Google Gemini 支持图像编辑：换背景、改细节，上传照片就能 P
Google 宣布将原生图像编辑功能引入 Gemini app。无论是 AI 生成图还是从手机电脑上传的个人照片，都能直接通过自然语言提示词替换背景、增加元素或修改细节。编辑后的图片会嵌入 SynthID 数字水印，正逐步向全球推出。
查看更新的新闻
NotebookLM「播客概览」支持超 50 种语言：多语种资料直接讲中文
Google 宣布 NotebookLM 的音频概览现已支持超过 50 种语言。借助 Gemini 的原生音频能力，设置里新增了「输出语言」选项。也就是说，哪怕同时喂给它葡语视频、西语论文和英文资料，它也能全用你选定的语言聊出一期播客。
Meta Llama 4 登陆 Vertex AI：免配 GPU，以托管 API 开箱即用
Google 宣布 Meta 的 Llama 4 正式作为全托管 API 在 Vertex AI 上线。开发者无需自行调配与维护 GPU 基础设施，签署许可后即可通过兼容 OpenAI 格式的接口直接调用 Scout 与 Maverick 模型。
YouTube 测试 AI 搜索轮播：不点进视频，结果页直接看关键片段
本周，YouTube 宣布正在测试基于 AI 的视频搜索轮播功能。该功能不对视频做文本总结，而是用 AI 抓出回答搜索词的最关键片段，直接在结果页播放。目前该功能仅面向少数 Premium 用户的英文搜索开放，虽然省了检索时间，但也引发了创作者对播放量被截流的担忧。
Adobe 发布 Firefly Image 4：最高 2K 分辨率，网页端还接入了竞品
Adobe 发布新一代图像模型 Firefly Image Model 4，支持 2K 分辨率与文字渲染，并全面开放 1080p 视频生成模型。改版后的 Firefly 网页端不仅上线了协作画板 Boards，还破天荒直接接入了 OpenAI、Google 和 Flux 的模型。
Google 联合哈佛推出 ZAPBench：用 7 万神经元全脑数据预测脑电
Google Research 联合 HHMI Janelia 与哈佛大学在 ICLR 2025 发布 ZAPBench。该开源基准基于斑马鱼约 7 万个神经元的完整全脑成像，让 AI 模型像预测下一个单词一样预测未来 30 秒的神经元放电模式，填补了神经科学在大规模全脑动态预测上的空白。
Google 升级 Music AI Sandbox：搭载 Lyria 2 模型，支持实时生成与编辑
Google 宣布为音乐创作工具 Music AI Sandbox 推出新功能，并扩大面向美国创作者的测试范围。新版本搭载了最新的 Lyria 2 模型与支持实时交互的 Lyria RealTime，支持按提示词续写、修改曲风并生成高质量样本，所有音轨均嵌入 SynthID 水印。
OpenAI 表态有意接手 Chrome：若法院判 Google 拆分浏览器业务
在美司法部针对 Google 的反垄断庭审中，ChatGPT 产品主管 Nick Turley 作证称，若法官裁定拆分 Chrome，OpenAI 有意接手收购。与此同时，Perplexity CEO 则公开反对拆分，认为监管应聚焦在开放 Android 默认选项上。
两名大学生零预算造出 Dia：16 亿参数开源语音模型直逼 ElevenLabs
韩国团队 Nari Labs 开源了文本转语音模型 Dia。该模型由两名几乎没有 AI 经验的本科生在零外部融资下开发，参数量为 16 亿，支持情绪语调、多说话人及笑声、咳嗽等副语言表达，对比测试表现逼平甚至超越 ElevenLabs。这也印证了个人开发者叫板行业巨头的可能性。
Google 首次实机演示智能眼镜：搭载 Gemini，能找房卡还会导航
消息，Google 在最近的 TED 演讲中首次公开实机演示了 XR 智能眼镜原型。该设备运行 Android XR 并接入 Gemini，镜片内置微型彩色屏幕，不仅能记住房卡遗落位置，还能实时翻译和投影导航。不过官方未公布发售时间，预计要到 2026 年才能上市。
