Google DeepMind 发布多模态嵌入模型 EmbeddingGemma 2

Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2,把文字、图像、视频帧和音频映射到同一个向量空间,740M 参数即可在手机本地跑多模态检索。它值得关注的点在于:端侧语义搜索不再需要串联图像描述、语音转文字等多个模型。

Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2,把文字、图像、视频帧和音频映射到同一个向量空间,740M 参数即可在手机本地跑多模态检索。它值得关注的点在于:端侧语义搜索不再需要串联图像描述、语音转文字等多个模型。

Google 在 Gemini API 更新日志中宣布图像生成与对话式编辑模型 Gemini Nano Banana 2.1 正式 GA,同时给出旧版 gemini-3.1-flash-image 的停用时间表,开发者需要在 2026 年 10 月 29 日前完成迁移。

Anthropic 为 Claude Code 推出云端会话(Cloud Sessions),每个任务独占一台虚拟机、独立分支,可并行运行,完成后输出分支直接转 Pull Request。这意味着 AI 编程代理开始从“单机串行”进入“多机并行”的工程化阶段。

ARC Prize 公布了 DeepSeek V4.1 Flash 在 ARC-AGI 两项基准上的成绩,准确率较前代明显提升,但单任务推理成本上涨约 250%,性能与价格之间的取舍再次成为焦点。

Anthropic 为 Claude 推出 Google Workspace 集成测试版,用户可以直接在 Docs、Sheets、Slides 中调用 Claude 生成和编辑内容,不必再来回切换窗口。这意味着 Claude 正从独立聊天工具,转向嵌入企业高频办公场景的生产力插件。

Sierra 与 Meta 联合 Genesys、Shopify、Stripe、Walmart 等企业发布 Personal Agent Protocol 开放协议,为个人 AI 代理与商家系统之间的身份认证、权限控制和任务执行制定统一标准。这关系到个人代理能否真正替用户完成下单、改签、退换货等实际操作。

据 Bloomberg 报道,DeepSeek 的融资规模从最初约 500 亿元上调到至少 800 亿元(约 120 亿美元),腾讯与宁德时代是最大投资方之一,本轮预计很快完成,公司计划 2027 年初启动 IPO。

OpenAI 与 AI 合同管理公司 Ironclad 合作,把企业合同审批、条款配置等真实工作流程转化为训练任务,让 GPT‑6 Astra 在专业软件操作上比上一代模型得分更高、耗时更短。

Atlassian 与 OpenAI 扩大合作,把 GPT-6 系列前沿模型接入 Atlassian 全平台和 Rovo,让 AI 不只理解企业知识,还能直接推动任务执行。这意味着企业协作工具正从"记录工作"转向"代理工作"。

《纽约时报》记者 Zeyi Yang 引用的一项研究显示,中国在吸引海外 AI 人才上明显吃力:2025 年每 30 名在美国从事研究的中国籍 AI 研究者中,只有约 1 人反向回到中国。这组不对称数字,比任何口号都更能说明中美 AI 人才竞争的现状。