Google 向 Ultra 订阅者和付费 API 用户开放 Gemini 4 Carbon,主攻复杂任务
Carbon 的产品价值在于让团队只为确实需要反复验证的步骤使用更强的模型,价格翻倍后,这种分工会直接影响整项工作的成本。
12 条相关报道 · 11 期日报 · 每日更新的 Gemini 新闻时间线
Carbon 的产品价值在于让团队只为确实需要反复验证的步骤使用更强的模型,价格翻倍后,这种分工会直接影响整项工作的成本。
Google在Adobe MAX宣布扩大与Adobe的合作,把创意和办公工具更深入接入Google日常应用。Google Drive和Gmail将为Adobe Acrobat提供直接入口,并在文件预览中显示“Edit with”选项。Adobe还会把Acrobat等连接器接入Gemini和Gemini Enterprise,双方也将与Google DeepMind探索Photoshop新的图像编辑能力。
苹果把基础创作工具留在订阅中,把高频调用指定 AI 功能的成本交给用量较大的用户,一次购买还能覆盖多个项目周期。
Ars Technica AI 报道,谷歌正在澄清其面向 K–12 学校的新 AI 政策。公司称,使用 Google 应用的学校今后需选择启用其 AI 产品。谷歌还把 Search 计入 AI 组合,因此登录学生账号的搜索功能也必须由学校单独打开。公司表示,这样可让学校依据内部 AI 政策获得更多控制权,而不是默认关闭搜索。
Google 在官方博客宣布推出 Gemini Omni 1.2 Flash,并在 Gemini API、Gemini for business、Google Vids 等场景同步可用。新模型支持原生 15 秒视频生成、跨回合对话式编辑和更强的参考图一致性,最长片段较此前的 10 秒有所提升。公司还将 720p 视频价格下调 30%,至每秒 0.07 美元,面向生产和大规模视频制作使用。
长时间任务会反复调用模型,缓存折扣和持续执行能力因此共同影响一次工程任务的成本。
模型竞争正在从一次回答的正确率,延伸到连续发现问题、验证风险并完成修复的整段工作能力。
Google 已把 AI 使用量转化为云收入和营业利润,下一道经营考题是让新增算力的现金回收追上建设速度。
世界模型正在把场景生成、声音和目标规划接到同一交互循环中,为创作者和智能体提供可以反复试验的环境。
AI 生物安全投入开始形成独立机构,把模型访问、科学人才和公共卫生需求组织在一起。
生物安全投入开始同时覆盖模型访问、算力和科学团队,公共科研机构也需要稳定的前沿 AI 资源供给。
多智能体能力需要通过长任务检验,真正难的部分往往是失败之后仍能记住目标、交换有效信息并继续协作。
语音模型的比拼已经从“听得懂”走到“接得住”,谁能在嘈杂、被打断的真实电话里稳定办成事,谁就能拿下客服这块最大的落地场景。
前沿模型的竞争正在延伸到任务能否连续完成,长时间运行只有换来更少返工,才会变成可购买的生产力。
Google 愿意在自家代理里摆上对手的模型,说明它判断企业客户最终认的是入口和数据所在的那一层,模型可以是随时替换的零件。
图像生成正在从“能不能画好”转向“一张图几分钱”,价格每降一次,就有一批原本用不起的场景变得划算。
各家助手都在抢“项目”这个容器,因为谁装下了用户的文件、邮件和日程,谁就成了默认的工作入口。
前沿模型的智力分数越来越接近,“知道自己不知道”正在成为拉开差距的那个指标。
当几家模型的综合分数打平,“少说错话”可能比“多答对一题”更能打动愿意付高价的企业客户。
政府把 AI 放到公共服务的第一线,比任何行业都更考验“答错了谁负责”,这个问题的答案会成为其他机构效仿时的标准。
新模型的研发进度能改变市场预期,真正让客户更换模型的仍是可验证的效果提升和迁移收益。
OpenAI 为了打赢反垄断官司,公开承认自己最大的分发合作失败了,这会削弱它今后和其他手机厂商谈条件时的筹码。
两家把各自的规范都捐进了同一个基金会,智能体这一层的标准战事实上已经停了。
当消费者先问模型再访问网站,品牌会把一部分搜索优化预算改投答案引擎监测与执行平台。
当音频输入价格一次降去九成以上,长录音和长视频不再需要先切碎省钱,可靠执行开始比上下文长度更难。
Siri的能力边界第一次和系统版本绑定,适配成本从模型侧挪到了系统入口。
谷歌把高价投向整支编程智能体团队,人才交易的回报最终要落到Gemini和开发工具的上线速度。
同一天发两个模型,一个标价、一个审资格,攻防能力正在从产品变成许可证。
特纳斯的第一场发布会同时押上折叠屏与新 Siri,两件事都不能出岔子。
AI 写代码越快,审代码的账单就越贵。CodeRabbit 卖的正是这条产能失衡带来的刚性支出。
三周一发、发一次降一半价,谷歌在用迭代速度当武器,把中端模型的利润空间直接卷成消耗战。
加密没被攻破,被攻破的是"同一家的模型都能互相读"这个默认设定。
分发渠道能把用户送到门口,但送不进第二次打开。
Meta这次补的不是模型能力的空白,是"开源许可干不干净"这道曾经被自己搞砸的题。
换掉的是一个头衔,挪动的是半个大陆的决策权。
免费档取消次数墙,等于 OpenAI 用推理成本的下降换分发,把竞品最好用的那张牌收走了。
Google 把研究的招牌交还给了产品线,代价是那块招牌带走了一批人。
编码模型的价格战开打了,第一枪打在别人的毛利上,子弹是数据。
同一个模型跑两遍,第二遍多值 10 分——后训练正在变成比参数量更值钱的资产。
把所有人收进一个平台,代价是那些只有专职团队才做得出的东西。
机器人从会做动作,变成能看出自己做砸了。
蒸馏版打赢原版,说明这一代视频模型贵在冗余而不是能力。
谷歌把编程差距的解法押在参数规模上,答案要等到年底才揭晓。
防护被磨开只需要五轮对话,这个数字比任何一次极端越狱演示都更能说明问题。
助手能做多少事,取决于它被允许读多少数据——这次的钥匙在谷歌手上。
满分金牌是一次能力认证,但真正的分水岭在于——这套解题范式能不能走出竞赛题,扛住真实世界的开放问题。
一边把 Flash 的 token 成本再削 17%,一边为 Gemini 4 拉开预训练——谷歌在低端打价格、在高端搭代差,两头下注。
把模型刻进硅片,等于用未来三年的架构稳定性,去换今天拿不到的每瓦性能。
LongCat-2.0 卖的不只是一个模型,是国产算力链能端到端跑通一次前沿训练的证据。
谷歌出图比的不再是模型多强,而是肯不肯拿你的邮箱和相册数据换"更懂你"。
算力不是无限弹性资源——当巨头之间都要排队时,企业多模型备份就不再是优化,而是保险。
AI 公司的万亿估值叙事撞上了「先证明你能赚钱」的公开市场现实,软银的股价波动是第一次应力测试。
当架构创新成为模型竞赛的下一个胜负手,顶级研究者的去向比任何一次参数更新都更能预示格局。
未来的 AI 调用可能不再有赢家通吃,只有调度策略的优劣。
没有匹配的追踪动态。