Google

Google Pay 正在全面升级其支付基础设施，以应对即将到来的 AI 代理交易浪潮。新推出的通用商务协议（UCP）和商家商务平台（MCP）服务器旨在为机器对机器商务创建基于 API 的后端。此次更新还包括动态回调、扩展的 WebView 支持以及跨设备生物识别认证，以解决安全挑战。这标志着向机器驱动经济的转变，企业必须调整其数字存在以适应 AI 代理。

一项新的分析显示，顶级AI预测者正根据当前领先的AI实验室调整对AGI（通用人工智能）时间线的预测。从ChatGPT到xAI、Meta、Gemini，再到Anthropic时代，预测方向多次反转。

文章以Google Gemini Omni模型为引，指出AI设计工具因缺乏审美引导导致输出同质化（“AI垃圾”），并提出解决方案：通过持续收集视觉参考（“数字囤积”）培养个人品味，并将其编码为AI可理解的格式，从而引导模型产出独特且具有品味的设计。

作为一名iPhone用户，作者通常在开车时使用Siri和CarPlay，但尝试了Android Auto上的Gemini后，发现Gemini能处理更多任务，包括发送邮件、获取餐厅信息、玩游戏等，且设置简单。作者认为Gemini是更一站式的人工智能助手。

Mistral AI 将其聊天机器人 Le Chat 更名为 Vibe，并将聊天、编程代理和新的工作模式整合在一个品牌下。工作模式可接入 Google Workspace、Outlook、Slack 或 GitHub，独立处理电子邮件、报告或拉取请求等任务。Pro 套餐价格从 17.99 欧元降至 14.99 欧元，但未明确使用限制。此举直接对标 OpenAI、Google 和 Anthropic 的代理型产品。

本文是AI驱动开发系列文章的第七篇，重点讨论AI会话中的上下文管理。作者通过个人经历（Gemini移动应用忘记之前记录的笔记）引出上下文压缩问题，并分享了四种实用技巧：将探索与文档编写分离、使用交接文档而非延续提示、给AI设定验收标准而非详细步骤、以及使用规范文档作为不同AI工具之间的桥梁。这些技巧适用于从编程到写作的各种AI使用场景。

Money Printer Pro 是一个基于 Google Gemini 和 VEO 3.1 的开源 AI 内容生成器，可创建逼真的图像和电影级视频，并保持身份一致性。它拥有 7 个视觉引擎、自动批量生成、AI 质量评分和发布把关功能，用户直接向 Google 付费，无需额外订阅。

一群前谷歌DeepMind、苹果、OpenAI和Meta的研究员成立了新创公司Trajectory，旨在帮助企业通过真实用户交互持续改进AI产品。Trajectory旨在构建一个平台，让AI能够在部署后持续学习，而不是在训练完成后停滞不前。该公司已获得1500万美元种子轮融资，估值1.15亿美元，由Conviction领投。其CEO Ronak Malde表示，AI编程产品如Cursor已在实践早期版本的持续学习，Trajectory希望将类似技术扩展到更多领域。

研究人员发现，在低资源语言的口语模型中使用合成数据会导致“稳定性-表现力鸿沟”，并提出两种自对齐框架（DGSA和TDSC），能够恢复韵律变异性，超越ElevenLabs和Gemini Pro等商业系统，实现老挝语的首次零样本人声克隆。

Simple Wearable Report利用AI从Oura Ring数据中提取更多见解。本文介绍了作者如何使用它，以及它如何与Gemini等AI工具配合提供详细分析。

Google宣布将其展示广告（Display Ads）整合到AI驱动的需求生成（Demand Gen）平台中，标志着传统数字广告模式的终结。这一变化要求营销团队放弃手动广告控制，转向依赖Google AI进行自动化的广告创意组合、投放和优化。同时，传统指标如点击率（CTR）和每次点击成本（CPC）的重要性下降，广告主需关注更广泛的业务成果。

一位患者的验光医生给出了错误且不合适的电脑眼镜处方，导致无法正常使用电脑。借助ChatGPT、Claude和Gemini等AI工具，他重新计算了适配其实际用眼距离的处方，并成功配镜。故事警示患者需与医生充分沟通，同时展示了AI在特定场景下的辅助能力。

