AI 编程实时动态与要闻

Google DeepMind 发布世界模型 Genie 4:基于 Gemini Omni,首次原生生成音频与实时对话,先向受信测试者开放研究预览

Google DeepMind 10 月 27 日发布 Genie 4,称其为迄今最逼真、交互性最强的世界模型。它基于 Gemini Omni,提升了物理和人物动作的真实感,首次原生生成环境声和可互动的角色对话,并由 Gemini 3.8 Flash 在回路中规划复杂事件。目前只向受信测试者开放研究预览,即将登陆 Google AI Ultra(Project Genie)及 Gemini API / AI Studio 早期伙伴;官方未公布量化跑分。

Google DeepMind 发布世界模型 Genie 4:基于 Gemini Omni,首次原生生成音频与实时对话,先向受信测试者开放研究预览

核心要点速览

  • 官方口径:Genie 4 是 DeepMind「迄今最逼真、交互性最强」的世界模型,基于 Gemini Omni 锚定真实外观与行为
  • Genie 系列首个原生生成音频的实时世界模型:环境声、音乐和角色对话同步生成,角色能实时回应
  • Gemini 3.8 Flash 作为回路中的引导 Agent,拆解目标并逐帧核对;Gemini 4 Argon 演示驱动 Apollo 人形机器人仿真
  • 局限(官方):只支持几分钟连续交互,长时间运行物体会漂移;官方未公布任何量化跑分
  • 目前仅受信测试者可用,即将开放给 Google AI Ultra(Project Genie)和 Gemini API / AI Studio 早期伙伴,输出带 SynthID 水印
阅读全文
关联模型 / 智能体 / 厂商:

Google 发布 Gemini API CLI(gemini-api)实验预览:零依赖 Go 二进制,让 Claude Code、Codex、Cursor 等编码 Agent 直接出图、出视频、转写并调度托管 Agent

Google AI Studio 团队发布 Gemini API CLI(命令名 gemini-api)实验预览版。它是一个无状态、零依赖的 Go 单文件,支持 macOS、Linux、Windows,Apache 2.0 开源。任何有 shell 权限的编码 Agent 配好 GEMINI_API_KEY 后,就能用一条命令调用文本推理、图像/视频/音乐/语音生成、文件与 YouTube 分析、音视频转写,以及 Deep Research 等托管 Agent。媒体结果直接写到磁盘、只把文件路径打印到 stdout,避免把 base64 塞进上下文。官方说明它是实验项目,不属于受支持的 Google 产品。

Google 发布 Gemini API CLI(gemini-api)实验预览:零依赖 Go 二进制,让 Claude Code、Codex、Cursor 等编码 Agent 直接出图、出视频、转写并调度托管 Agent

核心要点速览

  • 默认模型(官方 README):generate/analyze/transcribe 用 gemini-3.8-flash,image 用 gemini-nano-banana-2.1,video 用 gemini-omni-1.1-flash,music 用 lyria-3.5,tts 用 gemini-3.8-flash-tts
  • 安装:macOS/Linux 一行 curl 脚本、Windows 用 PowerShell 脚本,或 go install;GitHub 最新版本为 v0.4.3(2026-10-19 发布)
  • 面向 Agent 的机器接口:--usage 输出 KDL 命令树、--schema 输出 JSON Schema、--dry-run 离线校验且隐去凭据、--output-format json/toon、内置 --jq
  • 退出码区分 4 种情况:0 成功、1 运行/API 失败、2 用法或校验错误、3 鉴权失败;--agent-mode 输出结构化 JSON 错误
  • 还能管理托管 Agent 的沙箱环境、服务端凭据、Webhook 和 cron 触发器;Files API 上传文件保留 48 小时
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Gemini 3.8 Flash⚡ Gemini Nano Banana 2.1⚡ Gemini Omni 1.1 Flash⚡ Lyria 3.5⚡ Gemini 3.8 Flash TTS🤖 Gemini API CLI🤖 Claude Code🤖 Codex🤖 Cursor🤖 Antigravity🤖 Deep Research🌐 Google

Google Research 公开发布 Deep Review:四阶段多智能体文档核查系统,已服务 1.6 万+ 篇顶会投稿,接入 Gemini 4 Argon 并开放 API

