YouTube Music 将用 AI 标签区分人类创作与 AI 音乐
YouTube Music 开始应用 AI 标签识别人类创作与 AI 音乐,该标签与 YouTube 视频的 AI 标签类似,将显示在播放页,点击可查看更多信息。Google 表示与合作伙伴合作并使用自研工具检测 AI 音乐,但发布者可自愿标注使用 AI 的程度(完全/部分/无)。
YouTube Music 开始应用 AI 标签识别人类创作与 AI 音乐,该标签与 YouTube 视频的 AI 标签类似,将显示在播放页,点击可查看更多信息。Google 表示与合作伙伴合作并使用自研工具检测 AI 音乐,但发布者可自愿标注使用 AI 的程度(完全/部分/无)。
谷歌推出 ADK-Recipes 仓库作为 Agent 平台内容单一事实来源,包含核心模式、插件技能和服务,支持终端构建长时程记忆代理、一键安装零售垂直技能,并部署到 Cloud Run 或 Gemini Enterprise。
Google OAuth 平台推出 DPoP 支持,通过应用层加密绑定刷新令牌与客户端密钥对,防止令牌窃取和重放攻击。该方案将 DPoP 仅用于约束长寿命刷新令牌,确保即使令牌被盗也无法被重放,同时短寿命访问令牌仍为标准 Bearer 令牌以维持高性能。DPoP 与 DBSC 协同防御 API 和网页会话凭证盗窃,但需注意其在多智能体工作流中的密钥共享挑战。
谷歌发布Geospatial Reasoning智能体,集成Earth AI基础模型(含WeatherNext、PDFM等)及Google Maps等数据源,通过模块化技能与规划能力处理行星级地理数据。
谷歌发布Deep Review智能文档验证系统,提供复杂文档的严格反馈和技术验证,支持PDF和纯文本输入,每周免费2次审核,通过API高级集成,已与STOC 2026、ICML 2026等4个顶级计算机会议合作,处理超16,000篇论文预提交反馈。
White Circle研究人员使用现成的攻击工具成功绕过DALL·E 3、Google Nano Banana 2和GPT-Image-2的安全过滤器,其中DALL·E 3约13%的攻击提示生成了被人类评审员确认的裸露图像。研究人员警告,新发布的ChatGPT Images 2.5和Nano Banana 2.1比前代版本更容易被攻破,且攻击方法可扩展至其他模型。
Google DeepMind 与新加坡政府技术局(GovTech Singapore)合作,微调了隐私保护型设备端诈骗检测模型 Gemma,用于应对新加坡超过一半的犯罪(超 40 亿新元损失),该模型通过在设备上分析对话模式实时发出警告,且因运行在设备端,用户隐私不受侵犯。
Apigee 混合云平台 1.17.0 发布,将 Model Context Protocol (MCP) 数据平面部署在用户自有 Kubernetes 集群中,使 AI 代理工具能在 API 运行环境内调用已安全管理的 API,无需编写代码或自建 MCP 服务器。
Gemini 4 Argon 在编码、金融、法律等领域展现出前沿能力,尤其强化了网络安全防御功能,通过 Fairwind 项目和内部测试验证其有效性。该模型在 MMLU 等基准测试中表现优异,并采用三层实时防护机制(输入筛选、内部自省、持续监控)及自动化偏差监控,显著降低有害请求和违规行为风险,成功拦截 99% 以上的外部生物安全越狱尝试,同时将编码任务中的捷径行为降至 2%。
Gemini 4 Argon 在物理理解、代码生成和视觉语义推理方面取得重大突破,在 Embodied Reasoning (ERQA) 基准测试中纯推理得分 87%,超越所有前沿模型。Argon 可应用于机器人生命周期的各个环节,包括使用 MuJoCo 进行移动操作练习、零样本机器人控制和视频世界模型的闭环转向。
Gemini 4 Argon 在 Vals Index 上排名第一,以 175B 参数规模在编码、金融、法律、网络安全和科学等领域超越其他前沿模型,其推理深度和精度使它成为解决复杂工程问题、优化业务流程和加速科研突破的利器。
Google 发布了 Gemini 4 Argon,面向开发者、企业和科研人员开放,API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 享 95% 折扣。
