关注最新报道、解读和相关科技故事。
谷歌宣布推出用于人工智能视频生成的 Gemini Omni 1.2 Flash 模型,将片段时长提升至 15 秒,生成成本降低 30%,并支持通过对话指令进行编辑。
Google 向订阅 Gemini API 付费计划的开发者开放其旗舰模型 Gemini 4 Argon,至 11 月 30 日前提供每百万输入令牌 2 美元、每百万输出令牌 10 美元的促销价格。该模型将输入和输出令牌合并到 100 万令牌的统一预算中,这意味着较长的输入会减少可用于响应的空间。
Google已开始向Gemini应用中的AI Pro和AI Ultra订阅者推出Gemini 4 Argon,带来推理和编程方面的改进,并支持在macOS上切换聊天与编程模式。该模型还可通过Antigravity、AI Studio和Android Studio使用;在2026年11月30日前,通过API使用该模型的起价为每百万输入令牌2美元。
Google宣布推出两款新的文本转语音模型,可创建定制声音、逐行指导演绎,并以100多种语言生成多说话人对话。Gemini 3.8 Flash TTS已通过Gemini API和Google AI Studio面向开发者提供,而Flash-Lite则面向大规模语音应用。
Google宣布通过Gemini API和Google AI Studio向开发者提供Gemini 3.8 Live、Gemini 3.8 Live Extended Thinking和Gemini 3.5 Transcribe。 这些模型旨在构建能够跟进对话并执行任务的语音代理,同时以较低错误率将超过85种语言的语音转换为文本。
Google已将“代理式视频理解”能力加入Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite,使模型能够确定需要检查的片段和媒介,而不是以固定帧率处理视频。公司称,该功能可将令牌消耗降低最高88%、成本降低最高66%,同时将准确率提升最高7%。
Google宣布推出Gemini 3.5 Transcribe,这是一款面向实时转写和录音文件的语音转文本模型,支持频率处理、文本格式化和说话人识别。该模型通过Gemini API以及Google面向开发者和企业的平台提供公开预览,并逐步集成到Google应用中。
Google推出Gemini 3.7 Flash,称其为目前在编程和代理构建方面最强大的Flash系列模型,并改进了网页开发和知识工作流程,初始价格相当于原Gemini 3.6 Flash成本的一半。该模型面向开发者和企业提供,并已开始用于面向符合条件订阅者的Gemini Spark代理。
谷歌推出 Gemini 3.7 Flash,改进了编程、任务规划、工具调用和企业工作流,同时将 API 价格减半至 2026 年底。该模型现已通过谷歌面向开发者、企业和订阅用户的一系列服务提供,但测试结果并未显示它在所有使用场景中都优于竞争对手。
Google 宣布为 Gemini API 中的 Managed Agents 推出更新,包括将 Gemini 3.6 Flash 设为默认模型,以及添加用于控制和审计工具调用的环境钩子。此次更新还提供免费层、预算限制、计划触发器,以及用于管理隔离环境会话的接口。