搜索“Google”

Google相册上线视角重构功能

Google发布Vibe Coding XR

Google相册上线视角重构功能

Google Photos 上线 Auto frame的3D感知照片视角重构功能

查看事件：Google相册上线视角重构功能

Google发布Vibe Coding XR

Google 发布 Vibe Coding XR原型开发工作流

查看事件：Google发布Vibe Coding XR

Google Research推出Groundsource

Google Research 推出 Groundsource

查看事件：谷歌上线城市山洪预测

TestingCatalog发现GCP出现Gemini Omni 1.2 Flash引用

2026年11月5日,TestingCatalog发现Google Cloud Platform(GCP)上出现了Gemini Omni 1.2 Flash模型的引用记录,并称其将是当时Omni 1.1 Flash视频生成模型的小幅升级。次日,Google DeepMind正式推出Gemini Omni 1.2 Flash,原生支持最长15秒视频生成,价格较Gemini Omni 1.1下降30%,720p视频为每秒0.07美元;新版本增强了参考图遵循与角色、产品、场景一致性,并支持多轮对话式编辑,可在不重新生成整段视频的情况下替换产品或背景。该模型已在Gemini API和Gemini for business全面可用,输出带SynthID水印。OpenRouter随后也上线该模型,支持最长15秒片段、360p至4K分辨率与原生音频,每秒价格比1.1低约30%。

Gemini支持将草图转为可交互应用

2026年11月5日,Google介绍Gemini的新用法:用户上传应用草图照片后选择Canvas工具并让Gemini编写代码,即可把草图变成可交互应用。生成结果可在预览窗口中测试,Gemini还能实时调整颜色、字体或功能。次日Unite.AI报道的演示进一步展示了这一流程:上传图片、选择Canvas生成代码、在预览窗口测试,再通过对话修改颜色、字体或功能;报道还提到Canvas于2025年3月18日推出,桌面端提供Code view、Show console和Select & ask等编辑与调试控件,生成的应用可通过公开链接分享,但共享链接仅在网页端打开。目前该功能已上线,尚无后续发展。

Anthropic在Messages API公测消息线程功能

Anthropic在Messages API上公测消息线程功能,API会在服务端缓存对话,开发者只需发送新消息和上一条消息ID,无需重发完整对话。该功能已在Claude Code中集成,在500K至1M token的请求上,首token中位时间降低约35%;长对话中请求体积中位数从约800 KB降至1.8 KB。使用时需在请求中加入thread参数和beta header,该功能已在Claude Platform、AWS上的Claude Platform、Microsoft Foundry中的Claude以及Google Cloud上的Claude提供,按标准token价格计费。另一篇Claude Blog文章称,该功能已在多数Claude Code用户中默认开启,线程在最后一次请求后5分钟过期,期间在内存中加密保存、不写入磁盘,token用量不变。

Anthropic在Messages API上线message threads公测

Anthropic于2026年11月3日在Messages API上线message threads公测。据Claude Devs发布的信息,该功能让服务端在轮次之间缓存对话,调用方只需发送新消息和上一条消息ID,并需添加thread参数和beta header。该功能可在Claude Platform、AWS上的Claude Platform、Microsoft Foundry中的Claude以及Google Cloud上的Claude使用,按标准token价格计费。同一信息称,Claude Code集成消息线程后,在500K至1M token的请求上,首token中位延迟降低约35%;长对话中单次请求的中位体积从约800 KB降至1.8 KB。

Karpathy用Claude Opus 5.5两小时做出HackerTube

Andrej Karpathy 在周末用 Claude Code 配合 Opus 5.5,约两小时做出视频站 HackerTube。据阿易 AI Notes 报道,他把 Hacker News 二十年间约 4300 万条评论筛成 6454 个常被推荐的长视频,网站无需登录,封面取视频中间帧,浏览状态保存在本地浏览器会话。他本人只手动申请 Google Cloud 的 YouTube API 密钥、租 VPS 和买域名,随后把 IP 交给 Claude,由它完成部署、安全加固和代码优化。36氪 · AI 后续报道补充,他使用的是 Claude Code 桌面版与 Opus 5.5 的 Medium 推理强度,页面布局复刻 YouTube,并可将底层数据导出交给自己的 AI 代理重做一版。目前该事件无进一步公开进展。

Rohan Paul称Sunra按厂商原价转售多模态模型调用

Rohan Paul 于2026年10月29日转述称,Sunra 发布 Sunra API,用户通过一个密钥即可调用各主流图像、视频、音频和 3D 模型,并按各模型厂商自己的 API 价格计费,采用按量付费,没有订阅费,也不加价。Rohan Paul 还称,Seedance 2.5 在 Sunra 上的价格是另外两家网关的一半,这种统一入口也便于对 Google、OpenAI、ByteDance 和 Kling 的模型做 A/B 测试。目前该说法仅见于 Rohan Paul 的转述,尚无 Sunra 官方或其他来源的独立证据。

