LlamaIndex 发布 2026 年最佳多语言 OCR 软件盘点，对比 LlamaParse、Google Document AI、Azure AI Document Intelligence、PaddleOCR 和 Tesseract。文章指出多数 OCR 软件基于英文文档训练和评测，厂商公布的准确率往往只反映干净的拉丁字母印刷文档，转向其他语言、其他文字系统或同页混排多语言的文档时性能会明显下降。评估多语言 OCR 需关注真正的多文字系统支持、跨文档惯例的版面感知、混合语言文档处理、按语言和字段的置信度评分以及格式灵活性。
匹配字段标题、摘要、正文
Google 在 Gemini at Work 2026 活动上发布业务向 AI 智能体 Gemini Agent，可从 Google Workspace、Microsoft 365、Slack 等入口委派调查、资料制作、图像生成和代码编写执行等任务，作业在云端持续运行，关闭终端后仍可继续。它可选用 Gemini 模型群，也支持 Anthropic 的 Claude 模型群，Saboo 提到可选 Gemini 4 Argon 与 Claude Opus 5.5，但 Claude 等外部模型处于早期访问阶段。Gemini Agent 可连接 Salesforce、ServiceNow、Jira、Git、Confluence、BigQuery、Databricks、Postgres、Snowflake 及社内外 MCP 服务器，并具备会话、语义、程序、情景四类记忆，目前面向中小企业客户早期访问。
匹配字段标题、摘要、正文
Google Cloud 在 Gemini at Work 活动上发布 Gemini Agent，一个面向企业工作的统一智能体，可从单一提示框和单一 API 完成问答、知识工作、媒体生成以及代码编写与运行。它目前编排 Google 的 Gemini 模型与 Anthropic 的 Claude 模型，并计划接入更多私有和开源模型；每个智能体拥有加密认证身份、最小权限和独立审计日志，项目可设置硬性支出上限，触发后该项目智能体暂停直至人工恢复。Google 称其 TPU 8i 系统相比上一代性价比提升 80%，但该智能体尚无基准测试、价格和正式发布（GA）日期。
匹配字段标题、摘要、正文
Google Research 的 RRSI（Regularized Recursive Self-Improvement）方法让 LLM 智能体在冻结模型的前提下重写自身的 harness、提示词、工具、记忆、控制流与子智能体，同时避免 harness 对演化任务过拟合。其完整循环用 Vertex AI 上的 Claude Opus 起草编辑、在 Docker 基准中打分，而决定保留哪些编辑的核心规则是纯 Python 实现。RRSI 通过校准噪声带 delta（80 次试验约 0.108，3200 次试验约 0.013）区分真实增益与随机波动，并用退火编辑预算、确定性泄漏筛查和编辑历史来约束搜索。
匹配字段标题、摘要、正文
Google 在 Gemini at Work 2026 大会上推出首个职场个人智能体 Gemini Agent，它可加载企业业务上下文，在单一提示框中完成问答、内容创作和编码，并接入 Docs、Drive、Sheets 等 Google Workspace 应用。企业使用时可选择 Gemini 模型或 Anthropic Claude，但分析师指出跨 SAP、Salesforce、Oracle 等系统的组织级权限，以及模型调用成本管理，仍是落地难点。该智能体支持网页、iOS 和 Android 设备，运行在云端，提供统一的记忆、上下文和个性化图谱，并可创建执行特定任务的子智能体。
匹配字段标题、摘要、正文
Google 在 Gemini at Work 2026 活动上发布 Gemini 中的“单一通用智能体”及 API，可从提示词窗口启动，接入技能、工具和企业系统，能回答问题、生成媒体、编写并运行代码，并通过文档、收件箱和开发环境交付成果。该智能体在云端运行，具备跨 iOS、Android、Windows、Mac 的访问能力，可通过 CLI、Google Workspace、Microsoft 365、Slack 及第三方应用接入，必要时以无界面方式运行。它拥有独立身份和 @agents.company.com 邮箱及持久存储，可自主创建子智能体编排多步骤任务，并能按工作流选择 Gemini 系列或 Claude 等模型驱动，Google 称后续将扩展至更多私有和开源模型。
