Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉语义推理,在 Embodied Reasoning(ERQA)基准上用纯推理取得 87%,超过其他前沿模型。
选题角度:官方给出 ERQA 87% 成绩和四类机器人提示词示例,适合挑一个 MuJoCo 场景做上手实测或效果对比。
工具与公司
Google 与 DeepMind 的 AI 动态:Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
63 条精选近 30 天 63 条共收录 193 条
Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉语义推理,在 Embodied Reasoning(ERQA)基准上用纯推理取得 87%,超过其他前沿模型。
选题角度:官方给出 ERQA 87% 成绩和四类机器人提示词示例,适合挑一个 MuJoCo 场景做上手实测或效果对比。
Google DeepMind 发布前沿模型 Gemini 4 Argon,今日起通过 AI Studio 和 Gemini API 面向开发者与企业开放,Google AI Ultra 订阅者可在 Google Antigravity 使用,Gemini app 和 Search 的 AI Mode 面向 Ultra 与 Pro 订阅者开放。
选题角度:官方给出 Argon 在 Chrome 重构、ADK 提速和机器人视频学习上的具体数字,适合挑一个案例做前后效果对比实测。
苹果在官网发布智能家居新品,包括全新智能家庭中枢 HomeView、新款 Apple TV 4K 和 HomePod mini 2。HomeView 配备 7 英寸 Liquid Retina 屏幕、A18 芯片并支持 Siri AI,桌面版和墙面版两种形态,美国售价 299 美元,Siri AI 目前只在少数国家支持英语。
选题角度:苹果发布智能家居中枢 HomeView 及两款迭代新品,可对比 299 美元 HomeView 与米家、Ring 门铃的价格差,聊苹果智能家居生态的短板。
Google 发布前沿模型 Gemini 4 Argon,今日起通过 AI Studio 和 Gemini API 面向开发者与企业开放,Google AI Ultra 订阅者可在 Google Antigravity 使用,Ultra 和 Pro 订阅者可在 Gemini app 与 Search 的 AI Mode 使用。
选题角度:官方给出 API 定价、1M 上下文和多项内部实测数据,适合做一次能力盘点,重点讲 Chrome 重构与 ADK 提速这两个可验证案例。
Google 发布新一代生图模型 Nano Banana 2.1,围绕视觉设计、蒙版编辑、主体一致性和画面真实自然性升级,支持 4K 直出。据 Arena 数据,它在文本转图像、多图像编辑及单张图像编辑三项上平均提升约 61.7 分,文本转图像排名第四、仅次于 GPT。
选题角度:原文给出4K直出样片、中文海报实测和Arena分数提升,适合做新旧版本同提示词出图对比。
Gemini 上线新技能 Write Like Me,会从用户已发送邮件中提取开头、语气、句子长度和结尾习惯,锁定个人写作风格。用户在新对话中调用该技能、粘贴一封邮件并附上一句如 decline this 的简短说明,即可一键生成听起来像本人写的回复。作者称该技能适合用来处理那些以往会被忽略的重复性邮件。
选题角度:原文给出 Write Like Me 的完整使用流程,适合录屏实测同一封邮件在开启与不开启该技能时的语气差异。
Google DeepMind 发布 SynthID Detector,可快速识别视频、音频和图片中的 SynthID 水印,即使素材经过加滤镜等编辑后仍可识别。用户还可以使用 Google Chrome、Google Search 和 Gemini App 中已有的 AI 识别功能。
选题角度:官方演示 SynthID Detector 在加滤镜等编辑后仍能识别视频、音频和图片水印,适合实测加水印再修图看识别结果。
Google DeepMind 宣布 SynthID Detector 现已向所有人开放,可用来检测在线内容是否由 GoogleAI 或行业合作方的工具生成。合作方包括 OpenAI、NVIDIA、Kakao,Apple 即将加入。官方给出了试用链接。
选题角度:官方开放了 SynthID Detector 的公开入口,可现场演示用它检测 Google 及 OpenAI、NVIDIA 等合作方生成的内容。
Google 发布实验性游戏平台 Playground,用户通过对话式界面输入提示词即可创建、游玩和分享自定义游戏,无需编程经验。平台基于浏览器,支持手机和笔记本游玩,可生成分享链接或发布到 Explore 画廊,部分品类支持排行榜和多人对战,已发布游戏需通过安全审核。
选题角度:Google 官方放出 Playground 的开放入口和演示游戏,适合录屏实测用几句提示词从零生成一款可玩的小游戏。
Pika 宣布 Nano Banana 2.1 已在其平台上线,官方称该版本带来更好的视觉质量、更快的速度,并内置 Gemini 的真实世界智能。原文未披露具体参数、开放范围或价格信息。
选题角度:Pika 官方宣布 Nano Banana 2.1 上线,可围绕画质与速度提升做同提示词新旧版本出图对比实测。
Gemini 上线 Skills 功能,用可复用工作流让 Gemini 每次以相同方式执行任务。部分 Skills 只是指令集,另一些则包含参考资料和工具,让 AI 能实际完成任务而不只是描述做法。
选题角度:原文给出 Skills 在 Gemini Chat 和 Gemini Spark 的入口位置,适合录屏演示从设置里建一个技能并跑通同一任务。
Gemini 新增 Skills 功能,作者称这是 AI 最重要的功能之一,并为自己常用的每类任务都建了 Skill。视频讲解 Skills 的工作方式、三种主要创建方法,以及如何把多个 Skill 串联使用,并附有 Gemini Skills 指南链接。
选题角度:原文给出 Gemini Skills 的三种创建方式和多技能串联演示,适合按章节做 9 分钟上手教程。
Theoretically Media 实测了 Kling 4 早期访问版,覆盖文生视频、图生视频、Omni 和关键帧加 Omni 玩法,目前仅提供 Flash、720p,Ultra 为年付专属。
选题角度:作者实测 Kling 4 的文生视频、图生视频和关键帧加 Omni 玩法,并对比 Ideogram 4.5 反复编辑同一张图不漂移的效果,适合做多模型横评。
Google Gemini Skills 上线,作者演示了三种创建方式:用提示词生成、手动搭建和上传技能文件。视频还展示了 Skills 在 Gemini Chat 和 Gemini Spark 中的用法,并现场搭建了 10 个可复制或改写的实用技能,包括会议纪要、提案撰写、执行摘要、数据快照、周报、会议准备、头脑风暴、SOP 撰写和内容改写。
选题角度:原文给出三种创建 Gemini Skills 的方式和 10 个可复用技能示例,适合照着录屏演示从提示词到技能文件的完整搭建流程。
谷歌发布新一代旗舰模型 Gemini 4 Argon,在 DeepSWE v1.1 上拿到 77.9%,高于 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%,并以 68.90% 登顶 Vals Index。
选题角度:谷歌 Gemini 4 Argon 空降多榜单第一,可对比它和 Opus 5.5、GPT-6 Astra 的跑分与单题成本,并点出目前仅限审核过的网络安全团队使用。
Wes Roth 在视频中讨论 Google 的 Gemini 4 Argon,并质疑早期结果能说明多少问题。他同时梳理 OpenAI DevDay 发布的内容,包括 Dots、常驻在线的 AI 助手,以及让 AI 从聊天走向实际完成工作的开发者工具。
Google 发布新前沿模型 Gemini 4 Argon,在多项基准上追平 OpenAI 和 Anthropic,但未取得明显领先。Argon 先向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放,之后才面向开发者、企业和消费者,起步为付费 API 客户和 Google AI Ultra 订阅用户,尚未公布日期。
选题角度:用 Artificial Analysis 与 Arena 的公开数据做横向对比,讲清 Argon 在智能指数、幻觉率和 token 消耗上的取舍。
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,后续再面向开发者、企业和消费者推出。
选题角度:官方给出 Gemini 4 Argon 在 DeepSWE、CWE-bench 等基准上的分数和内部落地案例,适合做一次新模型能力与价格对比的解读。
杨博士说AI 解读小米 MiMo v2.6 的 demo,覆盖 3D 开放世界搭建、Blender 文字生成汽车 3D 资产、仿真环境交互、computer use 做 PCB 电路板设计、金属有机框架材料设计与形式化数学证明等场景。
选题角度:博主逐条拆解小米 MiMo v2.6 的 demo 场景,并对照 Code Midas 与 Google Dream 两篇论文讲清不靠蒸馏的 RL 自进化思路,适合做技术解读。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮次的视觉化对话,即日起在 Gemini Enterprise 上线。
选题角度:官方给出多语言实时对话演示和酒店入住工具调用案例,适合录屏实测口型同步与后台调用工具时的对话连贯度。