Google

Inkfold 是一個專為多 AI 訂閱使用者設計的平臺，可在 ChatGPT、Claude、Gemini、Grok 等工具間共享記憶和上下文，避免重複解釋。它提供智慧、私密或隱身三種保留模式，支援訂閱或按需付費。適用於個人、團隊和組織，提供免費和付費方案。

馬里蘭大學與Google DeepMind的研究表明，AI生成的小說在敘事結構上存在明顯缺陷，如過度解釋主題、缺乏支線情節和生硬的說教，使其易於被檢測。研究人員開發了StoryScope檢測器，透過分析敘事特徵來區分人機寫作，並測試了多個AI模型。研究使用了爭議性的Books3資料集，但未公開發布。

這個免費工具可檢查ChatGPT、Gemini、Claude、Perplexity、Grok和Google AI能否抓取、理解、驗證和引用你的網站。報告涵蓋全面站點抓取、品牌實體檔案、宣告級證據、AI意圖覆蓋、技術可抓取性、結構化資料、信任訊號、競爭對手差距以及執行路線圖，並附有電商、AI SaaS和B2B服務的案例。

作者從個人編碼和審計經驗出發，對2026年中的主流AI模型進行非正式分級，涵蓋Anthropic Fable、OpenAI Sol、Mistral、Gemini和DeepSeek等模型，並融入美國出口管制和歐洲視角的評論。

AnyFile Translator 是一款AI翻譯助手，可在Google Chat中直接翻譯檔案、網頁連結和文本，保留原始佈局和格式，支援超過100種語言。它還具備AI寫作功能，可生成並翻譯內容。適合國際團隊和全球客戶使用。

Pixailer 是一款AI工具，可讓使用者上傳個人照片並描述場景，在幾秒鐘內生成包含最多8人的高質量團體照片。它提供多種AI引擎（Google Gemini和OpenAI GPT-Image），支援多種語言提示，並有靈活的付費方案。隱私方面，上傳的照片不會用於訓練模型，並在生成後自動刪除。

本文探討了多種專為科學研究設計的AI工具，如Anthropic的Claude Science、Google DeepMind的Co-Scientist和開源平臺Biomni。這些工具能加速基因組分析、假設生成和實驗設計等任務。科學家分享了使用經驗，並建議研究人員多嘗試不同工具，從小任務開始驗證輸出，同時保持謹慎。

本文探討了當前AI工具僅注重完成任務（DO），卻忽略了幫助使用者理解自身工作模式、實現自我提升（BE）的缺失。作者透過個人16天的活動追蹤，揭示了諸如固定時間點注意力崩潰、最佳工作視窗等行為模式，並介紹了構建中的自我認知AI棧——包括Dayflow、Gemini Flash Lite、Clawdbot和self.md——旨在提供行為洞察而非僅僅任務執行。

谷歌研究、谷歌DeepMind與大學合作者共同推出了SensorFM，這是一個基於超過1萬億分鐘感測器資料（來自500萬參與者）預訓練的可穿戴健康基礎模型。該模型採用ViT-1D掩碼自編碼器架構，在處理缺失資料方面具有創新性。在35項任務中，凍結嵌入加PCA-50線性探測器的表現優於34項特徵工程基線。此外，還介紹了自動化超引數搜尋的“智慧體課堂”以及用於評估個人健康代理的臨床醫生評價。

一篇新研究評估了Gemini模型作為音訊裁判在全雙工語音代理對話中的可靠性。基於209個立體聲會話，在8個維度上與人類評分者進行對比，結果顯示Gemini 2.5 Flash在多數維度上與人類高度一致，且成本僅為人類評分的約1/100。研究還指出模型切換需重新校準，並提出了部署時需注意的四個方面。

Google 宣佈其 AI 驅動的程式碼最佳化與發現代理 AlphaEvolve 在 Gemini Enterprise Agent Platform 上正式公開發布。該工具幫助企業和研究人員解決物流、半導體、基因組學等領域的複雜演算法最佳化問題。多行業客戶已取得顯著成效。

谷歌在沒有事先警告的情況下，比預定關閉日期更早地棄用了Gemini 2.5 Flash模型，引發了開發者社群的困惑。

Google Cloud 宣佈 Cloud Run 沙箱公開預覽，這是一種原生、安全的超快執行時環境，專為執行不可信程式碼和代理工作負載而設計，可在毫秒內啟動。它支援 LLM 程式碼直譯器、無頭瀏覽器和使用者提交程式碼執行等用例，並透過憑據隔離、預設拒絕網路和只讀檔案系統覆蓋提供零信任安全。

