标签： Gemini

Google的新AI转录功能会删掉你的“嗯”和“啊

Google 在 Gemini 3.5 Pro 迟迟未发布的情况下，先推出了三款 Gemini Audio 新模型，其中全新的 3.5 Transcribe 可以在语音转写时自动删除“嗯”“啊”等语气词，并支持超过 85 种语言。这标志着语音交互从“听清”向“理解并整理”迈了一步。

比尔·盖茨在其 Gates Notes 发布长文，提议征收“机器人税”并设立“人类保留”岗位，试图用政策手段缓解 AI 对就业结构的冲击。这是少数由顶级科技领袖明确提出、且具备可操作性的再分配方案。

阿里 Qwen 团队发布 Qwen3.8-Flash-Next，用仅 60 亿激活参数的多模态 MoE 架构对标千亿级模型，训练成本只有前代的约九分之一，并将于近期以极低价格开放 API，进一步压缩大模型商业化的价格空间。

两位前 Meta FAIR 科学家创立的初创公司 Perceptron，发布了面向工业场景的视觉模型 Isaac 0.5，旨在让机器人看懂并操作仓库、工厂等复杂物理环境。该模型以开放权重形式发布，是少数希望兼顾通用性与物理世界交互能力的视觉基础模型之一。

阿里巴巴 Qwen 团队发布 Qwen3.8-Flash-Next，一个总参数 125B、激活参数仅 6B 的多模态 MoE 模型，并首次预览了下一代 Qwen4 的架构方向。它把“超大模型”和“低推理成本”做了新的结合，值得关注。

由前 Twitter 工程师创立的 AI 新闻阅读公司 Particle 推出 Radar——一个能转写并理解播客内容的搜索引擎，让 AI 智能体首次可以“听”播客、从音频中提取关键信息和商业信号。其 API 已对接对冲基金与 AI 搜索平台，被视为 AI Agent 的数据新入口。

DeepSeek 官方提出“Agent = Model + Harness”的公式，将大模型之外的整套工具调用、权限管理和状态记录体系定义为 Harness。这篇社区长文把 Harness 拆解成可替换组件，解释了为什么 AI 干活行不行，关键往往不在模型本身，而在外围系统。

有开发者将 DeepSeek Harness 插件开发全流程手动跑通，从最小插件到工具注册、配置校验与组合包安装，并开源了整套实操代码。这件事把官方文档变成了可复现的教程，降低了开发者上手门槛。

Anthropic 官方发布《The AI-Native SDLC Playbook》，提出当 AI 编码工具让“写代码”不再是瓶颈时，传统软件开发生命周期的规划、审查和部署环节已成为新的效率卡点，并给出了内部基于 Claude 的重构方案。

阿里通义千问团队正式发布 Qwen3.8-Flash，这是一个采用 MoE 架构、开放权重的新模型，同时被视为 Qwen4 架构的早期预览，API 已率先上线。