MiniMax Code团队开源Agent工作流与Skills

2026年10月28日,MiniMax Code团队开源了MCode Stack,把团队日常使用的Agent工作流和Skills写成可安装的SKILL.md与清单,可作为插件接入MiniMax Code及任意支持Skills的Agents。仓库按成员打包成stack,其中stacks/ronny/最完整,含15个skill,覆盖子Agent拆分、上下文与工具预算审计、长会话交接、独立评审和热修复判断。配套notes/专栏MCode Engineering Notes阐述思路,六条engineering-*改编自Google Engineering Practices,改编部分沿用CC-BY 3.0,其余为MIT。次日有报道称,该项目以MIT协议开源,包含17个SKILL.md技能和5份清单,不含MiniMax Code源码,可通过复制技能目录、本地插件或插件市场安装,也能在Claude Code中安装;原文未公布评测结果。

Xreal Aura在四国正式上市,起售价1099美元

Google与XREAL于2026年10月28日发布首款搭载Android XR的有线XR眼镜XREAL AURA,起售价1099美元。据Google Blog,该产品即日起在美国、加拿大和韩国开放订购,11月2日在日本开售。眼镜重不到95克,采用透明镜片和70度视场,把应用投射到视野中;重计算由连接线缆的便携计算puck承担,该puck搭载首次亮相的Qualcomm Snapdragon Reality Elite平台。用户可同时打开多个应用并搭配蓝牙键鼠,或通过USB-C有线镜像把笔记本屏幕作为窗口接入,Gemini可针对视野中的内容和屏幕给出帮助。Testing Catalog同日报道称,该产品面向18岁以上用户,年内首发价1099美元起。

Gemini Notebook免费开放700余本教材

Google于2026年10月29日宣布,Gemini Notebook(原NotebookLM)新增数百本来自OpenStax、Open Textbook Library和S Chand Publishing等美国与印度出版方的教材,学生可免费添加。Google的Josh Woodward在X上表示,可免费使用的教科书超过700册。用户在笔记本中选择Add sources再选Textbooks即可查看并添加,可按主题、级别和国家筛选。添加教材后,每个回答都直接以教材内容为依据,并附行内引用和原文链接,还可把教材内容转成学习指南、练习题和闪卡。

Gemini应用上线聊天内文件生成与编辑

2026年10月30日,Gemini应用上线聊天内生成、预览和编辑文件的能力。据Google Blog介绍,用户可在对话中全屏直接输入修改、选中文本提问或让Gemini改写文件;PDF预览与编辑在网页端和移动端均支持,Google Docs、Google Sheets、幻灯片、Markdown、TXT和代码等其他格式仅在网页端支持。该功能已向Gemini应用覆盖的所有语言的全部用户开放。

Gemini上线头像创建与分享功能

Google Gemini 上线个人头像功能,用户可创建并分享头像,与朋友一起出现在图像和视频中。分享后可在提示词中互相标记,并保持角色和声音的一致性;用户还能随时添加或移除他人的访问权限。目前该功能由 Gemini 于2026年10月30日发布的信息披露,尚无更多后续发展。

Gemini支持在聊天窗口内编辑AI生成文件

Google于2026年10月29日为Gemini应用和网页版加入直接创建、预览和编辑文件的功能,支持文档(文本、Markdown、LaTeX)、PDF、演示文稿和电子表格。用户可选中内容让Gemini修改文字或视觉元素,也可继续追问调整;生成的文件可按原格式下载、在Google幻灯片等应用中打开,或通过右上角导出按钮上传到Google云盘。据Thurrott报道,文档、PDF、演示文稿和电子表格的聊天窗口编辑已在网页端和移动端上线,而Google Docs、Google Sheets、Markdown、TXT、幻灯片和代码的编辑仅在Gemini网页应用提供。PDF的预览与编辑在网页和移动端均支持,其他格式仅在网页端支持;该功能面向所有可使用Gemini应用的语言和用户开放。

Gemini提供沉浸式探索功能

Gemini应用新增沉浸式探索库,用户可在学生中心点击“Try immersive explorations”进入,以交互、可视化的方式逐层探索从微观系统到深空等主题。据Google Blog介绍,每个场景可点击标签深入查看,并即将支持音频讲解;该功能后续也将直接接入与Gemini的对话中。功能支持英语、印尼语、印地语、巴西葡萄牙语、法语和简体中文,其他语言用户目前仅能使用英语版本。另有报道提到,用户可探索丝绸之路贸易路线、喷气发动机内部、闪电物理等主题,每个场景以交互式分层展开并配有引导式讲解。

Arena.ai在Agent Mode中上线Connectors

Arena.ai宣布,Connectors已进入Agent Mode。用户可在同一个任务中连接Vercel、Linear、GitHub、Supabase、Notion、Gmail、Google Drive、Google Calendar等外部工具,从而端到端完成更复杂的真实任务。Arena.ai表示,首批接入的是社区呼声最高的服务,后续会持续扩充列表。目前该功能已上线,尚无进一步的发展事实。

Opera推出WebAI,浏览器内置本地AI模型

2026年10月27日,Opera宣布开始在浏览器中内置本地AI模型,并将WebAI描述为一项拟议中的Web标准。首批能力以可选早期预览形式在Opera One上线,Opera GX和Opera Neon随后跟进。Opera称WebAI获得Google和Microsoft等公司支持,启动时用户可使用Google的Gemma以及Mac上Apple的设备端基础模型,并提供Prompt、Decision、Semantic Embeddings以及Summarizer、Writer、Rewriter、Translator、Proofreader等API。该功能需在设置中手动开启,目前仅支持搭载Intel或AMD处理器的64位Windows PC和Apple silicon Mac,不支持Intel版Mac、Linux和Windows on Arm。