Google 推出 Gemma 3 QAT 版本：27B 模型塞进消费级显卡本地跑
Google 发布采用量化感知训练（QAT）的 Gemma 3 模型版本。通过将模型压缩至 4 位（int4），显存占用大幅下降，困惑度下降幅度减少了 54%。这意味着原本需要昂贵算力卡的 27B 大模型，如今在单张 RTX 3090 显卡上就能直接本地运行。
OpenAI 推出 Flex processing：响应变慢，API 价格直接砍半
OpenAI 推出 Flex processing 测试版，面向 o3 和 o4-mini 推理模型，以更慢的响应时间换取 API 价格直接减半。该模式适用于模型评估、数据扩充等非生产环境与异步任务，开发者接入 o3 还需完成身份验证。
维基媒体在 Kaggle 上线数据集：别爬站了，直接下结构化 JSON
据报道，维基媒体基金会自 4 月 15 日起在 Kaggle 上线专为 AI 训练打造的数据集。数据已整理为结构化 JSON 格式，首批提供英法双语版本，旨在让开发者省去爬虫与清洗步骤，同时减轻维基百科服务器的抓取压力。
Google 推出 Gemini 2.5 Flash：首个混合推理模型，思考预算可自选
Google 推出 Gemini 2.5 Flash 预览版。这是其首个混合推理模型，开发者可自由开启或关闭「思考」过程，并在 0 到 24576 个 token 之间灵活调节思考预算，方便在回答质量、调用成本与响应延迟之间取得平衡。
Google 开放 Veo 2 视频生成 API：支持图文生成 8 秒镜头
Google 宣布视频生成模型 Veo 2 正式面向开发者开放。开发者可在 Google AI Studio 试用或通过 Gemini API 付费接入，模型支持通过文本或图片提示生成 8 秒视频，具备真实物理模拟和多种运镜风格。
Claude 上线 Research 功能：打通谷歌工作区与联网搜索
Anthropic 为 Claude 推出深度调研功能 Research，并整合 Google Workspace。Claude 可像智能体一样跨网页检索并读取 Gmail、日历与文档，几分钟内给出带引用的总结。目前面向美日巴部分付费用户公测。
Google 公布 DolphinGemma：把海豚叫声塞进 Pixel 手机实时解析
Google 联手佐治亚理工学院及 WDP 公布 DolphinGemma 进展。该模型基于 Gemma 架构开发，约 4 亿参数，能像预测下个单词一样预测海豚声音序列，且可直接在 Pixel 手机上离线运行。Google 计划在 2025 年夏天将该模型开源。
Search Arena 评测出炉：Perplexity Sonar 携手 Gemini 2.5 夺冠
Perplexity 宣布旗下 Sonar 系列在 LM Arena 新推出的 Search Arena 搜索评测中领跑。Sonar-Reasoning-Pro 评分达 1136，与 Google Gemini 2.5 Pro 并列第一，正面胜率达 53%，引用信源数量是后者的 2 到 3 倍。
DeepMind CEO：Google 计划将 Gemini 与视频模型 Veo 合并
Google DeepMind CEO Demis Hassabis 在播客中表示，Google 最终会将 Gemini 和视频生成模型 Veo 合并，以此提升模型对物理世界的理解能力。他透露 Veo 主要是通过观看海量 YouTube 视频来摸索现实物理规律，这也是打造通用数字助理的关键一步。
Google DeepMind 拥抱 MCP：Gemini 模型与 SDK 将支持该协议
Google DeepMind 负责人 Demis Hassabis 宣布，旗下 Gemini 模型和 SDK 将支持 MCP 协议。他表示 MCP 正在迅速成为智能体时代的开放标准，未来将与 MCP 团队及行业伙伴共同推进其发展。