Google Research 于 2026-10-14 公开发布 Deep Review。它由实验项目 Paper Assistant Tool(PAT)演进而来,曾在 STOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027 为 1.6 万多篇自愿参与的稿件提供投稿前反馈;现在扩展到设计文档、演示文稿、法律与财务文件。每位用户每周免费 2 次审阅,可接入 Gemini API Key 提高额度并通过 Deep Review API 集成到 CI;底层已支持 Gemini 4 Argon。

Google Research 公开发布 Deep Review:四阶段多智能体文档核查系统,已服务 1.6 万+ 篇顶会投稿,接入 Gemini 4 Argon 并开放 API

核心要点速览

  • 试点规模:STOC、ICML、NeurIPS、ICLR 四大会议共 1.6 万+ 篇稿件自愿使用(官方博客)
  • 审稿压力:ICLR、NeurIPS、ICML 三大会议今年投稿超 7.4 万篇,2025 年约 4.5 万、2024 年 3.2 万、2023 年 2.3 万(官方口径)
  • 额度与格式:每人每周 2 次免费审阅,接 Gemini API Key 提额并可调用 API;首发支持 PDF 和纯文本,多文件即将支持(Deep Review 入口)
  • 隐私:上传文档不用于训练或微调 Google 模型,仅为界面展示保存 1 年
  • Antigravity 同步上线 Teamwork Deep Document Review 模式,用 /teamwork-preview 调用;方法论见 arXiv 2606.28277
阅读全文

Gemini 4 Argon 全面开放:gemini-4-argon 上线 Gemini API 与 AI Studio,1M 统一窗口 + 长解码,引进价 $2/$10

Google 10 月 13 日宣布 Gemini 4 Argon 全球可用:Gemini API 付费层与 AI Studio 上线稳定版 gemini-4-argon,Antigravity 向 AI Ultra 开放,Gemini App 与搜索 AI Mode 向 Pro/Ultra 开放。输入、思考、输出共享 1,048,576 token 窗口,后台执行可单次生成至 1M token;引进价每百万 token 输入 $2、输出 $10(至 11 月 30 日),之后 $4/$20。免费层不可用,显式缓存不支持,temperature 等采样参数被忽略。

Gemini 4 Argon 全面开放:gemini-4-argon 上线 Gemini API 与 AI Studio,1M 统一窗口 + 长解码,引进价 $2/$10

核心要点速览

  • 模型 ID gemini-4-argon 已在 Gemini API 更新日志 标记 GA(Stable);输入支持文本/图片/视频/音频/PDF,统一窗口 1,048,576 token,默认同步输出上限 65,536
  • 定价(官方价目):至 2026-11-30 输入 $2、输出(含思考)$10 每百万 token;12 月 1 日起 $4/$20;隐式缓存命中按 95% 折扣即 $0.10;免费层与 AI Pro 计划的 API 不可用
  • 长解码:background: true 且 max_output_tokens 大于 65,536 时,服务端以每跳最多 64K 自动续写,单次最多约 1M token 减去输入(Long decode 指南)
  • 厂商口径:Vals Index 第一、ERQA 具身推理 87%、Gray Swan 间接提示注入 15 次自适应攻击成功率 0.7%;内部 Antigravity 代码提交 +35%、回滚约降三分之一
  • Antigravity 扩至 AI Pro(10/15 官方 @antigravity):Pro 另设按周重置的 Argon 配额,与 3.8 Flash 额度分开,具体额度官方未公布;实战案例(官方):vLLM 上 Gemma 4 E2B 在 A100 吞吐从约 37,900 提到 108,000+ token/s(2.85×);ADK 长会话内存准备耗时 -40%、冷启动导入 -21%
阅读全文
AD赞助内容

Gemini API 废弃 3.7 Flash:请求自动改路由到 3.8 Flash,3.5 Flash 同步转向 3.6,旧版 Deep Research 代理 10 月 23 日关停

Google 在 Gemini API 发布说明(10 月 8 日条目)中宣布 gemini-3.7-flash 废弃,所有调用自动转发到 gemini-3.8-flash;gemini-3.5-flash 同样自动转发到 gemini-3.6-flash。deep-research-pro-preview-12-2025 代理将于 10 月 23 日关停,需迁移到 04-2026 版本。10 月 10 日起开发者陆续收到邮件通知。