ChatGPT Work 是一款智慧助手，可跨應用和檔案執行任務，支援數小時持續工作，並能將目標轉化為完成的工作。它整合了 Slack、Google Drive 等工具，支援桌面和移動端協作，還具備 Codex 編碼功能。

QX Labs 是一個AI代理平臺，允許使用者在幾分鐘內構建代理，並將其連線到Slack、電子郵件、WhatsApp和電子表格等工具。平臺提供三種工作方式：獨立代理、大規模並行網格和自動化流程，支援與超過1000個應用整合，並允許在OpenAI、Anthropic、Gemini等模型間自由切換。

WhisperShortcut 是一款開源的 macOS 應用，讓你透過快捷鍵在任何應用中用語音進行轉錄、編輯、朗讀、截圖和聊天。它支援 Google Gemini、OpenAI GPT、xAI Grok 等雲服務，也支援完全離線的本地 Whisper 模型，無需賬戶或訂閱。

谷歌研究院推出 SensorFM，這是一個基於超過一萬億分鐘感測器資料和五百萬人訓練的可穿戴健康基礎模型。它透過自監督學習掌握人類生理的通用表示，可遷移至35項健康任務，支援標籤高效適配，並能作為個人健康代理的基石。

據調查媒體Correctiv的臥底調查，德國極右翼政黨AfD開發了一套名為Alternita的AI軟體套件，利用Google Gemini、OpenAI的ChatGPT和Anthropic的Claude等主流AI引擎，自動生成煽動性社交媒體帖子，旨在控制黨內資訊傳播並維持其網路優勢。

Google AI Studio 在構建模式中推出“從 GitHub 匯入”功能，可將現有 GitHub 倉庫轉化為與執行時相容的格式，並支援在 AI Studio 中迭代、部署等操作。該功能補全了構建模式中缺失的入站路徑，但私有倉庫支援和同步行為等細節尚未公佈。

JetBrains推出了AI for Teams and Organizations，在現有AI工具之上增加共享上下文、可重用的代理流程、組織範圍的治理和成本控制，無需團隊統一使用單一供應商。

科技記者David Gewirtz在Gmail中嘗試使用Gemini進行郵件篩選未果後，轉而使用Anthropic的Claude Cowork。Cowork成功識別出關於Fable 5限制的相關媒體推介和引文，並確保了釋出許可，將原本需要數小時的繁瑣工作縮短至幾分鐘的驗證時間，展示了連線式AI助手應對郵件過載的潛力。

Start with A 是一個開源的投資研究平臺，整合了研究、投資組合監控和交易日誌，形成紀律嚴明的投資工作流。支援自託管，使用自己的AI API金鑰（BYOK），相容Gemini、OpenAI和Anthropic。

谷歌研究團隊釋出了TabFM，一種用於表格分類和迴歸的基礎模型，它能夠將整個表格資料作為一個提示，透過一次前向傳播產生預測，無需訓練、調參或特徵工程，實現了表格資料的上下文學習。

研究表明，具備推理能力的大語言模型容易因邏輯不一致的提示而陷入“過度思考”，導致輸出長度激增，可能被利用發動拒絕服務攻擊。浙江大學與阿里巴巴的研究人員開發了一種進化演算法，能夠生成惡意提示，使模型輸出長度最高增加26倍，影響包括DeepSeek-R1、Qwen3-Thinking、GPT-o3和Gemini 2.5 Flash在內的主流推理模型。

法國AI初創公司ZML在被譽為圖靈獎得主Yann LeCun的支援下，推出了一款免費軟體，旨在使多種開源大型語言模型能夠在包括Nvidia、AMD、Google TPU、Apple Metal和Intel Arc在內的多種晶片上高效執行。

新研究透過交叉對稱化方法分離了LLM在道德困境中的“是-否”偏差成分，發現前沿模型的內在道德立場近乎格式不變，而克勞德模型存在顯著的順序偏差和詞彙拉動，GPT-5.5和Gemini則幾乎為零。該偏差隨擴充套件推理而縮小，且並非朝向拒絕，而是跟隨表面印刷。