推荐理由: 官方给出定价、基准排名和多个内部落地案例,可据此判断它在编码与科研工作流中的位置。
SimpleClosure 和 Sunset 等科技公司中介公司正在从倒闭的初创企业手中购买代码和 workspace 数据出售给 AI 实验室,随着 AI 训练实验室面临公共和合成数据集的限制。
Gemini 4 Argon 在物理理解、代码生成和视觉语义推理方面取得重大突破,在 Embodied Reasoning (ERQA) 基准测试中得分 87%,超越所有前沿模型。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 指出 AlphaFold 的突破仅是起点,单纯扩展计算和数据无法解决生物学问题。
Google 在云服务大会上宣布为 Gemini AI 推出统一智能体,使其不仅能解答问题,还能代表用户完成事务,初期将聚焦企业应用。该智能体可接受目标而非指令,通过自定义技能和工具连接企业内部系统,默认选用最佳模型(包括第三方 Anthropic Claude 模型),未来将扩展至开源及私有模型选择。
Google AI Edge Foresight 应用可离线转录会议与音频文件,运行于 macOS 并使用 EmbeddingGemma 2 模型,用户可同步记录手写要点并生成整理笔记,文件、音频及笔记数据始终保留在本地设备。
谷歌发布了可在工作场景中跨应用和设备运行的通用Gemini AI代理,该工具通过Gemini Enterprise应用提供单一界面,支持与代理聊天并分配任务,能直接在Gmail、Drive、Docs等Workspace应用内工作,并保持云端上下文。目前仅对商业客户开放私有预览,此前谷歌已在5月推出面向消费者的Gemini Spark代理。
Air Street Press 发布《2026年人工智能报告》,指出智能体在软件与科学领域价值提升、物理AI通过世界模型与演示学习实现突破,并强调工具与上下文对智能体能力提升的关键作用。
谷歌 AI 边缘团队开源 ML Drift,这是一个高性能、跨平台的边缘设备 GPU 计算引擎,用于设备端 AI/ML 推理。通过抽象 OpenGL ES、OpenCL、Metal 和 WebGPU 等硬件低级 API 的复杂性,ML Drift 使开发者能构建实时交互式 AI 体验。
AQuA 运行在生产代理旁边,通过五阶段流程(采样、审查、聚类、验证、跟踪)分析生产轨迹,将常见问题聚类并生成实际/预期发现,帮助团队持续监控和改进代理质量。它使用开发者编写的目标文件和自定义指标来指导审查过程,并支持与 Gemini 平台的 AutoRaters 集成。
Google将SynthID检测器扩展到所有合作伙伴的水印。用户可以通过新网站SynthID.com查询AI内容是否包含SynthID标签,无需依赖Gemini模型。该检测器已集成Google 1800亿图像视频及240,000年音频的SynthID数据,现在支持跨平台水印识别。
Google AI 推出 Playground,一个无需编码即可创建、游玩和分享自定义游戏的实验性平台。用户通过文本提示即可构建游戏,并能在浏览器中跨设备游玩。平台包含不断增长的游戏库,支持多人游戏和排行榜,并即将推出与 Unity Spark 的集成,为专业创作者提供高级功能。
Google Developer Knowledge API 是 Google 官方的开发者文档程序化源,为 Google Cloud、Firebase、Android 等 Google 生态提供语义搜索、智能文档分块和可靠问答能力,减少 AI 工具因 LLM 训练截止日期过时而产生的幻觉。
Google Earth AI 的 Population Dynamics Foundation Model (PDFM) 将搜索趋势、人口流动、建筑环境密度和环境因素压缩为位置嵌入,无需特定任务微调即提升多种疾病领域和地理环境的流行病学研究表现。
Google DeepMind 发布 EmbeddingGemma 2,一款参数量仅 740M 的开放权重多模态嵌入模型,能将文本、图像、视频帧和音频统一映射至单一向量空间。