本周AI头条：马斯克对OpenAI的1500亿美元诉讼被驳回；Google I/O 2026发布多项AI更新，包括Gemini 3.5 Flash和Gemini Spark；OpenAI的AI解决了一个80年历史的数学问题；美国《Take It Down Act》生效，要求平台48小时内删除深度伪造内容；SpaceX IPO后计划以600亿美元收购AI编码初创公司Cursor。

Crew44 是一款本地优先的开源工具，可将多个 AI 编程智能体（如 Claude Code、Codex、Gemini、Cursor）组织成协同工作的专业团队。无需账户、免费、MIT 许可，支持记忆与技能积累。

AI模型在原始智能方面似乎已达到平台期，下一阶段的进步来自于围绕模型构建的“代理马具”。本文介绍了代理马具的概念，包括工具、记忆和人类参与，并比较了Google、LangChain、OpenAI、Anthropic等公司的解决方案。

谷歌最新无屏幕健康追踪器Fitbit Air售价仅100美元，是Whoop的强力竞争对手。经过一周的跑步、力量训练、瑜伽等测试，我们发现这款设备轻便舒适，电池续航约一周，配合AI健康教练提供全面的追踪体验。虽然无屏幕设计减少了干扰，但在运动中查看数据需要打开手机应用。订阅Google Health Premium可解锁AI教练的高级功能。

本周AI新闻要点：Anthropic公开了此前仅限国防承包商使用的顶级模型Mythos，使五角大楼级AI能力向开发者开放；DeepMind CEO哈萨比斯将AGI时间线提前至2029年；Starlette框架爆出严重认证绕过漏洞，影响数百万AI代理；CrowdStrike等联合摧毁Glassworm僵尸网络；法国巴黎银行与Mistral达成主权AI安全合作；中国限制阿里和深度求索顶尖AI工程师出境；Uber AI预算超支、ClickUp裁员并引入数千AI代理，同时MIT技术评论数据显示AI暴露岗位失业率更低，奥特曼撤回白领失业预言。

Zero.xyz是一个免费工具，能让AI代理通过统一API访问超过4000种工具和服务，无需配置API密钥。它兼容Claude Code、Codex、Gemini等多种CLI代理，并提供5美元免费额度。

2026年AI领域将继续快速发展，开源模型在智能体能力上仍落后于闭源模型，谷歌的Gemini尚未对Claude Code和Codex构成有力竞争，美国开源模型正在崛起，Anthropic与OpenAI竞争激烈，现有权力结构开始介入AI发展。

在Google I/O大会后的Decoder访谈中，CEO桑达尔·皮查伊深入讨论了Google的AI优先转型、搜索的剧变、与出版商的紧张关系以及对AGI的展望。

文本扩散模型挑战了传统自回归语言生成范式，将生成过程视为从噪声或掩码开始、逐步精炼的编辑过程。文章介绍了该领域的三个关键系统：LLaDA（证明扩散可扩展为大型语言模型）、Mercury（实现商业速度优势）和Gemini Diffusion（前沿验证），它们共同代表了新架构类的三阶段：科学证明、工业部署和前沿验证。

谷歌DeepMind发布AlphaProof Nexus，基于Gemini 3.1 Pro和Lean编译器，一口气解决了9道埃尔德什开放问题，另有44个OEIS猜想、一道15年代数几何难题等，每道题成本仅几百美元。

谷歌在 I/O 大会上推出 Gemini 3.5 和 Gemini Spark 智能体，以及 Gemini Omni 多模态视频生成；埃隆·马斯克因诉讼时效问题输掉对 OpenAI 的诉讼；Anthropic 以 9000 亿美元估值融资 300 亿美元；AI 解决了 80 年历史的 Erdős 几何问题。

ContextVault是一款浏览器扩展，可在所有主要LLM平台（如ChatGPT、Claude和Gemini）上实时捕获AI对话，并将其本地存储在IndexedDB中。支持一键导出为Markdown或ZIP格式，确保您的对话数据不会离开您的设备。该工具免费、开源，无需账户或后端，注重隐私。