本期AINews涵蓋了2026年7月6日至7日的廣泛AI發展。亮點包括Lilian Weng對遞迴自我改進中套件工程深入分析、Meta推出Muse Image和預覽Muse Video（具有代理生成迴圈）、以及Anthropic、LangChain和Google在代理平臺上的重大產品更新。其他值得注意的內容：NVIDIA的Audex音訊模型、Cohere的阿拉伯語ASR、與Hugging Face和NVIDIA的機器人整合、Liquid AI的Antidoom方法減少推理迴圈失敗、以及Anthropic有爭議的J-space可解釋性研究。還涵蓋了代理和法律AI的基準測試、研究自動化和推理效率進展。

Neuronpedia是一個開源的可解釋性平臺，允許使用者探索、視覺化和操控AI模型的內部運作。該平臺支援多種功能，包括頭視覺化、自然語言自動編碼器、電路追蹤和特徵操控。它託管了超過50,000,000個潛在向量，並提供API和庫以便整合。由前蘋果工程師Johnny Lin建立，並得到Anthropic、Google DeepMind等多個組織的支援。

谷歌研究在10個美國城市進行的一項大規模真實世界研究表明，透過導航應用程式對少量行程（不到2%）進行輕微改道，可顯著減少交通擁堵和排放。該研究發表在《自然·城市》上，發現目標路段行駛速度中位數提高約2%，每個城市每年可能減少數千噸二氧化碳當量排放。

本文介紹一種將PDF頁面渲染為影像，並利用Google DeepMind的Gemma 4視覺語言模型進行本地文件解析的方法。該方法統一處理掃描和數字PDF，無需OCR或佈局解析器，並支援靈活的視覺令牌預算。

本文介紹了為AI時代重塑可觀測性堆疊的設計思路。作者將監控分為四個維度：應用（標準OTel堆疊）、基礎設施（GCP指標統一到Mimir）、CI（透過事後拉取日誌到Loki）、LLM（Gemini用Prometheus即時成本估計，Claude Code用BigQuery進行SQL聚合）。強調資料必須事先塑形才能被AI有效消費。

Heyalo是一款即時AI銷售情報工具，能在通話過程中提供現場訊號和答案，並在結束通話後自動生成摘要、交易訊號和跟進草稿。它透過瀏覽器監聽通話，無需安裝或機器人加入，支援Zoom、Google Meet、Microsoft Teams等平臺，並提供免費版和專業版訂閱。

Brianni是一款整合GPT、Claude和Gemini的AI聊天應用，其核心承諾是運營商無法讀取使用者的對話內容。該系統透過客戶端生成的加密金鑰、AWS Nitro Enclave硬體隔離和可驗證的遠端認證實現。使用者可以透過可重現構建驗證伺服器端執行的程式碼是否與公開原始碼一致，從而確保系統未被篡改。

Google宣佈為Gemini API中的託管代理新增新功能，包括後臺執行、遠端MCP伺服器整合、自定義函式呼叫和互動間憑證重新整理，旨在幫助開發者構建可靠的生產級代理。

本文探討了為低資源語言（如亞塞拜然語）構建即時語音AI的挑戰，對比了端到端語音模型（OpenAI Realtime、Gemini Live）和級聯流水線（LiveKit、Pipecat、Vapi），分析了各種失敗模式、元件可用性，並提供了評估清單。

Artificial Analysis 與 Zapier 合作推出 AutomationBench-AA 排行榜，測試 AI 模型在真實 SaaS 工作流中的自動化能力。該基準包含 657 個任務，覆蓋多個業務領域。Claude Fable 5 以 48.6% 的得分領先，Gemini 3.5 Flash 在成本效益上表現突出。所有模型均出現防護欄違規，金融任務難度最高。

Meta正在測試一款名為Pocket的社交應用，使用者無需程式設計即可建立、分享和發現AI生成的迷你遊戲（稱為“gizmos”）。該應用目前處於Google Play的封閉測試階段，合作平臺包括Facebook、Instagram和WhatsApp的交叉推廣。

語音合成模型Simba 3.2在Artificial Analysis的語音競技場中以Elo評分1233排名第一。該排行榜基於盲測使用者投票，Gemini 3.1 Flash TTS和Sonic 3.5緊隨其後。文章還提到價效比高的開源模型及分類篩選功能。