匹配字段标题、摘要、正文
Google 调整 Gemini 模型的使用权限，免费用户只能使用 Gemini Flash Lite，Gemini Pro 仅向 Google AI Pro 和 AI Ultra 付费订阅用户开放。文章引用 Andreessen Horowitz 的调查称，四分之一美国消费者每天使用 AI，但只有 4.5% 拥有 ChatGPT、Gemini 或 Claude 的付费订阅，且 Claude 在消费者中已超过 Gemini。
匹配字段标题、摘要、正文
Google 与 BIDMC 在《柳叶刀》发表 AMIE 研究，这是首个面向患者的对话式诊断在真实门诊中的前瞻性研究。AMIE 是供患者在就诊前对话使用的研究系统，在真实急诊患者中测试显示其能安全采集病史；临床医生表示其摘要帮助准备问诊的比例为 75%，影响诊疗思路的超过一半，AMIE 的鉴别诊断与医生最终诊断一致的比例为 90%。这也是 Google 首次在《柳叶刀》主刊发表论文。
匹配字段标题、摘要、正文
Artificial Analysis 的 AA-Video-T2V v2.0 榜单显示，Grok Imagine Video 1.5 Lite 排名第 17，比 Google Veo 3.1 高两位。在 1080p 带音频条件下，Grok Imagine Video 1.5 Lite 每秒 0.14 美元，Veo 3.1 为每秒 0.40 美元。相比 Grok Imagine Video 1.5，Lite 在 1080p 下便宜 44%，但排名低六位。
匹配字段标题、摘要、正文
Google 在 Cloud 活动上宣布为 Gemini 推出统一智能体，可接受目标而非仅指令，自行规划任务、调用自定义技能与工具并连接企业内部系统。该智能体默认自动选择模型，也允许用户手动切换，首批支持 Anthropic 的 Claude 模型，未来将扩展至开源和私有模型。它可接入 Google Workspace、Microsoft 365、Slack、Jira、Git、BigQuery、Snowflake 等系统以及任意 MCP 服务器，并拥有独立的 Workspace 账号和审计记录，初期面向企业客户，之后再推向消费者。
匹配字段标题、摘要、正文
Google 在 NASA Hangar One 面向 700 多名 Google Cloud 客户发布新的 Gemini 智能体，定位为面向工作的单一通用智能体，可在同一个提示框中回答问题、处理知识工作、生成图像与媒体并编写和运行代码。该智能体基于网页运行，可跨设备访问并集成到第三方应用，也能在没有专用界面时运行；云端持久执行使其在不同入口保持同一套记忆、上下文和个性化图谱。它支持创建子智能体处理多步任务，也可作为具有既定角色和独立身份的同事实体，并能跨多个模型编排以兼顾质量与成本。
匹配字段标题、摘要、正文
Google 于 10 月 6 日发布新图像模型 Nano Banana 2.1，基于 Gemini 3.6 Flash，在 Gemini API 上取代 Nano Banana 2（Gemini 3.1 Flash Image），单一模型同时支持文生图与图像编辑。Artificial Analysis 以 1K 分辨率默认设置通过 Gemini API 评测，该模型在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均列第 4，在其测量的全部 16 项生成与编辑能力上均优于 Nano Banana 2，零售电商与生产力知识工作场景提升最大。1K 分辨率定价为每张 $0.0336（每 1k 张 $33.6），是 Nano Banana 2 的一半，也是 AA-Image-T2I v2.0 前 7 名中最低价；2K 为每张 $0.0504，4K 为每张 $0.0756。该模型已在 Gemini app、Search 的 AI Mode、Google AI Studio、Flow、Stitch、Google Ads 和 Gemini Enterprise Platform，以及 Gemini API、Vertex AI 和第三方服务商上线。
匹配字段标题、摘要、正文