EmbeddingGemma 2 是基于 Gemma 4 开发的 740M 参数开源模型,将文本、代码、图像、视频和音频映射到统一 768 维空间,支持模块化加载(270M-740M 参数),在代码搜索和跨模态检索上表现优异,可通过 sentence-transformers 库使用。
Google 研究发布新报告《开放与涌现的智能体隐私与安全问题:语境视角》,分析自主智能体面临的基础隐私与安全挑战,需系统、模型、用户及生态层面协同防御。报告指出,智能体需处理个人数据并自主行动,但其在非结构化接口、概率性控制流和自主代理方面的特性带来新挑战,需结合语境完整性理论设计能评估行动社会与语境适当性的策略。
OpenRouter 推出 openrouter:shell 和 openrouter:bash 工具,支持在服务器端沙盒中执行模型命令,适用于任何模型,目前处于 Beta 测试阶段。
Anthropic 2024年收入增长至46亿美元,但去年基础设施支出73亿美元,未来十年预计将投入5180亿美元,其中约80%为不可撤销承诺。该公司需在激烈竞争、政治风险加剧和资金收紧中保持增长,否则其巨额财务义务可能引发系统性风险。AI行业正面临前沿模型优势减弱和商业支出收紧的挑战,企业更倾向于使用标准模型以提升ROI。
Google发布九月AI更新,推出Gemini 4 Argon模型,配备100万token输出限制,专攻复杂挑战如网络安全防御,目前通过Fairwind计划向受信任的网络安全防御者推出;同时发布Gemini 3.8 Flash和3.8 Flash Cyber,提升长时程软件工程和自主漏洞发现能力,通过新Fairwind计划向受信任组织开放。
谷歌研究发布新一代基于可信执行环境(TEE)的联邦学习系统,通过在TEE内执行加密训练数据和发布访问策略到公共透明日志Rekor,实现完全可验证和可审计的数据匿名化,Gboard已采用该系统并显著提升计算速度。
Gemini 4 Argon 在复杂工作流程中提供前沿性能,支持软件工程、企业知识工作(法律和金融)以及网络安全防御。该模型的输出令牌限制扩展至行业领先的 1M,并在 DeepSWE v1.1(77.9%)、Vals Index(金融、编码、法律、税务)、AutomationBench(51.3%)等基准中领先。
谷歌 DeepMind 推出了 SynthID Bio 水印技术,将不可察觉的标识嵌入生物代码,确保在数字模型和合成蛋白质上均可验证,同时保留蛋白质的生物学功能。
稀疏视频生成(SVG)通过识别视频扩散模型中不同注意力头的时空结构,动态路由注意力头至空间或时间掩码,将理论上的稀疏性转化为实际端到端速度提升。在TPU v6e上,SVG保留约38.87%的查询-键对,实现3.5倍推理加速,同时保持给定稀疏度下的输出质量。该方案采用自定义JAX和Pallas Splash注意力内核,将理论稀疏性转化为硬件上的物理稀疏性。
Gemini 3.8 Live with Live Avatar 发布,通过将实时视频生成与语音原生耦合,为 Gemini 对话 AI 增强近实时视觉呈现能力,支持 97 语言同步,可在 Gemini Enterprise 中使用。
Google Cloud API Gateway 在公共预览中可作为远程 MCP 服务器,通过标注 OpenAPI 规范并部署,将现有 REST 操作转换为智能体可调用的 MCP 工具,无需额外服务器。
Google DeepMind 推出 Private AI Compute 新架构,通过云端加密存储和设备密钥管理,实现跨设备 AI 持久记忆,确保数据私密性。该架构在云端隔离环境中临时解密用户数据以处理请求,并立即加密保存新上下文,同时设备持有解密密钥。用户可验证服务器软件真实性并审计安全协议,支持 AI 在云端高效处理复杂任务时仍保持设备级隐私标准。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS,支持从零创建自定义角色声音并直接控制场景对话。
Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 大型语言模型,前者专为规模和成本效益设计。