谷歌Deepmind的AlphaProof Nexus系统自主解决了九个开放的爱尔迪什问题，包括两个困扰数学家56年的难题，每个问题的推理成本仅需几百美元。与OpenAI的自然语言方法不同，该系统使用Lean编译器自动验证每一步证明。不过，整体成功率仅为2.5%。

HTML Deployer是一款Chrome扩展，可从ChatGPT、Claude和Gemini中提取AI生成的HTML，并提供预览、下载ZIP或直接发布到Netlify、GitHub、FTP或自托管服务器的功能。适合开发者、创始人、营销人员、机构和初学者。

Google即将推出的Android Auto更新带来了重新设计的界面，采用Material 3 Expressive设计、自定义小部件、沉浸式导航以及更深入的Gemini集成。作者的演示让他印象深刻，并期待今年晚些时候的更新。

Google 在 I/O 2026 上发布了 Antigravity 2.0，这是一次从 AI 辅助编码到多智能体编排的平台级转变。新版本包括独立桌面应用、CLI、SDK 和托管智能体，默认使用 Gemini 3.5 Flash，速度提升 4 倍。

北京大学研究人员发现，像GPT和Gemini这样的领先AI模型在文档分析中经常引用不支持的文本段落，即使答案正确，引用的证据也常常错误。他们称之为“归因幻觉”，对法律和医学等监管领域构成风险。新的CiteVQA基准是首个系统测试该问题的工具。

研究评估了七个大型语言模型（包括Gemini、Claude和GPT系列）从长期Slack日志中推断个人领域知识的能力。分析27,188条来自43名用户的消息，对比零样本估计与27名参与者的自我报告技能评分。Gemini 2.5 Flash表现最佳（MAE 21.13%），而GPT模型误差较大。研究发现，估计准确性仅微弱依赖于消息数量，表明更多文本并不能保证更好的推断。该结果展示了自动专业知识映射的可行性和当前局限性，强调需要隐私保护部署和更丰富的结构感知知识表示。

Pretzel 是一个实验性的实时AI音乐代理，通过一个网络同步的音乐序列生成器，让所有用户与同一AI代理聊天并听到相同的音乐。该项目在Google IO黑客松中诞生，旨在让用户表达情绪并实时更新音乐。

Yann LeCun认为当前AI系统并非真正智能。Demis Hassabis则认为人类已“站在奇点的山麓”。Gemini联合负责人Oriol Vinyals则持折中观点：今天的模型在七年前看起来像是AGI，但它们仍无法从经验中学习或产生真正的突破。

上周AI领域迎来重大转折：Google发布Gemini Omni及代理优先平台；Andrej Karpathy加入Anthropic，专注于利用Claude加速预训练研究；Anthropic与xAI达成价值450亿美元的Colossus算力租赁协议；Cerebras IPO成功，市值近950亿美元；SpaceX、OpenAI和Anthropic计划在未来六个月内相继上市，总估值可能超过3万亿美元。此外，多项前沿研究发布，包括HRM-Text高效预训练范式、AI评审员效果评估、NVIDIA的联合AR-扩散模型等。

数学家Adam Kucharski向Microsoft Copilot提供了完全相同的数据集，仅更改国家标签，结果Copilot生成了详细的刻板印象而非准确结果。思考模型能够识别这种错误，但需要用户主动选择。

Google 的 SynthID 水印系统正被 OpenAI、Nvidia、ElevenLabs 和 Kakao 采用，标志着 AI 内容检测向共享行业标准转变。

Google DeepMind宣布与新加坡政府及多家机构建立新的国家AI合作伙伴关系，重点推动医疗、教育、科学和可持续发展领域的负责任AI应用，预计到2040年将带来33亿新元的经济价值。

在今年的I/O大会上，对话舞台汇聚了谷歌领导者、科学家和创意先驱，共同探讨人工智能、量子计算、机器人技术和创造力等领域的突破性进展。

Nota 是一款全新的 AI 笔记应用，支持语音、扫描、涂鸦和文本输入，可在 iPhone、iPad、Mac 和 Apple Watch 上使用。它提供 45 种语言的语音转录，用户可自由选择 OpenAI、Claude、Gemini 等 AI 模型，并且注重隐私和本地优先。免费版即可使用无限本地笔记。