Artificial Analysis 的 Image Arena 评测显示，Nano Banana 2.1 在全部 7 项图像编辑动作上成为 Google 最佳模型，其中 Scene & Style 编辑从第 24 名升至紧随领先模型，Identity Preserving 编辑从第 12 名升至第 3 名。在 Reasoning-Based Edit 和 Identity Preserving Edit 两项上，只有两个 GPT Image 2.5 模型排在它前面。Enhancement & Restoration 是短板，排在第 18 名，与 Nano Banana 2 持平。
匹配字段标题、摘要、正文
Google 与 Beth Israel Deaconess Medical Center（BIDMC）合作的一项研究发表在 The Lancet，在 BIDMC 门诊真实场景中让 98 名患者在紧急就诊前先咨询 Google 的诊断 AI 聊天机器人 AMIE。全程由主管医生实时监控，没有一次对话因预设安全标准被中断；医生表示 AI 摘要帮助他们在 75% 的病例中准备就诊，并在超过一半的病例中影响了诊疗思路，AMIE 的鉴别诊断与医生最终诊断的一致率为 90%。研究团队表示仍需更大规模临床试验来评估面向患者的 AI。
匹配字段标题、摘要、正文
Google 发布实验性笔记应用 Google AI Edge Foresight，可在完全离线状态下转写会议和音频文件，免费使用，基于其端侧 EmbeddingGemma 2 模型，目前运行于 macOS。该应用会在转写的同时生成会议摘要，并支持用户记录要点后由应用整理成完整笔记，还内置助手可回答关于录音内容的问题，也能接入本地文件作为参考。Google 称文件、会议音频和笔记都不会离开用户电脑，目前仅针对 Apple Silicon 的 Mac 优化。
匹配字段标题、摘要、正文
Google 在 Gemini at Work 活动上发布通用 Gemini 智能体，可在后台跨应用和设备工作，入口是 Gemini Enterprise 应用，用户能在单一界面里对话并派发任务。该智能体除在 Gmail、Drive、Docs、Sheets、Calendar 等 Workspace 应用内工作外，还可通过手机、桌面、网页以及 Slack、Microsoft 365 等第三方应用交互，因运行在云端而保持跨设备一致的上下文。Google 表示它还能配合岗位专属子智能体完成任务，并以拥有专属身份和 @agents.company.com 邮箱的 coworker agent 形式运作，自动选用最合适的 AI 模型执行任务。
匹配字段标题、摘要、正文
Google 的 SynthID Detector 现已公开可用，支持 Nano Banana 2.1、OpenAI、NVIDIA、Kakao，并将很快支持 Apple。用户可上传或粘贴图片、视频、音频文件，检测其中是否带有 Google 或其合作伙伴的水印，文件在扫描后立即删除。
匹配字段标题、摘要、正文
Google 发布会议记录应用 Google AI Edge Foresight，对标 Granola 等 AI 笔记工具，Mac 版可完全离线运行，使用端侧 EmbeddingGemma 2 模型（7.4 亿参数）跨应用捕捉会议内容，包括线下会议。应用采用分屏视图，一侧手写速记、一侧生成 AI 笔记，支持查看转录文本或与 Gemma 4 驱动的助手对话，还可上传 PDF、Google Docs、Microsoft Office 格式、纯文本、Markdown 和网页书签构建知识库，在会议中实时回答相关问题。Google 在 FAQ 中说明该应用针对 Apple Silicon 优化，可完全离线使用。
匹配字段标题、摘要、正文
Google Maps 上线三项餐饮发现功能：Ask Maps 支持用自然语言描述需求（如“带户外座位的秋季甜品店”），分析数十亿照片、评论和菜单来匹配餐厅，并可通过 Uber Eats、Toast、Square 等合作方下单配送；Explore 标签页提供每周更新的 Trending、Gems 和 Top 餐饮榜单；搜索餐厅、咖啡馆时还可查看社区提供的预订、停车和点菜等“know before you go”提示。
匹配字段标题、摘要、正文
Google Cloud 在 Gemini at Work 2026 上发布 Gemini agent，定位为面向工作的通用智能体。它可调用组织的业务上下文，覆盖知识工作、问答、内容创作和编码，能规划任务、使用技能与工具并连接客户的业务系统，把完成结果带回文档、收件箱和开发者环境。该智能体还会自动选择合适模型，内置成本控制，并提供企业客户所需的安全、管理与治理能力。
匹配字段标题、摘要、正文