Google 如何用 Gemini 打造 Google I/O 2026
Google 用 Gemini 系列模型完成了 Google I/O 2026 的短片、视觉品牌与预热节目制作。
#多模态
#多模态
今日 0 条Google Labs 博客AI 评分2222
Google Labs 博客精选AI 评分6262 Google I/O 2026 回顾：Gemini Omni、Gemini 3.5 Flash 与 Search 智能体等 12 项发布
Google 在 I/O 2026 上公布 12 项主要更新，包括新模型 Gemini Omni 与 Gemini 3.5 Flash。
推荐理由：Google I/O 2026 一次性放出 Gemini Omni、3.5 Flash 与 Search 智能体等 12 项更新，可据此判断其产品线走向。
十字路口CrossingAI 评分3131 2026 AI 游戏全景扫描：四层图景、三大误区与一个共识缺口
十字路口与播客 405 游局主播筱宁对谈，把 2026 年 AI 游戏行业拆成四层图景：AI 作为工具、创作入口、交互对象，以及改变娱乐关系，并指出三种常见误区。讨论认为「AI 版愤怒的小鸟」式的共识爆款尚未出现，更可能从创业者中野蛮生长而非大厂立项做出来。
Google Labs 博客精选AI 评分7474 Google Flow 与 Flow Music 新增智能体、Gemini Omni 和移动应用
Google 为 Google Flow 和 Google Flow Music 推出多项新能力：Gemini Omni Flash 模型支持从任意输入生成内容并实现精准视频剪辑，Flow Agent 可协助头脑风暴、批量编辑和整理素材，Flow Tools 让用户用自然语言创建并分享自定义工具。
推荐理由：Google Flow 一次性补齐智能体、自然语言建工具和移动端，读者可据此判断 AI 创作工具正从单点生成走向全流程协作。
Google Labs 博客精选AI 评分8888 Google I/O 2026：Gemini 3.5 Flash、Gemini Omni 与 Antigravity 2.0 发布
Google 在 I/O 2026 发布 Gemini 3.5 Flash，官方称其对比 3.1 Pro 在几乎所有基准上更好，输出速度是其他前沿模型的 4 倍，价格不到同类前沿模型的一半，即日起在 Google 全线产品与 API 提供，Gemini 3.5 Pro 将于下月推出。
推荐理由：Google 一次性放出 Gemini 3.5 Flash、Gemini Omni 与 Antigravity 2.0，读者可据此判断其智能体产品线的整体走向。
Google Labs 博客精选AI 评分6060 Google 为 Project Genie 加入 Street View 实景能力并扩大开放范围
Google DeepMind 为实验性原型 Project Genie 推出 Street View 实景锚定能力，用户可选取美国地点并搭配风格与角色描述，生成起点绑定真实街景的互动世界，该能力由 Maps Imagery Grounding 技术驱动。
推荐理由：官方说明 Genie 接入 Street View 实景锚定，读者可了解世界模型如何为智能体与机器人提供贴近现实的环境。
Google Labs 博客AI 评分2222 Google 4 月 AI 更新汇总：Gemma 4、Deep Research Max 与 Cloud Next '26
Google 公布 4 月 AI 更新，包括开源模型 Gemma 4、自主研究智能体 Deep Research Max 和 Colab 的 Learn Mode。
字节 Seed 论文精选AI 评分6262 字节 Seed 发布 Seedance 2.0 视频生成论文
字节 Seed 发布论文 Seedance 2.0，主题为面向世界复杂度的视频生成，原文链接为 https://seed.bytedance.com/zh/public_papers/seedance-2-0-advancing-video-generation-for-world-complexity。
十字路口CrossingAI 评分2626 视频剪辑的「Cursor 时刻」来了？对谈 ChatCut 创始人李凯文
ChatCut 创始人李凯文在播客对谈中提出，视频剪辑正迎来自己的「Cursor 时刻」，但他坚持「不生成任何像素」，让 AI 作为剪辑助理工作在编辑器之上，服务「还不是剪辑师」的人群。他认为视频是 token 黑洞，多模态理解尚不足以精确到剪辑层面，Gemini 2.5/3.0 已带来巨大帮助，MG 动画能力很大程度来自 3.0。
张小珺Jùn｜商业访谈录AI 评分3838 雨森的创投观察：2026 预期、The Year of R 与 AI 回调
