谷歌Data Commons发布了MCP服务器，这是一个标准化的接口，允许AI代理直接访问Data Commons的大型公共数据集。这简化了数据访问，加速了数据密集型AI应用的开发，并有助于减少大型语言模型的幻觉。通过与ONE Campaign合作开发的ONE Data Agent就是一个成功案例，它利用MCP服务器快速搜索数千万个健康融资数据点，为全球健康倡导提供了有力工具。MCP服务器易于集成到各种AI开发工作流程中，例如Google Cloud Platform的ADK和Gemini CLI。
阅读更多
谷歌发布了Gemini 2.5 Flash Image，一款先进的图像生成和编辑模型。它能够融合多张图片、保持角色一致性、通过自然语言进行精准变换，并利用Gemini的世界知识进行图像生成和编辑。该模型价格为每百万输出token 30美元，每个图像约为1290个输出token。开发者可以通过Gemini API和Google AI Studio，企业用户则可以通过Vertex AI访问该模型。Google AI Studio的“构建模式”也进行了重大更新，方便用户快速测试和构建自定义AI应用。Gemini 2.5 Flash Image 具有角色一致性保持、基于提示的图像编辑和本地世界知识等功能，为图像生成和编辑带来了新的可能性。
阅读更多
Gemma家族迎来新成员——Gemma 3 270M，这是一个仅有2.7亿参数的小型AI模型，专为特定任务微调而设计。它继承了Gemma 3系列的先进架构，具备强大的指令遵循和文本结构化能力，同时拥有极低的功耗，在Pixel 9 Pro SoC上进行25次对话仅消耗0.75%的电池电量。其强大的指令遵循能力使其在IFEval基准测试中表现出色，为边缘设备和研究应用带来了更便捷的先进AI能力。Gemma 3 270M非常适合高容量、明确定义的任务，如情感分析、实体提取等，也适用于需要快速迭代和部署的场景。开发者可以利用其快速进行微调实验，创建一系列小型专用模型，高效且经济地构建生产系统。
阅读更多
谷歌Gemini Embedding文本模型自发布以来，已被广泛应用于构建各种AI应用。它不仅用于传统的分类、语义搜索和检索增强生成等任务，更在“上下文工程”中发挥关键作用，帮助AI智能体理解完整操作上下文。Box、re:cap、Everlaw、Roo Code、Mindlid和Interaction Co.等公司已将其用于提升各自产品的性能，例如提高信息检索准确率、加快处理速度、增强AI助手的情境感知能力等。Gemini Embedding凭借其高性能和多语言支持，正成为构建下一代AI智能体的基石。
阅读更多
Google 宣布将于 2025 年 8 月 25 日关闭其 URL Shortener 服务 (goo.gl)。从 2024 年 8 月 23 日起，部分 goo.gl 链接将显示通知页面，提示用户该链接将在 2025 年 8 月 25 日后失效。Google 建议开发者迁移到其他 URL 短链接服务。通过 Google 应用生成的 goo.gl 链接将继续有效。
阅读更多
Google Gemini API推出批量模式，以异步方式处理高吞吐量、非延迟关键型工作负载。此模式允许提交大型作业，并以标准价格5折的优惠价格在24小时内检索结果。它适用于预先准备好数据且无需立即响应的任务，可降低成本、提高吞吐量并简化API调用。Reforged Labs利用此模式处理海量视频广告，显著降低成本并提高效率。开发者可通过Google GenAI Python SDK轻松使用该功能。
阅读更多
Google DeepMind发布了开源Python库GenAI Processors，旨在简化构建复杂的大型语言模型（LLM）应用。该库使用Processor接口抽象了各种数据处理步骤，并通过异步流处理方式处理多模态输入，支持并发执行，从而提高响应速度和效率。GenAI Processors与Gemini API集成，并提供构建实时应用的示例，例如实时语音转录和问答系统。
阅读更多
Gemma 3n，一款面向移动端的强大多模态AI模型正式发布！它基于创新的MatFormer架构，支持图像、音频、视频和文本等多种输入，并能以极低的内存占用运行（E2B仅需2GB，E4B仅需3GB）。Gemma 3n支持140种语言的文本处理和35种语言的多模态理解，并在LMArena上取得了超过1300的成绩。其高效的架构和Per-Layer Embeddings技术，使其在各种任务中表现出色，为开发者提供了前所未有的便利，并开启了移动端AI的新纪元。
阅读更多
