AITOPAI热报

Google

共 412 条相关 AI 资讯 · 查看话题观测
5月21日
07:59
07:59
07:42
07:08
07:08
02:07
00:10
5月20日
20:14
20:14Jerry Liu@jerryjliu0
Google AI 通过 Gemini API 推出了 Managed Agents 服务，这是对 Anthropic Managed Agents 的回应。该服务基于新的 Antigravity 智能体（由 Gemini 3.5 Flash 驱动），号称是面向开发者最具成本效益的通用智能体沙箱。LlamaIndex 团队已为 Gemini Managed Agents 构建了第一天支持，通过 LlamaParse 和 LiteParse 让智能体能够解析 PDF 等非结构化文档。开发者可以配置 Git 仓库，将数据和输出存入其中，智能体在沙箱内自动安装工具并处理文档任务。这为需要处理复杂真实世界文档的开发者提供了一个低成本、自动化的解决方案。
AI产品智能体GoogleGemini
事件专题
推荐理由：Google 终于推出了自己的托管智能体服务，而且基于 Gemini 3.5 Flash 成本极低，做文档处理的团队可以直接用 LlamaIndex 的模板快速上手，省去自己搭建解析流程的麻烦。
原文
15:12
15:12AI Will@FinanceYF5
精选72°
Google 提出 Nexus 框架，将时间序列预测从纯数值模式匹配转向事件驱动的推理问题。Nexus 通过多个智能体分别处理历史文本事件、宏观环境、局部冲击，并由合成器校准，让模型理解数字背后的原因。在 Zillow 房价测试中，基于 Claude 的版本相比直接思维链提示，平均绝对百分比误差（MAPE）降低 86.6%。虽然目前仅在有限数据集上验证，但方向明确：未来的预测不仅要外推曲线，还要解释曲线为何移动。
论文时间序列预测智能体推理模型
推荐理由：做时间序列预测的团队终于有了一个能理解「为什么涨跌」的框架，Nexus 把事件和数字结合，效果显著。做量化、经济预测或房地产分析的建议点开论文看看。
原文
15:08
09:50
09:50shao__meng@shao__meng
83°
Google 在 Google I/O 上发布个人 AI Agent「Gemini Spark」，可 7×24 小时在云端运行，即使手机关机也能持续执行任务。它基于 Gemini 3.5 模型和 Antigravity 框架开发，能自主执行多步骤任务，但在重大操作前会向用户确认。Spark 默认打通 Gmail、Calendar、Drive 等 Google 应用，支持 Tasks（一次性/复杂任务）、Skills（可复用能力）和 Schedules（定时触发）三大架构。官方示例包括自动找实习、每周收件箱复盘、从邮件生成技能、整理 Drive 等，未来还将通过 MCP 接入第三方服务。
AI产品智能体Gemini SparkGoogle
推荐理由：Google 终于推出了真正 7×24 在线的个人 Agent，做自动化工作流、邮件管理、日程安排的团队可以直接用，不用再自己搭机器人了。
原文
09:28
09:28官方账号Google AI@GoogleAI
72°
Google 宣布推出全新智能搜索框，将 AI Overviews 和 AI Mode 合并为统一的 AI 搜索体验。该搜索框基于最先进的 Gemini 3.5 模型，支持文本、图像、文件和视频等多模态输入，并能跨模态进行推理。用户可提出后续问题、构建上下文，获得更个性化和精准的回复。新搜索体验已在全球桌面端和移动端上线。
AI产品Gemini 3.5AI 搜索多模态
推荐理由：Google 将 AI 搜索能力整合进一个统一入口，做搜索优化或内容运营的团队值得关注——这意味着用户行为和数据反馈将更集中，直接影响 SEO 策略和内容分发逻辑。
原文
09:10
08:37
08:01
08:01Ethan Mollick@emollick
Anthropic和OpenAI的产品体验正在趋同，Claude/Code/Cowork与ChatGPT/Codex的差距缩小。相比之下，Google的AI应用如Studio、Gemini、Antigravity等体验差异越来越大。这一趋势反映了AI行业两大阵营的不同策略：统一化与分散化。对于用户和开发者来说，选择哪个生态将影响未来的工作流和工具链。
行业AnthropicOpenAIGoogle
事件专题
推荐理由：AI工具生态正在重新洗牌，做AI产品选型的团队需要关注Anthropic与OpenAI的趋同趋势，以及Google的分化风险——这直接决定了你该押注哪个平台。
原文
07:25
06:53
06:44
06:44Patrick Loeber@patloeber
83°
Google 的 Gemini 3.5 Flash 模型现已正式可用（GA），在智能体和编程任务上达到前沿水平。该模型在复杂长周期任务中表现出色，并在多个挑战性基准测试中超越了上一代 3.1 Pro。同时，它保持了极快的推理速度，适合对延迟敏感的应用场景。开发者可以立即在 Google AI Studio 或 Vertex AI 上使用。
AI模型Gemini 3.5 Flash智能体编程助手
推荐理由：做智能体或编程自动化的开发者终于有了一个又快又强的模型——Gemini 3.5 Flash 在长任务和基准上超越 3.1 Pro，且已 GA 可直接用，建议立刻上手试试。
原文
06:41
05:20
05:20Philipp Schmid@_philschmid
83°
