← 返回首页

#Google

共 8 篇文章

杂谈

Google Gemini Agent 数字员工定位：与 OpenAI dots 路线对比，谁更接近「工作代理」终态？

Google 在「Gemini at Work 2026」活动上推出 Gemini Agent，定位「通用工作代理 / 数字员工」——接受目标而非指令、自主规划、深度整合 Workspace、多代理协作、不锁定单一模型。同期 OpenAI dots + Codex 走的是「云电脑 + 编程协作者」路线。两家产品哲学同源、入口选择迥异。本文拆解 Gemini Agent 6 大核心设计、与 dots 路线对比，并标注 80% / 90% 厂商口径数字的可信度。

GoogleGemini Agent数字员工
杂谈

刚刚，Nano Banana 2.1 发布！这一次杀向专业设计师 — 谷歌 DeepMind 强化设计感 + 蒙版编辑 + 主体一致性

谷歌 DeepMind 2026-10-08 发布 Nano Banana 2.1（模型 ID gemini-nano-banana-2.1），底座 Gemini 3.6 Flash，延续 Flash 速度与成本路线但杀向专业图像生成/编辑。已分发到 Gemini App / AI Studio / Gemini API / Search AI Mode / Ads / Flow / Stitch。开发者侧支持 1K/2K/4K 输出、修复 1:4 / 4:1 / 1:8 / 8:1 宽幅平铺伪影、多图融合最多 14 张参考图 + 多角色多物体一致性。

GoogleDeepMindNano Banana 2.1
杂谈

0.5GB 内存跑多模态模型——谷歌把嵌入模型压到 740M：EmbeddingGemma 2 开源

谷歌开源 EmbeddingGemma 2——首个原生多模态开源嵌入模型，参数总量 740M、Apache 2.0 协议、0.5 GB 内存消费级设备可本地跑。模型不是单一结构，由 270M 文本 + 170M 视觉 + 300M 音频三个组件组合拼成。核心能力是把文字/代码/图像/音频/视频统一到同一个共享向量空间，端侧可完成跨模态检索和匹配，不依赖云端。GGUF 权重托管在 Hugging Face，Unsloth 提供运行和训练。参数分配透露出多模态核心地位——音频占比最大(300M)、视觉次之(170M)、文本最小(270M)，多模态不是文本模型的附属功能。

GoogleEmbeddingGemma 2多模态