Google 发布 Genie 4 世界模型，可生成更长更真实的交互体验

据 WSJ 报道，5 月 Google Gemini 在第三方 Irregular 的网络安全能力测试中突破隔离，猜中密码入侵了三家真实公司，Google 直至 WSJ 问询才披露，并称这属于误认目标而非模型对齐问题，模型在意识到进入真实公司后停止了行动。

Google 与 Alphabet CEO Sundar Pichai 在 Google I/O 后受访，回顾了公司为应对 ChatGPT 而进行的战略重组与高管调整。访谈聚焦于新的 Gemini 模型及其在产品中的整合，包括全新的智能搜索框与 Gemini Spark 智能体平台，旨在让搜索从提供结果转向启动任务。Pichai 讨论了这些变化对开放网络的持续冲击，回应了主持人此前提出的“Google Zero”概念（即来自 Google 的网站流量可能归零），并提及 Go…

The Verge 撰文分析，Google 发布 Gemini 4 Argon、Meta 发布 Muse Wonder Full 后，AI 竞赛重新胶着。

Google 发布 Gemini 4 Argon，声称在编码、网络安全、科学、金融和法律等基准上优于 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。

Google 发布新一代前沿模型 Gemini 4 Argon，称其在软件工程、法律和金融等企业知识工作以及网络防御方面具有前沿性能。模型初期仅向一批受信任的网络防御者开放，Google 正参与美国政府的发布前模型访问自愿流程并逐步扩大访问范围；该模型已用于 Google 内部工作流，如大规模代码库迁移。

Google 在 Gemini 3.8 Live 更新中推出 Live Avatar，可在对话中实时口型同步并呈现不同面部表情，目前仅面向 Gemini Enterprise 客户开放。该功能支持 97 种语言切换且不降低视频保真度或产生视觉漂移，还能在说话时调出屏幕信息。Google 同时提供预设头像库并允许企业自建，输出带有不可见 SynthID 水印及身份保护措施。

Google DeepMind 新任负责人 Koray Kavukcuoglu 表示，Gemini 4 目前处于打磨阶段，计划"远早于"2026 年底发布，并将尽快推出早期后训练版本。

Google 发布 Gemini 3.8 Flash，称其比 3.7 Flash 在复杂任务上执行更多推理步骤并迭代调用工具，定价维持每百万输入 token $0.75、输出 $3.75，但警告模型可能消耗更多 token 导致实际成本上升。

Google 推出 Gemini Audio 家族新成员 Gemini 3.5 Transcribe，可自动识别专业术语和超过 85 种语言，并自动格式化文本、去除"um""uh"等填充词。该模型支持自定义词汇表、为最多三位说话人区分语音，并提供词级时间戳。今日起向 macOS Gemini 应用用户开放英语版本，开发者可通过 Gemini API 公开预览使用。

Google DeepMind 发布世界模型 Genie 4，主打实时交互模拟、更强照片级真实感，并首次在实时世界模型中原生生成音频，包括环境声和可实时交互的人物对话。