现在Gemini网页版创建Gems支持将NotebookLM设置成知识库了
现在Gemini网页版创建Gems支持将NotebookLM设置成知识库
更多动态
🎄 谷歌这波「25天 AI Agent 特训」有点东西。
每天 5 分钟，从写第一行 YAML 到部署生产级 Agent，这是目前最丝滑的「实战路书」。 我跟着跑了一下，几个感触很深的点： 1️⃣ 门槛极低：Day 2 我只写了个配置文件（YAML），一行 Python 没动，5 分钟就跑通了第一个 Agent。比起以前自己搭 LangChain 环境，这个 ADK 框架确实省心。 2️⃣ Gemini 3 的 Computer Use：这个功能我最近在用来处理发票报销。它能直接「看」懂屏幕、点按钮、填表单，专门对付那些没有 API 的老旧网页，比我以前写 Selenium 脚本维护起来轻松太多。 不是玩具：它是奔着 Production 去的。特别是 Day 7 的「自主纠错」，Agent 写完代码还能根据报错自己修，我在本地测下来，感觉它越来越像个靠谱的初级程序员了。 #GoogleCloud #AIAgent #独立开发 #Gemini3 #技术教程
Meta 刚发的 SAM Audio 这个多模态分离模型。
解决了我这种内容创作者最头疼的问题：在吵闹的街边拍Vlog，也能一键精准抠出人声，甚至能靠点选视频画面来分离声音。 1️⃣ 用眼睛「听」声音：它有个 PE-AV 感知编码器（像人的耳目协同）。我在视频里点一下吉他手，它就能把吉他声单独拎出来。不用再在复杂音轨里反复横跳，就像在 Photoshop 里用魔棒抠图一样直观。 2️⃣ 输入文字就能删杂音：我试过在越南菜市场录音，背景里全是摩托车喇叭和人声。直接打字输入「删除背景喇叭声」，它就处理得干干净净。实测处理一小时音频大概只要 40 多分钟。 3️⃣ 像「超梦」一样的时间标记：它支持标记一段声音样例。比如录音里偶尔有狗叫，我标记一段，它就能把全篇类似的杂音都抓出来。 强烈建议做播客或剪视频的朋友尝试下 SAM Audio。 #AI工作流 #SAMAudio #数字游民 #效率工具 #音频剪辑
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
