Google Gemini 支援影像編輯：換背景、改細節，上傳照片就能 P
Google 宣佈將原生影像編輯功能引入 Gemini app。無論是 AI 生成圖還是從手機電腦上傳的個人照片，都能直接通過自然語言提示詞替換背景、增加元素或修改細節。編輯後的圖片會嵌入 SynthID 數字水印，正逐步向全球推出。
檢視更新的新聞
NotebookLM「播客概覽」支援超 50 種語言：多語種資料直接講中文
Google 宣佈 NotebookLM 的音訊概覽現已支援超過 50 種語言。藉助 Gemini 的原生音訊能力，設定裡新增了「輸出語言」選項。也就是說，哪怕同時餵給它葡語影片、西語論文和英文資料，它也能全用你選定的語言聊出一期播客。
Meta Llama 4 登陸 Vertex AI：免配 GPU，以託管 API 開箱即用
Google 宣佈 Meta 的 Llama 4 正式作為全託管 API 在 Vertex AI 上線。開發者無需自行調配與維護 GPU 基礎設施，簽署許可後即可通過相容 OpenAI 格式的介面直接呼叫 Scout 與 Maverick 模型。
YouTube 測試 AI 搜尋輪播：不點進影片，結果頁直接看關鍵片段
本週，YouTube 宣佈正在測試基於 AI 的影片搜尋輪播功能。該功能不對影片做文本總結，而是用 AI 抓出回答搜尋詞的最關鍵片段，直接在結果頁播放。目前該功能僅面向少數 Premium 使用者的英文搜尋開放，雖然省了檢索時間，但也引發了創作者對播放量被截流的擔憂。
Adobe 釋出 Firefly Image 4：最高 2K 解析度，網頁端還接入了競品
Adobe 釋出新一代影像模型 Firefly Image Model 4，支援 2K 解析度與文字渲染，並全面開放 1080p 影片生成模型。改版後的 Firefly 網頁端不僅上線了協作畫板 Boards，還破天荒直接接入了 OpenAI、Google 和 Flux 的模型。
Google 聯合哈佛推出 ZAPBench：用 7 萬神經元全腦資料預測腦電
Google Research 聯合 HHMI Janelia 與哈佛大學在 ICLR 2025 釋出 ZAPBench。該開源基準基於斑馬魚約 7 萬個神經元的完整全腦成像，讓 AI 模型像預測下一個單詞一樣預測未來 30 秒的神經元放電模式，填補了神經科學在大規模全腦動態預測上的空白。
Google 升級 Music AI Sandbox：搭載 Lyria 2 模型，支援即時生成與編輯
Google 宣佈為音樂創作工具 Music AI Sandbox 推出新功能，並擴大面向美國創作者的測試範圍。新版本搭載了最新的 Lyria 2 模型與支援即時互動的 Lyria RealTime，支援按提示詞續寫、修改曲風並生成高質量樣本，所有音軌均嵌入 SynthID 水印。
OpenAI 表態有意接手 Chrome：若法院判 Google 拆分瀏覽器業務
在美司法部針對 Google 的反壟斷庭審中，ChatGPT 產品主管 Nick Turley 作證稱，若法官裁定拆分 Chrome，OpenAI 有意接手收購。與此同時，Perplexity CEO 則公開反對拆分，認為監管應聚焦在開放 Android 預設選項上。
兩名大學生零預算造出 Dia：16 億引數開源語音模型直逼 ElevenLabs
韓國團隊 Nari Labs 開源了文本轉語音模型 Dia。該模型由兩名幾乎沒有 AI 經驗的本科生在零外部融資下開發，引數量為 16 億，支援情緒語調、多說話人及笑聲、咳嗽等副語言表達，對比測試表現逼平甚至超越 ElevenLabs。這也印證了個人開發者叫板行業巨頭的可能性。
Google 首次實機演示智慧眼鏡：搭載 Gemini，能找房卡還會導航
訊息，Google 在最近的 TED 演講中首次公開實機演示了 XR 智慧眼鏡原型。該裝置執行 Android XR 並接入 Gemini，鏡片內建微型彩色螢幕，不僅能記住房卡遺落位置，還能即時翻譯和投影導航。不過官方未公佈發售時間，預計要到 2026 年才能上市。