Gemini API 废弃 3.7 Flash:请求自动改路由到 3.8 Flash,3.5 Flash 同步转向 3.6,旧版 Deep Research 代理 10 月 23 日关停

核心要点速览

  • 2 个模型 ID 被静默改路由:gemini-3.7-flash → gemini-3.8-flash,gemini-3.5-flash → gemini-3.6-flash(官方发布说明)
  • 价格不变:3.8 Flash 付费层输入 $0.75 / 输出 $3.75 每百万 token(至 2026-12-31),2027-01-01 起 $1.50 / $7.50(定价页)
  • Deep Research 旧代理 deep-research-pro-preview-12-2025 于 2026-10-23 关停,迁至 deep-research-preview-04-2026 或 -max-preview-04-2026
  • 废弃页显示 3.6 Flash 仍可用且未公布关停日期,3.7 反而先被替换
阅读全文

Google 正式发布 Nano Banana 2.1:Gemini API 同步 GA,1K/2K 出图单价腰斩,盲评 Elo 1050 反超 Nano Banana Pro

2026-10-06 Google 正式推出 Nano Banana 2.1,并在 Gemini API 更新日志中标记 GA,模型 ID gemini-nano-banana-2.1,基于 Gemini 3.6 Flash,同步上线 Gemini App、AI Studio、Search AI Mode、Flow、Stitch、Google Ads 与 Gemini Enterprise Agent Platform。定价页显示图像输出 $30/百万 token(旧版 $60),1K/2K 单张 $0.0336/$0.0504,比 Nano Banana 2 便宜约一半;模型卡人类盲评文生图 Elo 1050,高于 Nano Banana 2 的 990 和 Pro 的 935。旧模型 gemini-3.1-flash-image 已标记弃用(暂未公布下线日期)。此前我们报道过它在 Flow 中静默上线,现已官方确认。

Google 正式发布 Nano Banana 2.1:Gemini API 同步 GA,1K/2K 出图单价腰斩,盲评 Elo 1050 反超 Nano Banana Pro

核心要点速览

  • 单张价格:1K $0.0336(旧 $0.067,-50%)、2K $0.0504(旧 $0.101,-50%)、4K $0.113(旧 $0.151,-25%);Batch 再打五折至 $0.0168/1K(定价页)
  • 但文本侧变贵:输入 $1.50/百万 token(旧 $0.50),文本+思考输出 $7.50(旧 $3),长 prompt、多参考图任务需重新核算成本
  • 盲评 Elo(模型卡):文生图总体偏好 1050 vs NB2 990 vs Pro 935;多角色一致性 1106 vs 978 vs 1011;信息图事实性 0.521 vs 0.179 vs 0.265
  • 能力规格:最多 14 张参考图(4 个角色 + 10 个物体)、修复 1:8/8:1 超宽比 2K/4K 拼接伪影、Google 网页+图片搜索 grounding、思考档位 minimal/medium/high
  • 迁移:gemini-3.1-flash-image 已弃用(暂无下线日期);API 输入上限 131,072 token,不支持 function calling / structured outputs / 缓存(模型文档)
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Nano Banana 2.1⚡ Nano Banana 2⚡ Nano Banana Pro⚡ Gemini 3.6 Flash🌐 Google🌐 Google DeepMind

Nano Banana 2.1 曾在 Google Flow 静默上线:现已获 Google 正式 GA 确认

2026-10-05 社区截图与第一手核验显示,Google Flow 模型选择器已可选 Nano Banana 2.1,当时属产品侧静默上线、Google 尚未官宣。随后 Google 于 2026-10-06 正式发布并在 Gemini API 标记 GA(模型 ID gemini-nano-banana-2.1)。完整规格、定价(1K/2K 出图约腰斩)与盲评 Elo 1050 见站内官宣稿:[Google 正式发布 Nano Banana 2.1](/zh/news/news-20261007-google-nano-banana-2-1-ga-gemini-api-half-price)。