微软研究院发布了Fara1.5，这是一个浏览器计算机使用代理模型家族，包括4B、9B和27B三种规模。其中Fara1.5-27B在Online-Mind2Web基准测试中达到72%的任务成功率，超过了OpenAI Operator（58.3%）和Gemini 2.5 Computer Use（57.3%）。该发布还包含了FaraGen1.5，一个用于生成训练轨迹的合成数据流水线。

本教程介绍如何利用OpenMythos库在Google Colab中构建端到端的循环深度Transformer工作流。我们创建了MLA和GQA两种注意力变体，比较参数量，并通过谱半径检查循环注入矩阵的稳定性。在合成组合推理任务（预测数字链模固定值的和）上训练模型，研究循环循环如何使单一模型重用参数进行更深层次的计算。最终展示在推理时增加循环次数如何在不改变参数的情况下提升推理深度。

本周AI新闻相对平静，但基础设施领域迎来重大融资：TurboPuffer实现1亿美元ARR且盈利；Exa以22亿美元估值融资2.5亿美元；Modal以47亿美元估值融资3.55亿美元。其他亮点包括RAEv2表示学习框架、Gated DeltaNet-2注意力机制、以及Codex和Gemini的智能体工具更新。

Google I/O 2026 展示了从回答型AI到行动型AI的转变，AI代理进入搜索，推出Gemini 3.5 Flash、个人代理Spark、视频生成模型Omni，以及大量开发者工具。

一个名为 Gembokwarkop 的项目将 Base64 编码与 Vigenere 密码结合，形成一种“日常使用”的加密方案。作者测试了 ChatGPT、Gemini 和 Claude 等 AI 模型，结果从无法破解到完全胡编乱造，展现了 AI 在密码分析上的有趣局限。

Artificial Analysis最新榜单显示，阿里Qwen3.7-Max以56.6分位列全球第五、国产第一，性能接近GPT、Claude、Gemini最强模型。该模型专为Agent设计，在编程、智能体、推理等核心能力上实现大幅突破，即将上线阿里云百炼提供API服务。

Gemini Omni Flash 的可用性取决于 Google AI 计划、地区和账户状态。如果无法访问，建议比较其他 AI 视频生成工具。

今日AI新闻汇总：OpenAI的通用推理模型在不到1000美元的成本下推翻了著名的Erdős平面单位距离问题，获得数学家高度认可；Cohere发布Command A+开源模型，采用Apache 2.0许可；Google推出Gemini 3.5 Flash和Omni等多款更新；多项基准测试显示当前AI代理在复杂工程任务中仍表现不佳。

视觉语言模型（VLM）被用作具身代理的高层规划器，但它们在面对模糊、不可行或基于错误前提的指令时往往无法弃权。新提出的RoboAbstention基准框架基于五个机器人数据集的图像生成了6,069条可验证指令，评估发现即使是最先进的模型也表现不佳：Gemini 2.5 Flash仅在39.0%的指令中正确弃权，而具身规划器Gemini Robotics ER 1.6 Preview仅16.5%。防御性提示和上下文学习可将弃权率提升至93.6%以上，但仍未完全解决该问题。

谷歌悄悄将每月20美元的Google AI Pro计划从固定消息限制改为基于积分的配额系统。用户反映，复杂提示词单次即可消耗13%至30%的配额，引发不满。新限制适用于所有Gemini功能，包括谷歌相册等服务，可能促使重度用户转向新的每月100美元的Ultra计划。

谷歌在年度开发者大会上宣布，其搜索栏将升级为AI代理，可代表用户预订餐厅、追踪新闻和管理购物清单。同时推出Gemini Spark个人AI助手和最新的Gemini 3.5 Flash模型。这些功能可能影响新闻网站的流量和收入。

谷歌DeepMind首席执行官在Google I/O上声称要“解决所有疾病”，引发了对AI在医疗领域作用的讨论。本文分析了这一雄心背后的现实，包括AlphaFold和AlphaGenome等工具的潜力与局限，以及公众对AI健康声明的误解风险。