Google 推出 Gemma 3 QAT 版本：27B 模型塞進消費級顯示卡本地跑
Google 釋出採用量化感知訓練（QAT）的 Gemma 3 模型版本。通過將模型壓縮至 4 位（int4），視訊記憶體佔用大幅下降，困惑度下降幅度減少了 54%。這意味著原本需要昂貴算力卡的 27B 大模型，如今在單張 RTX 3090 顯示卡上就能直接本地執行。
OpenAI 推出 Flex processing：響應變慢，API 價格直接砍半
OpenAI 推出 Flex processing 測試版，面向 o3 和 o4-mini 推理模型，以更慢的響應時間換取 API 價格直接減半。該模式適用於模型評估、資料擴充等非生產環境與非同步任務，開發者接入 o3 還需完成身份驗證。
維基媒體在 Kaggle 上線資料集：別爬站了，直接下結構化 JSON
據報道，維基媒體基金會自 4 月 15 日起在 Kaggle 上線專為 AI 訓練打造的資料集。資料已整理為結構化 JSON 格式，首批提供英法雙語版本，旨在讓開發者省去爬蟲與清洗步驟，同時減輕維基百科伺服器的抓取壓力。
Google 推出 Gemini 2.5 Flash：首個混合推理模型，思考預算可自選
Google 推出 Gemini 2.5 Flash 預覽版。這是其首個混合推理模型，開發者可自由開啟或關閉「思考」過程，並在 0 到 24576 個 token 之間靈活調節思考預算，方便在回答質量、呼叫成本與響應延遲之間取得平衡。
Google 開放 Veo 2 影片生成 API：支援圖文生成 8 秒鏡頭
Google 宣佈影片生成模型 Veo 2 正式面向開發者開放。開發者可在 Google AI Studio 試用或通過 Gemini API 付費接入，模型支援通過文本或圖片提示生成 8 秒影片，具備真實物理模擬和多種運鏡風格。
Claude 上線 Research 功能：打通谷歌工作區與聯網搜尋
Anthropic 為 Claude 推出深度調研功能 Research，並整合 Google Workspace。Claude 可像智慧體一樣跨網頁檢索並讀取 Gmail、日曆與文件，幾分鐘內給出帶引用的總結。目前面向美日巴部分付費使用者公測。
Google 公佈 DolphinGemma：把海豚叫聲塞進 Pixel 手機即時解析
Google 聯手喬治亞理工學院及 WDP 公佈 DolphinGemma 進展。該模型基於 Gemma 架構開發，約 4 億引數，能像預測下個單詞一樣預測海豚聲音序列，且可直接在 Pixel 手機上離線執行。Google 計劃在 2025 年夏天將該模型開源。
Search Arena 評測出爐：Perplexity Sonar 攜手 Gemini 2.5 奪冠
Perplexity 宣佈旗下 Sonar 系列在 LM Arena 新推出的 Search Arena 搜尋評測中領跑。Sonar-Reasoning-Pro 評分達 1136，與 Google Gemini 2.5 Pro 並列第一，正面勝率達 53%，引用信源數量是後者的 2 到 3 倍。
DeepMind CEO：Google 計劃將 Gemini 與影片模型 Veo 合併
Google DeepMind CEO Demis Hassabis 在播客中表示，Google 最終會將 Gemini 和影片生成模型 Veo 合併，以此提升模型對物理世界的理解能力。他透露 Veo 主要是通過觀看海量 YouTube 影片來摸索現實物理規律，這也是打造通用數字助理的關鍵一步。
Google DeepMind 擁抱 MCP：Gemini 模型與 SDK 將支援該協議
Google DeepMind 負責人 Demis Hassabis 宣佈，旗下 Gemini 模型和 SDK 將支援 MCP 協議。他表示 MCP 正在迅速成為智慧體時代的開放標準，未來將與 MCP 團隊及行業夥伴共同推進其發展。