核心要点速览

  • 状态更新:Flow 静默可选已被 Google 正式确认;完整 GA 见 [站内官宣稿](/zh/news/news-20261007-google-nano-banana-2-1-ga-gemini-api-half-price)(API ID gemini-nano-banana-2.1)
  • 官宣要点(摘自官方稿/文档,勿另编):1K/2K 出图单价约腰斩、盲评文生图 Elo 1050(高于 Nano Banana 2 的 990 与 Pro 的 935)
  • 产品入口:仍可在 Google Flow 模型下拉选择 Nano Banana 2.1;API / AI Studio 现用 gemini-nano-banana-2.1
  • 迁移:旧 ID gemini-3.1-flash-image 已弃用(暂无下线日期);详见 模型文档
  • 早期线索帖:thtbee_ Flow 截图 显示 Pro / 2 Lite / 2.1 并列
阅读全文
关联模型 / 智能体 / 厂商:
⚡ gemini-nano-banana-2.1⚡ gemini-3.1-flash-image⚡ gemini-3.1-flash-lite-image⚡ Gemini 3 Pro Image🌐 Google DeepMind

yetone 开源 Magpie:菜单栏一处给 Claude Code/Codex/Gemini CLI 换模型;本机网关翻译三家 API,★4282

yetone/magpie(MIT,约 2026-09-23 起)把「每个 Agent 一份模型配置」收成菜单栏 + 本机网关:127.0.0.1:3425/v1 同时讲 OpenAI Chat/Responses、Anthropic Messages、Gemini,流式/工具/推理双向翻译。一次加入 DeepSeek/Kimi/GLM/OpenRouter/Ollama 或 Claude/ChatGPT/Copilot 登录,即可在 Codex、Claude Code、Gemini CLI、OpenCode 等切换。本跑 ★4282 / forks 275;官网 usemagpie.ai。

核心要点速览

  • 仓:yetone/magpie MIT;产品页:usemagpie.ai;意图路由文档:usemagpie.ai/docs/intent
  • 本跑 gh api:★4282 / forks 275;created_at 2026-09-23T16:22:35Z;二进制发布仓最新 tag v0.1.697(2026-10-03T02:04:55Z)
  • 核心:本机网关翻译三家 API;Routing groups 支持 smart/order/rotate/usage;可选 intent 分类器按回合选模型
  • 卖点:Claude/ChatGPT/Copilot 订阅登录可作 provider,密钥留在 Magpie,Agent 只指 base URL
  • 开箱:curl -fsSL https://usemagpie.ai/install.sh | sh 或 go install github.com/yetone/magpie@latest;magpie provider add … → magpie claude|codex|gemini …
阅读全文

Gemini 4 Argon「最早下周公开」无官方日期:API 文档此刻查无此模型

Qwinah(@MaaSonder)2026-10-02 称 Argon 最早下周公开,拖下去会变成没人用的空模型;配图称它已写入 Gemini API 文档。Google 9 月 30 日公告和 10 月 2 日月报都没有日历日期,下一档仍是付费 API 与 AI Ultra。抓取时公开 models 与 changelog 不含 Argon。

Gemini 4 Argon「最早下周公开」无官方日期:API 文档此刻查无此模型

核心要点速览

  • 预期帖:Qwinah / @MaaSonder(2026-10-02 21:15 UTC)写「最早下周公开」,否则会变成 null model;配图称已进 API 文档。该帖约 1400 次浏览
  • 官方无日期:Argon 公告(09-30)与 9 月 AI 月报(10-02)仍是 Fairwind,下一档付费 API + Google AI Ultra,只说尽快
  • 文档核对:2026-10-03 约 07:32(SGT)的 models 与 changelog 正文没有 Argon,不要猜 model id
  • 官方跑分(非本帖实测):DeepSWE v1.1 77.9%;AutomationBench 51.3%;LVBench 91.7%;CWE-bench v1 并列 68%。FrontierSWE v2 55.0% 低于 Astra 65.5%;Terminal-Bench 4.0 57.4% 低于 Opus 5.5 的 66.4%
  • 引进价 $2 / $10 每百万输入/输出,缓存输入约打到输入价的 5%;引进期后 $4 / $20。API 未开不能下单
阅读全文

Google DeepMind 推出 Gemini 3.8 Live 与 Extended Thinking

Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking,称为其最强对话式 AI。两款模型具备升级推理、近实时视觉理解、自动检测 97 种语言,以及不打断对话的后台工具调用。Extended Thinking 可叙述任务进度;现已在 Gemini App 的 Gemini Live 与 Google AI Studio 的 Gemini API 中提供。

