過 Gemini API、AI Studio、Google Antigravity、Gemini app 及 Search 的 AI Mode 提供使用。

    推薦理由:文章並列 Argon 的跨領域基準表現、使用入口、定價與工程及科研案例,讀者可據此瞭解其能力定位和實際應用範圍。

  4. Google DeepMind73

    Google DeepMind 推出 Gemini 4 Argon 機械人模型

    Google DeepMind 推出 Gemini 4 Argon,作為適用於整個機械人生命週期的通用物理推理模型。它在 Embodied Reasoning(ERQA)基準上以純推理取得 87%,勝過所有其他前沿模型;文章亦展示其在機械人控制、Real2Sim、物理理解及研究與自我改進方面的用例。

    推薦理由:文章以機械人控制、Real2Sim、物理理解及自我改進案例,呈現 Gemini 4 Argon 涵蓋的機械人工作流程。

  5. The Verge · AI82

    Google 發佈 Gemini 4 Argon

    Google 發佈 Gemini 4 Argon,稱其在編碼、網絡安全、科學、金融及法律等基準測試中勝過 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。

    推薦理由:文章並列 Argon 的基準測試主張、內部用途與分階段定價,並交代目前開放的訂閲層級,呈現其競爭定位與可用範圍。

  6. Google Developers Blog77

    Gemini 4 Argon 一夜間優化 200,000 行 Python 程式碼庫

    Google 團隊讓 Gemini 4 Argon 無人值守運行 11 小時,優化約 205,000 行的 ADK Python 程式碼庫。六項優化提案中有兩項經程式碼審查後合併,令長工作階段的記憶體內準備時間縮短約 40%,套件匯入時間縮短 21%。

    推薦理由:文章拆解 Gemini 4 Argon 11 小時無人值守優化流程,呈現六項提案中兩項經程式碼審查後落地的取捨。

10月13日週二
  1. Berkeley RDI:Blog84

    ExploitGym:AI 智能體能否把安全漏洞轉化為實際攻擊?

    由 Berkeley RDI 領銜的研究團隊推出 ExploitGym,以 898 個真實漏洞測試 AI 智能體能否製作可實現未授權程式碼執行的漏洞利用程式。每項任務限時兩小時,Claude Mythos Preview 成功 157 項,GPT-5.5 成功 120 項。啟用常見防護後,成功數下降但未歸零;智能體亦多次利用目標漏洞以外的缺陷。

    推薦理由:ExploitGym以898個真實漏洞比較多個智能體的利用表現,並量化ASLR等防護對成功率的影響,提供評估已知漏洞實際風險的測試依據。

  2. Business Insider Tech76

    Character.AI申請自願Chapter 11破產程序,Disney提出$20 million競投部分知識產權授權

    Character.AI在特拉華州啟動自願Chapter 11程序,尋求法院監督出售全部或絕大部分資產,並預計於11月下旬或12月初完成。Disney Worldwide Services同意成為首輪競標者,提出$20 million競投Character.AI部分知識產權及申索的非專屬永久授權,其他買家仍可提出更高報價。

    推薦理由:這宗破產案把Character.AI平台存續與法院監督出售結果連在一起;Disney提出的$20 million是首輪競標,其他買家仍可競價。

10月12日週一
  1. NVIDIA Blog60

    NVIDIA 在 OCP 全球峯會開放 Vera Rubin 架構,助力全球 AI 工廠擴展

    NVIDIA 在 OCP 全球峯會透過開放式 NVIDIA MGX 架構,向 OCP 提交 Vera Rubin 機架及運算托盤設計,並宣佈多項 AI 工廠基礎設施合作與開放標準。

    推薦理由:文章將機架、供電、網絡與軟件更新放在共同開放標準下,呈現跨供應商協作如何支撐 AI 工廠擴展的整體架構。

  2. The Decoder76

    Google DeepMind 的 AlphaProof Nexus 解決數十個未解數學問題並通過同行評審

    Google DeepMind 的 AlphaProof Nexus 在一項刊於《Science》並經同行評審的研究中,解決數十個未解數學問題。它解出 353 個未解 Erdős 問題中的 9 個,當中兩題已懸而未決 56 年,並證明 OEIS 整數數列資料庫中的 44 個猜想。

    推薦理由:研究把數學成果與同行評審並列呈現,也交代 Gemini 3.1 Pro 在 Lean 中起草、修訂和檢查證明的流程。

10月8日週四
  1. Google Research65

    Google Research 探討 AI 輔助提升工作表現能否培養律師專業判斷

    Google Research 團隊在一項刊於 NBER 的研究中,對 11 間知識產權律師事務所的 133 名律師進行為期三個月的現場實驗,評估 AI 專利撰寫助手對工作表現及專業判斷的影響。

    推薦理由:研究把 AI 輔助下的專利撰寫表現,與撤除工具後的無輔助審閲能力分開測量,並比較初級及資深律師的差異,呈現即時增益與專業判斷培養的落差。

10月7日週三
  1. Google DeepMind70

    Google DeepMind 發佈開放、輕量級多模態嵌入模型 EmbeddingGemma 2

    Google DeepMind 發佈 EmbeddingGemma 2,將文字、程式碼、圖像、影片及音訊映射至同一嵌入空間,供裝置端推理使用。

    推薦理由:EmbeddingGemma 2 將文字、程式碼、圖像、影片及音訊映射至同一嵌入空間,並列出裝置端記憶體與向量儲存數據,方便評估跨模態搜尋的本地部署。

10月5日週一
  1. MarkTechPost78

    GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1:不同工作適合哪款前沿模型?

    MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列,按工作負載整理各自適用情境。

    推薦理由:文章將四款模型的基準、價格、存取限制和任務成本並列,呈現不同工作負載下的取捨,説明排行榜名次不足以單獨決定選型。

10月3日週六
10月2日週五
  1. Google Research64

    Google Research 介紹採用 TEE 的新一代聯邦學習系統

    Google Research 公佈採用可信執行環境(TEE)的新一代聯邦學習系統,讓伺服器端的數據匿名化處理可供驗證和審計。設備上傳的訓練數據只會交由符合預先授權存取政策的 TEE 工作負載解密處理,相關政策亦發布於 Rekor 公開透明日誌。Gboard 已採用新系統推出英文及日文下一詞預測模型,模型私隱保障更強、準確度更高,計算時間亦較舊系統大幅縮短。

    推薦理由:文章比較舊式聯邦學習與 TEE 架構在服務端可驗證性上的差異,並交代存取政策公開記錄機制及 Gboard 部署後在私隱、準確度和訓練速度上的變化。

10月1日週四