Bellingcat開發了一種基於XGBoost的機器學習模型，用於從Telegram海量帖子中高效篩選出涉及平民傷害的內容。與傳統方法相比，該模型將搜尋時間大幅縮短，且效能優於Gemma、Gemini等大型語言模型。研究團隊透過特徵工程、關鍵詞分析和語義相似度計算，成功將人工核查的重點從搜尋轉向驗證。該開源方法為衝突地區平民傷害監測提供了可複用的技術框架。

Opper AI 是一個歐洲AI閘道器，提供統一的API介面，可訪問300多個模型，其中約一半的推理提供商位於歐盟。該平臺支援OpenAI、Anthropic和Google SDK的即插即用，內建資料駐留、審計跟蹤和PII控制，並具有智慧體原生支援，可無縫整合到Claude Code或Cursor中。

Epoch AI的獨立資料庫覆蓋全球67個大型AI資料中心，透過衛星影像、許可證等公開資料追蹤其建設時間線。最大的設施是SpaceXAI在孟菲斯的Colossus 2，IT功率達946 MW，計算能力相當於111.2萬塊H100 GPU。美國集中了大部分資料中心，尤其在得克薩斯、俄亥俄等州。總IT功率容量達10.8 GW，加上冷卻等基礎設施後總設施功率達14 GW，超過紐約市峰值需求。硬體以NVIDIA H100、H200、B200 GPU為主，Google和Amazon也使用自研晶片。

本文介紹如何利用AI助手（如Gemini和Kilo Code）快速找到API端點、引數及是否需要金鑰。透過CoinGecko API獲取VALR交易所BTC價格的示例，展示了免費和Pro級別的curl命令。作者強調AI可替代大量文件查閱，並提醒使用環境變數保護API金鑰。

現代視覺語言模型（VLM）能夠同時理解影像和語言，超越了CLIP和BLIP等早期模型。本文詳細介紹了GPT-4o、Gemini、Claude Vision和Qwen-VL的工作方式、關鍵差異、優勢與侷限性，並展示了它們在教育、醫療、自動化等領域的實際應用。

Google Cloud宣佈為VPC Service Controls新增面向代理型AI工作負載的能力，包括基於代理身份的定向規則、基於MCP屬性的細粒度訪問控制，以及與Gemini Enterprise Agent Platform的原生整合。這些功能在網路層面建立邊界，防止被攻陷的AI代理洩露資料，應對OWASP Top 10 LLM威脅。

谷歌新廣告中，美國開國元勳們使用Google Workspace和Gemini AI協作起草《獨立宣言》，場景滑稽且不合時宜，引發歷史學家和觀眾的批評，認為廣告歪曲了歷史，也無法體現AI的實際價值。

《衛報》對Google DeepMind哲學家的報道令人鼓舞，但讀者擔憂AI的發展方向可能已由商業和地緣政治利益決定，而非社會共識。

Plasma Wiki是一個命令列工具，用於維護由AI智慧體編輯的Markdown Wiki。它遵循LLM Wiki模式和Google的開放知識格式，自動生成索引和交叉連結，並處理並行編輯衝突。支援透過pip安裝，可與Claude Code和Codex整合。

Imagent是一個將影像、影片和語音生成能力整合到AI代理工作流中的開源工具。它提供統一的CLI介面，支援多個AI提供商（如OpenAI、Google、ElevenLabs等），並管理生成的資產庫，方便複用。

Interfaze 開源了 diffusion-gemma-asr-small，一個多語言語音識別模型，採用擴散解碼器而非自迴歸解碼器。該模型透過一個約 42M 引數的介面卡將音訊輸入到 Google 的凍結 DiffusionGemma 模型中，單個介面卡即可處理六種語言。轉錄成本由去噪步數決定，而非轉錄長度。在 LibriSpeech 測試集上詞錯誤率為 6.6%，領先其他擴散 ASR 模型。

本教程詳細介紹瞭如何在 Google Colab 中使用 RAG-Anything 構建一個支援文本、表格、公式和影像的多模態檢索管道。從環境配置、OpenAI API 金鑰安全輸入開始，到生成合成多模態報告、構建 content_list、插入檢索系統，最後測試多種檢索模式（naive、local、global、hybrid）。全面演示了 RAG-Anything 處理多模態文件的能力。