Google DeepMind 推出 Gemini 3.8 Live 与 Extended Thinking

核心要点速览

  • Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking,称为其最强对话式 AI。两款模型具备升级推理、近实时视觉理解、自动检测 97 种语言,以及不打断对话的后台工具调用。Extended Thinking 可叙述任务进度;现已在 Gemini App 的 Gemini Live 与 Google AI Studio 的 Gemini API 中提供。
阅读全文
关联模型 / 智能体 / 厂商:
AD赞助内容

Google 发布 Gemini 3.8 Live 与扩展思考版

Google for Developers 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。两款音频模型强化轮替对话与近实时推理,可用单次多模态 API 替代语音转写、推理与语音合成的级联流水线,已通过 Gemini API 与 Google AI Studio 提供。

核心要点速览

  • Google for Developers 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。两款音频模型强化轮替对话与近实时推理,可用单次多模态 API 替代语音转写、推理与语音合成的级联流水线,已通过 Gemini API 与 Google AI Studio 提供。
阅读全文
关联模型 / 智能体 / 厂商:

Google 发布 Gemini 3.8 Live 与 Extended Thinking

Google for Developers 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。这两款音频模型强化了对话轮次与近实时推理,可用一次多模态 API 调用替代语音识别、推理和语音合成的级联流程,从而降低延迟与成本。模型已通过 Gemini API 在 Google AI Studio 提供,并将很快登陆 Gemini Enterprise Agent Platform。

核心要点速览

  • Google for Developers 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。这两款音频模型强化了对话轮次与近实时推理,可用一次多模态 API 调用替代语音识别、推理和语音合成的级联流程,从而降低延迟与成本。模型已通过 Gemini API 在 Google AI Studio 提供,并将很快登陆 Gemini Enterprise Agent Platform。
阅读全文
关联模型 / 智能体 / 厂商:

Gemini 3.8 Live 通过 Gemini API 开放

Google for Developers 宣布开发者即日起可通过 Gemini API(Google AI Studio)使用 Gemini 3.8 Live 与 3.8 Live Extended Thinking 构建实时语音应用,并即将登陆 Gemini Enterprise Agent Platform。

核心要点速览

  • Google for Developers 宣布开发者即日起可通过 Gemini API(Google AI Studio)使用 Gemini 3.8 Live 与 3.8 Live Extended Thinking 构建实时语音应用,并即将登陆 Gemini Enterprise Agent Platform。
阅读全文
关联模型 / 智能体 / 厂商:

Google DeepMind 发布 Gemini 3.8 Live 与 Extended Thinking:目前最强对话式 AI

@GoogleDeepMind 推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking:可边说边想、近实时视觉理解、自动检测 97 种语言,并在后台调用工具而不打断对话。Extended Thinking 会口述任务进度。现已在 Gemini App 的 Gemini Live 与 Google AI Studio 的 Gemini API 中可用。

Google DeepMind 发布 Gemini 3.8 Live 与 Extended Thinking:目前最强对话式 AI

核心要点速览

  • @GoogleDeepMind 推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking:可边说边想、近实时视觉理解、自动检测 97 种语言,并在后台调用工具而不打断对话。Extended Thinking 会口述任务进度。现已在 Gemini App 的 Gemini Live 与 Google AI Studio 的 Gemini API 中可用。
阅读全文
关联模型 / 智能体 / 厂商:

Google AI Studio 发布 Gemini API Managed Agents:升级 Agent Harness、Files API 与托管凭证

Google AI Studio 分享 Gemini API 的 Managed Agents 更新,包含升级版 agent harness、Files API 与托管凭证能力。该组合把长任务的运行框架、文件上下文和凭证管理收进托管路径,降低开发者自行维护代理基础设施的负担。

核心要点速览

  • 升级版 agent harness 为 Gemini API 代理提供更完整的托管运行框架。
  • Files API 为代理工作流提供独立的文件上下文入口。
  • 托管凭证减少应用自行保存与轮换工具凭证的运维负担。
阅读全文
关联模型 / 智能体 / 厂商: