跳到正文

Google / Gemini

Google 的企业相关动态:Gemini 系列、Workspace 与云上 AI 能力的变化。

最新精选

第 81–86 条 · 共 86 条
6月9日周二
  1. Google DeepMind:Blog67

    Google 发布 Gemini 3.5 Live Translate,支持 70 多种语言近实时语音翻译

    Google DeepMind 发布音频模型 Gemini 3.5 Live Translate,提供 70 多种语言的近实时语音到语音翻译。模型连续生成译文而非等讲话者说完,全程仅落后数秒,保留语调、节奏和音高,可自动识别多语言输入并具备抗噪能力。

    决策要点

    Gemini 3.5 Live Translate 把语音翻译从逐句等待转向边听边译的流式输出,跨语言会议与通话开始接近同传体验。

    • 影响跨国会议、多语言通话和现场接待的实时翻译可用性提高;Google Meet 企业私测先行,Google Workspace 商业客户或最先接触;移动端落地依赖 Google Translate 应用和用户接听习惯。
    • 参考可考虑在多语言客服或跨国会议场景申请 Google Meet 私测;开发团队可在 Google AI Studio 用 Gemini Live API 搭语音翻译原型;值得先测算现有同传与翻译服务成本作对比。
  2. Google DeepMind:Blog61

    Google DeepMind 发布 Gemma 4 12B,无编码器统一架构多模态模型

    Google DeepMind 发布 Gemma 4 12B,一款无编码器统一架构的开源多模态模型,可在 16GB 内存的消费级笔记本上本地运行。官方称其基准成绩接近自家 26B MoE 模型而总内存占用不到一半,并首次在中型尺寸支持原生音频输入,视觉与音频输入直接进入 LLM 主干。

    决策要点

    多模态能力下探到 16GB 内存的消费级笔记本,开源许可让企业本地跑多模态智能体的硬件门槛进一步降低。

    • 影响语音与图像等敏感数据的处理可评估在本地完成,减少数据外送环节;Apache 2.0 许可降低商用集成的授权顾虑;内存门槛下降让智能体试点的硬件预算更可控。
    • 参考可考虑选语音质检或单据图像这类固定流程做本地试点,对比云端调用的时延与成本;值得先盘点现有设备中满足 16GB 内存的机型清单。
5月18日周一
  1. Google DeepMind:Blog72

    Google 发布 Gemini Omni Flash,支持任意输入生成视频

    Google 发布 Gemini Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成视频,并通过自然语言进行多轮对话式编辑。

    决策要点

    视频生成正从一次性产出转向多轮可控编辑,Gemini 的知识储备被直接接入创作链路。

    • 影响内容与营销团队可先评估对话式编辑能否替代部分拍摄和后期工序;YouTube Shorts 提供免费入口,试错成本不高;生成视频带 SynthID 水印,商用素材发布前可先核对平台披露要求。
    • 参考可考虑让内容团队用既有素材在 Gemini 应用或 Google Flow 做多轮编辑试点,记录可用场景和节省工时;值得先确认订阅档位覆盖,API 开放后再评估接入。
5月17日周日
  1. Google DeepMind:Blog62

    Google DeepMind 扩展内容透明度与验证工具,SynthID 验证进入 Search 和 Chrome

    Google DeepMind 宣布扩大内容透明度与验证工具布局,Gemini 应用内的 SynthID 验证功能已全球使用 5000 万次,即日起扩展到 Search,并在数周内进入 Chrome。

    决策要点

    内容真实性验证正被 Google 做成覆盖搜索、浏览器、手机和云的入口能力,水印加溯源的组合开始成为平台标配。

    • 影响内容与营销团队需为 AI 生成素材预留溯源标记和标签管理流程;平台型企业可借助检测 API 做内容分拣与反欺诈;真实拍摄素材将获得跨平台识别。
    • 参考可考虑盘点自家 AI 生成素材的使用范围并预留内容凭证方案;平台方值得评估 Gemini Enterprise 平台上检测 API 的接入条件;品牌方可先测试 Search 与 Chrome 验证入口对自家素材的识别结果。
5月16日周六
  1. Google DeepMind:Blog74

    Google DeepMind 发布 Gemini 3.5 系列,首发 3.5 Flash 主打智能体与编程

    Google DeepMind 发布 Gemini 3.5 模型系列,首个型号 3.5 Flash 当天面向全球上线,主打智能体工作流与编程能力。

    决策要点

    Google 把旗舰级智能体能力压进 Flash 档的速度与价格区间,智能体任务的成本门槛成为新一轮竞争点。

    • 影响智能体与编程任务的耗时和成本参照系需要重算,银行与金融科技的多周流程自动化已有合作案例;Flash 当天进入 Gemini 应用与 Search 默认位,企业与个人可用入口同步扩大;3.5 Pro 下月跟进,模型选型的比较需要重做。
    • 参考可考虑选一个自家长程编程或文档流程做实测,记录与现有模型的耗时和费用对比;值得盘点 Gemini API、Antigravity、Gemini Enterprise 各入口的适用范围再定接入方式。
11月19日周三
  1. One Useful Thing(Ethan Mollick)77

    沃顿教授实测 Gemini 3:三年间 AI 从写诗进化到写论文

    Ethan Mollick 实测 Google 新模型 Gemini 3,称其非常强、在多数基准上领先,但可能仍不敌 $200 的 GPT-5 Pro;Google 同步推出智能体工具 Antigravity。

    决策要点

    编码智能体把 AI 从聊天框变成可指挥的数字同事,人的角色正从修错转向派活和验收。

    • 影响能写代码的智能体可操作电脑完成建站、做报表、处理文件等通用工作;管理智能体会成为一项日常工作技能;向其开放电脑权限伴随误删文件与数据外露风险。
    • 参考可考虑挑一个资料整理或建站类任务试用此类编码智能体并记录人工介入点;值得先划定智能体可访问的文件与浏览器权限边界,再扩大使用范围。