Google 在 Gemini API 中推出 Managed Agents 功能，只需一次 API 调用即可获得一个完整智能体，支持代码执行、网页浏览和文件管理，运行在隔离沙箱中。该智能体基于 Gemini 3.5 Flash 和 Google 的 Antigravity 框架，可运行 Bash、Python 和 Node.js 代码。用户可通过 AGENTS.md 和 SKILL.md 文件自定义智能体行为，并挂载 GitHub 仓库、GCS 存储桶或内联文件到环境中。这大幅降低了构建和部署 AI 智能体的门槛，开发者无需管理底层基础设施。
AI产品智能体Gemini API沙箱执行
推荐理由：对于需要快速搭建可执行代码、浏览网页的智能体的开发者，Managed Agents 省去了自己搭建沙箱和编排的麻烦，一次 API 调用就能用上，值得立即尝试。
原文
04:27
04:10
03:48
03:48官方一手Google Blog: AI（博客/媒体）
72°
Google 在 Search IO 2026 上宣布了搜索引擎与AI深度融合的新阶段，将传统搜索的精准性与AI的生成能力结合。新功能包括更智能的对话式搜索、多模态理解（图片、视频、文本混合查询）以及个性化结果生成。这一更新旨在提升用户获取信息的效率，同时保持搜索结果的可靠性。Google 强调，AI 不会取代搜索，而是增强其能力，让用户能更自然地探索复杂问题。
AI产品AI搜索Google搜索引擎
推荐理由：Google 把搜索引擎和AI生成能力真正打通了，做搜索优化或内容运营的团队值得关注——这可能会改变用户获取信息的方式，建议点开看看具体怎么落地。
原文
03:17
03:07
03:07
02:42
02:09
02:09官方账号Logan Kilpatrick@OfficialLoganK
78°
Google 发布了 Gemini 3.5 Flash，号称迄今为止最强大的模型，在智能、速度和成本方面均达到新高度。团队经过 6 个月优化，使其更适用于实际场景。该模型现已全面可用，旨在为开发者提供更高效、更经济的 AI 解决方案。
AI模型Gemini 3.5 Flash推理模型成本优化
推荐理由：Gemini 3.5 Flash 在性能与成本之间找到了新平衡，做 AI 应用开发的团队可以直接部署，值得关注。
原文
02:09
01:31
01:24
01:23
5月19日
23:49
15:14
5月18日
08:09
08:09berryxia@berryxia
78°
Google最新论文Nexus颠覆了传统时间序列预测方法，不再仅依赖历史数据，而是引入“事件上下文”进行因果推理。论文提出多agent框架：一个agent从文本提取事件时间线，一个分析宏观趋势，一个监控局部冲击，最后由合成器校准历史误差并给出预测。在Zillow数据集上，Claude驱动的Nexus版本将平均MAPE降低了86.6%。这标志着预测从“模式识别”转向“因果理解”，是方法论上的重大突破。
论文时间序列预测多agent框架因果推理
推荐理由：做时间序列预测的团队终于有了新思路——不再死磕历史曲线，而是用多agent理解政策、突发事件等因果因素，效果直接降维打击。搞量化、供应链或金融预测的开发者建议点开，看看怎么把文本推理融入预测流程。
原文
5月17日
23:43
23:39
23:39rohanpaul_ai@rohanpaul_ai
精选72°
Google 发布新论文 Nexus，提出将时间序列预测重构为推理问题，通过多智能体框架引入事件上下文。在 Zillow 房价测试中，基于 Claude 的版本相比直接思维链提示，平均绝对百分比误差（MAPE）降低 86.6%。Nexus 将任务分解为多个智能体：一个将混乱历史文本转为事件时间线，一个读取宏观环境，一个追踪局部冲击，最后由合成器结合历史误差校准。论文认为，大多数时间序列模型擅长模式但忽视因果，而 Nexus 通过结构化上下文让语言模型更好地利用事件信息。目前证据限于 Zillow 数据和七支股票，但方向明确：未来预测不仅要外推曲线，还要解释曲线变动的原因。
论文时间序列预测多智能体框架因果推理
推荐理由：Nexus 把时间序列预测从纯数字游戏变成因果推理，做金融、房地产或供应链预测的团队值得关注——它用事件上下文把误差砍掉 86%，思路可以直接借鉴。
原文
00:17
5月16日
22:40
22:40Guillermo Rauch@rauchg
Vercel 的 AI Gateway 数据展示了真实生产环境中 AI 和 Agent 的使用情况。Google 在生产规模上占据主导地位，Anthropic 在编程和支出方面领先，OpenAI 自 5.4 以来增长迅速，开源模型也在持续增长。数据表明 AI 竞赛比表面看起来更加动态和流动。
行业AI Gateway生产环境Google
事件专题
推荐理由：做 AI 应用和 Agent 开发的团队可以看看真实的生产数据——Google 的规模、Anthropic 的编程优势、OpenAI 的增速，帮你判断该押注哪个平台。
原文
22:20
22:20向阳乔木@vista8
Vercel 发布基于 20 万个项目、7 个月、十万亿 token 消耗的分析报告，揭示不同模型在实际生产中的使用格局。按费用计算，Anthropic 占 61% 居首，但按 token 量 Google 占 38% 领先，说明 Claude Opus 贵但用于关键任务，Gemini Flash 便宜量大。B2B 场景 token 量仅占 29.7%，费用却占 40.7%，表明企业更倾向高价值模型。Agent 请求占比从 31.6% 涨至 58.9%，一次 Agent 请求消耗 token 是普通聊天的 2.6 倍。大规模团队平均使用 35 个模型，模型选择高度碎片化。
行业模型成本AnthropicGoogle
事件专题
推荐理由：这份报告用真实 token 消耗数据揭示了谁在真正赚钱、谁在烧钱，做模型选型或成本优化的团队值得细读，能帮你避开 arena 榜的噪音。
原文