Google 发布最强前沿模型 Gemini 4 Carbon

谷歌上周正式向公众发布了其首个原生多模态嵌入模型Gemini Embedding 2。该模型如同“通用翻译器”，能将文本、图像、视频和音频数据转化为独特的数字向量。其核心突破在于不再依赖关键词匹配，而是基于语义将不同模态的数据映射到同一空间，从而理解内容间的深层联系。开发者已利用该模型构建视频分析工具、视觉购物助手等应用，实现通过拍照或描述场景进行智能搜索的功能。模型现可通过Gemini API或Gemini Enterprise Agent平台使用。

Google 发布 Gemini Omni 1.2 Flash，视频生成与编辑上限提升至 15 秒，API 价格较上一代下降 30%，720p 视频每秒 0.07 美元。模型改进了场景时间一致性、角色语音流畅度，减少跳切等视觉瑕疵，并更忠实于上传的参考素材；用户可在 Flow、Google Vids 和 Gemini App 中使用，作者还演示了将单张风格帧生成 4 镜头 15 秒蜂巢科普视频。

Google AI 宣布发布 Gemini 4 Carbon，称其为最强的旗舰模型，具备最先进的网络安全和长程能力。Carbon 在多数基准上有所提升，在自主编码和网络防御方面表现强劲。模型先向 Fairwind 计划中的部分可信网络防御者开放，之后将尽快扩大访问范围。

Google DeepMind 发布世界模型 Genie 4，称其为最逼真、可交互的世界模型。用户可用自然语言实时控制世界和音景，如改变天气、移动镜头或向环境添加新元素；Gemini 充当模拟的“大脑”，负责把请求转成动作、规划复杂事件并随剧情调整，模型还新增环境音和可实时适应的互动人物对话。

Google 宣布 Gemini 4 Argon 可用。开发者可通过 Gemini API 付费层使用，Google AI Ultra 订阅者可在 @antigravity。

Google 宣布前沿模型 Gemini 4 Argon 正在全球范围推出。官方称该模型面向编程、金融、法律、网络安全和科学等复杂现实任务，并附推文线索介绍如何在 Google 产品中使用。

Google AI 发布新前沿模型 Gemini 4 Argon，面向长程复杂工作流的深度推理，覆盖软件工程、法务与金融等企业知识工作及网络安全防御。模型输出 token 上限扩展至 1M，目前在 Fairwind Program 中向部分可信网络防御者推送，后续将尽快开放更广泛使用。

了解更多 ↓ https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/

Google 本周发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款音频生成模型，并推出 Gemini 3.8 Live with Live Avatar，为对话式 AI 带来近实时视觉形象。

Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，称其为目前最先进的实时对话音频模型。Google Labs 的 Dreambeans 正式 GA，CC 从个人效率工具扩展为帮助家庭协调日程与日常事务的共享智能体。