Google AI Studio迎来重大更新，集成Gemini 2.5 Pro模型，显著提升代码生成能力。开发者可通过简单的文本、图片或视频提示，快速构建和部署AI驱动型网页应用。新版本还整合了Imagen、Lyria RealTime和Veo等多模态模型，支持一键部署至Cloud Run，并提供便捷的代码版本比较和回滚功能。此外，新增原生音频支持和URL Context工具，进一步增强了应用的交互性和信息获取能力。
阅读更多
谷歌发布了新的开放模型Gemma 3n，它基于一种全新的架构，旨在将强大的AI能力带到移动设备上。Gemma 3n 拥有更低的内存占用和更快的响应速度，支持多模态理解（文本、图像、音频），并具备强大的多语言能力。开发者可以通过Google AI Studio和Google AI Edge访问预览版，并开始构建基于Gemma 3n的应用，例如实时语音转录、翻译和图像理解等。该模型注重隐私保护，可以在离线状态下运行。
阅读更多
谷歌提前发布了Gemini 2.5 Pro预览版（I/O版），该版本在编码能力上有了显著提升，尤其在前端和UI开发方面表现突出。它在WebDev Arena排行榜上排名第一，能够生成美观且功能强大的网页应用。Gemini 2.5 Pro可以将视频转换成代码，简化特性开发，快速将概念转化为可工作的应用程序。开发者可以使用Google AI Studio中的Gemini API或企业客户使用的Vertex AI来构建应用。此次更新还修复了之前的错误，并提高了函数调用的触发率。
阅读更多
Gemma 3，一款先进的开放式AI模型，最初需要高端GPU才能运行。为了提升其易用性，研究人员推出了经过量化感知训练（QAT）优化的版本。QAT 通过降低模型精度来减少内存需求，使得Gemma 3 27B 可以在消费级GPU（如RTX 3090）上运行。这标志着高性能AI模型向大众普及迈出了重要一步，开发者可以使用Hugging Face、Kaggle等平台轻松获取并集成这些模型。
阅读更多
谷歌发布了Gemini 2.5 Flash，一个具有可控推理能力的全新大型语言模型。它在Gemini 2.0 Flash的基础上大幅提升了推理能力，并允许开发者通过设置“思考预算”来平衡质量、成本和延迟。该模型能够根据提示的复杂性自动调整思考过程，并提供从关闭思考到高强度推理的不同模式。Gemini 2.5 Flash在LMArena的Hard Prompts测试中表现出色，性价比极高，是目前最具成本效益的思考型模型之一。
阅读更多
谷歌推出开放协议 Agent2Agent (A2A)，旨在实现 AI 代理之间的互操作性。超过 50 家科技公司和服务提供商参与其中，A2A 允许不同厂商、不同框架构建的 AI 代理进行安全的信息交换和协同行动，从而提升效率并降低成本。A2A 基于现有标准，支持多种模式，并注重安全性和长期任务处理。其应用场景广泛，例如招聘流程自动化，通过协同多个 AI 代理，可以更高效地完成候选人筛选和面试安排等工作。A2A 的开源特性将促进 AI 代理生态系统的繁荣发展。
阅读更多
谷歌推出Gemini 2.0 Flash，一个具有多模态输入、增强推理和自然语言理解能力的AI模型，能生成图像。它可以根据文本创作图文结合的故事，进行多轮对话式图像编辑，并生成包含长文本且排版清晰的图像。目前已开放给开发者在Google AI Studio和Gemini API上进行实验性测试，期待开发者们利用其创造出更精彩的应用。
阅读更多
谷歌推出了PaliGemma 2，这是Gemma系列中新一代可调视觉语言模型。它在Gemma 2模型的基础上增加了视觉能力，并简化了微调过程以获得最佳性能。PaliGemma 2具有可扩展的性能，提供多种模型尺寸和分辨率，可生成详细的图像描述，并扩展到化学公式识别、乐谱识别、空间推理和胸部X光报告生成等新领域。现有PaliGemma用户可以轻松升级，因为它设计为直接替代品。Hugging Face、Kaggle和官方文档提供了预训练模型、代码和示例笔记本。
阅读更多
Keras 创建者 Francois Chollet 即将离开谷歌，开启新的职业旅程。Chollet 的离开令谷歌感到惋惜，但谷歌也为他在公司期间的贡献感到自豪，并对他的未来充满期待。Keras 已成为人工智能开发的基石，拥有超过 200 万用户，广泛应用于谷歌内部及全球各种应用。Chollet 将继续致力于 Keras 的未来发展，并监督其发展路线图，谷歌 Keras 团队也将继续与他合作。谷歌将继续投资 Keras 3，并通过 Keras Hub 等工具致力于推动 AI 工具的普及化。
阅读更多
在2023年谷歌I/O大会上，谷歌推出了开源的免手动游戏“鼠标”Project Gameface，允许用户通过头部运动和面部表情控制电脑光标。现在，谷歌将更多Project Gameface代码开源，帮助开发者构建安卓应用，使每个安卓设备更易于访问。用户可以通过设备摄像头无缝跟踪面部表情和头部运动，将其转化为直观、个性化的控制方式。
阅读更多