Gemini 相关推文

Gemini Omni Flash 在图像到视频、文本到视频和视频编辑方面达到了 SATA : ) 很高兴很快能将这一能力通过 API 提供给开发者！

Google 发布 Gemini 3.8 Flash 与 Flash-Lite TTS，称其为新的 SOTA 文本转语音模型。支持 100 种语言，提供 2000+ 生产可用声音、语音复刻和新的声音设计体验，语音混音功能即将推出，并在 Hume AI 语音基准上排名第一。

Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款实时语音模型，称其达到 SOTA 并提供前沿的价格与性能。3.8 Live 支持 97 种语言并可无缝切换，支持异步工具调用；附图显示 Gemini 3.8 Live Extended Thinking 在 Artificial Analysis Speech to Speech Index 达 82.6%。

Gemini 的旅程

Gemini 3.8 Flash 在 DeepSWE V1.1 基准上得分 73.7%。配套图表显示该成绩在多款模型的分数与每任务平均成本对比中位于高效区，图表来源标注为 Datacurve AI（deepswe.datacurve.ai）。

Google 发布 Gemini 3.8 Flash，是 6 周内第 3 次更新的 Flash 模型，主打智能体和编码能力提升。官方跑分显示其在 Terminal-bench 2.1 达 89.4%、HLE-Verified 达 54.9%、LVBench 达 87.8%， introductory 价为输入 $0.75、输出 $3.75 每 1M tokens，2026 年 12 月 31 日后恢复 $1.50/$7.50 定价。

很高兴将 Gemini Omni Flash 1.1 带给世界，这是对我们"任意输入、任意输出"世界模型的更新。它现在支持： - 360p 草稿、4K 上采样器 - 扩展时最多 10 秒的视频上下文 - 以 10 秒为增量进行视频扩展 - 视频参考

推出 Gemini 3.5 Transcribe，我们全新的语音转文本模型，具备智能转写、函数调用、更精准的转写（更低 WER）、自定义词汇支持、多说话人识别，并支持超过 85 种语言！ 同时支持实时流式传输！

当前 AI 热点，聚合 1 个独立信源、9 条信号。

Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构，以 Apache 2.0 许可开源，将文本、代码、图像、视频和音频映射到统一嵌入空间。