真格基金管理合伙人戴雨森提出 2026 年关键词为"The Year of R"，即 Return、Research、Remember 与多模态 Reasoning，认为这将是现实与回调之年。
张小珺Jùn｜商业访谈录AI 评分4040 对 DeepMind 谭捷的访谈：机器人、跨本体、世界模型与 Gemini Robotics 1.5
Google DeepMind 机器人团队高级研究科学家谭捷在访谈中介绍了 Gemini Robotics 1.5 的两项关键突破：把 thinking 加入 VLA 模型，以及 cross-embodiment transfer（跨具身迁移），并称 motion transfer 是独门秘诀。他认为机器人智能近年主要依赖多模态大模型，最大瓶颈是数据，未来传统物理仿真会逐步被生成式模型仿真取代。
张小珺Jùn｜商业访谈录AI 评分2222 对李想的第二次3小时访谈：CEO大模型、MoE、VLA、记忆与人类的智慧
张小珺发布与理想创始人兼CEO李想的第二次3小时访谈完整版，录制于2025年4月。李想以“CEO大模型”自比，按MoE架构调用技术、战略、组织三位“专家”，谈及理想自研基座大模型、VLA三阶段训练、每1万公里验证成本从18万降至4000元，以及记忆程序、能量与亲密关系等话题。
张小珺Jùn｜商业访谈录AI 评分3636 美团光年之外谢青池开源论文探索之旅：36篇经典串起模型范式、Infra、语言与多模态变迁史
美团光年之外产品负责人谢青池用一年多啃完200多篇AI论文后，从中精选36篇经典，以4小时讲解开源自己的论文探索之旅。
十字路口CrossingAI 评分2323 2025 AI 现场：从 DeepSeek R1 到 Sora 2，十字路口复盘“拐点之年”
十字路口与庄明浩复盘 2025 年 AI 行业，以“拐点”为年度关键词，梳理从年初 DeepSeek R1 到近期 Sora 2 的模型大战，以及 Manus 引爆的“Agent 元年”。节目还讨论开源生态与人才流向、DeepSeek V3.2 发布后 V4 和 R2 今年或不再出现，并将目光投向资本市场对 AI 的集体狂想。
十字路口CrossingAI 评分3434 京东健康王国鑫谈京医千询2.0与AI医院：垂直大模型如何解决看病难、看病贵
京东健康探索研究院首席科学家王国鑫介绍「京医千询2.0」大模型与「AI医院」的研发应用，该模型实现三大进化：大量使用合成数据并向行业开放可模拟真实医患对话的Agent、单模型内同时支持CT/MRI/X光等影像理解、从简单推理升级为可追溯证据来源的循证推理。京东健康每天有49万次医疗服务咨询，其底气在于拥有实体医疗机构、药品供应链和30分钟送药上门能力。
张小珺Jùn｜商业访谈录AI 评分3838 和张祥雨聊多模态研究的挣扎史与未来两年的2个“GPT-4时刻”
阶跃星辰首席科学家张祥雨在播客中回顾多模态研究10年历程，并预判未来两年将出现2个“GPT-4时刻”。他透露训练中发现模型推理能力（尤其数学）随规模先升后降，认为这是next token prediction的本质缺陷，解决方案是引入RL。他还提出o1范式本质是Meta-CoT，下一个“GPT-4时刻”指向模型的在线学习与自主学习。
42章经AI 评分2222 为什么我们对 25 年 AI 极度乐观｜AI 年终复盘
42章经在年终复盘播客中判断，25 年将是 AI 爆发的一年，还没进场的人当下可能是最好的机会。复盘认为 24 年 1-9 月一级市场为过去十年最差，但 9 月后融资市场明显复苏、多模态能力持续加强、AI 创始人画像明显变化，构成乐观理由。展望 25 年，市场关键词从 23 年「大模型」、24 年「具身智能」转向「应用落地」，最看好 Prosumer、Agent 和多模态。
42章经AI 评分3636 我在 Character.ai 做 Post Training：前 C.AI 模型应用算法专家 Ted 谈内部实践与硅谷观察
前 Character.ai 模型应用算法专家 Ted 在播客中复盘了 C.AI 的 Post Training 实践，称其核心是设计高效的迭代路径，主要依赖 SFT、RLHF、DPO 三大件，RAG 和 Prompt Engineering 几乎没做。他还提到 C.AI 的语音延迟基本是业界做得最好的，并观察到 ChatGPT 内部也是多模型混用、硅谷 Post-train 人才极其抢手。
Sam Altman Blog精选AI 评分8888 OpenAI 发布 GPT-4o，免费向 ChatGPT 用户开放并推出语音视频模式
OpenAI 发布 GPT-4o，Sam Altman 表示已在 ChatGPT 中免费提供这一模型，且不含广告。他称新的语音与视频模式是自己用过最好的计算机界面，达到接近人类的响应速度和表现力，并提到后续会加入可选个性化、访问用户信息以及代为执行操作等能力。
推荐理由：OpenAI 官方说明 GPT-4o 免费开放与语音视频模式，读者可了解其能力定位与商业化取舍。