谷歌为 Gemini 上线 GIF 生成功能,由 Omni 1.2 Flash 驱动
谷歌为 Gemini 上线 GIF 生成功能,由视频模型 Gemini Omni 1.2 Flash 驱动,可生成循环动态图和表情包。该功能面向所有 Google AI 订阅用户开放,并在美国、日本、韩国、澳大利亚、加拿大、英国、德国和法国免费;用户在主聊天输入提示词,或在图像与视频工具中选择 GIF 并描述需求即可生成。
谷歌为 Gemini 上线 GIF 生成功能,由视频模型 Gemini Omni 1.2 Flash 驱动,可生成循环动态图和表情包。该功能面向所有 Google AI 订阅用户开放,并在美国、日本、韩国、澳大利亚、加拿大、英国、德国和法国免费;用户在主聊天输入提示词,或在图像与视频工具中选择 GIF 并描述需求即可生成。
AWS Quick 发布更新,用户可在聊天中描述流程并由 Quick 构建 flow,同时编排多个智能体、技能和工具。新增确定性步骤、更长运行的工作流和大数据量支持,多智能体编排可将多个专业智能体的结果合并为单一回答。
Google Research 本周在 Gemini App 的 Tasks 中上线 Duplex,让智能体替用户拨打商家电话并处理真实世界请求。文章回顾其十年架构演进,从闭域 RNN 模型、LaMDA 混合栈走向完全由 Gemini 统一的对话栈,并说明亚秒级延迟与嘈杂声学环境等实时电话技术难点。
推荐理由:文章回顾 Duplex 十年架构演进,读者可从中理解实时语音智能体在低延迟与对话节奏上的工程难点。
AWS 为 Amazon SageMaker HyperPod Slurm 推出托管集群扩展,首批含可观测性与用户管理(含目录集成),通过 API 或控制台统一管理。扩展配置提交时即经 schema 校验,自动应用到全部节点并保持一致,并报告自身状态与各节点健康。此前 HyperPod 已将声明式管理覆盖集群定义、节点设置、容量、网络拓扑与硬件健康五层配置。
OpenAI 宣布向 ChatGPT Plus 订阅用户开放 Spaces 协作空间,月费 20 美元的 Plus 用户可以创建空间,与他人共同整理资料、协作处理文档和文件。
Google 正式推出桌面搜索主页改版,搜索栏下方新增图像生成、文件分析和与 Gemini 头脑风暴三个 AI 功能按钮,同时移除原有的 Google Search 按钮。Google 搜索副总裁 Robby Stein 在 X 上确认新页面已结束测试并开始部署,
AWS 在 SageMaker HyperPod 推出 Global Inference Gateway,用一个 SageMaker 托管端点把推理请求路由到已注册的多个集群,支持同 Region 或跨 Region。
推荐理由:原文给出了四信号加权路由与自动故障转移的实现细节,读者可据此评估多 Region 推理部署的改造方案。
AWS 宣布 Amazon Textract Insights 正式可用,用户用自然语言描述所需字段并提交文档,即可获得每个值都带置信度与页面级溯源的结构化结果,无需模型训练。它支持最多 3,000 页的混合文件,自动拆分并匹配各文档类型的 blueprint;Amazon Textract Core 同步更新,语言覆盖扩展到 40 种语言,现有 API 保持不变,按页计费且无最低承诺。
推荐理由:原文对比了自定义流水线与通用大模型两条旧路线,说明每个提取值都带置信度与页面级溯源,读者可据此评估自动化的边界。
Google 在 Gemini Mac 应用中推出 Computer Use 功能,用户描述目标后,Gemini 在隔离的后台窗口中自动点击、输入并跨本地文件、桌面应用和网站完成多步骤任务,用户可指定可访问的应用、实时查看每一步并随时暂停或预先批准关键操作。该功能今天在美国以英语推出,Gemini Mac 应用已可下载。
推荐理由:原文除说明 Gemini Computer Use 的隔离后台窗口与逐步审批机制,还对比了 OpenAI Astra 在同类 Computer Use 能力上的进展。
美国 AI 音乐平台 Suno 推出视觉创作工具 Visuals,将视频和图像生成引入音乐创作流程;其模型 H3 Move 基于 MiniMax 今年 8 月开放权重的开源视频模型 H3 打造,并针对音乐场景调优。
TechCrunch 盘点了 6 款面向家庭办公的 AI 硬件,覆盖会议记录、桌面快捷操作、文档批注、视频追踪和久坐提醒场景。
Google 正在全球桌面端搜索主页推出可折叠侧边栏,让用户更方便地访问 AI 搜索并重新打开最近的 AI 对话。该功能由 Google Search VP Robby Stein 在 X 上宣布,侧边栏位于 AI Mode 界面左侧,可开启新对话、查看已有对话、创建笔记本并打开最近查询和设置。
Signal 在 iOS 27 和 Android 上限制应用内截图,以阻止 Siri、Gemini 等 AI 智能体读取屏幕上的消息和数据。
腾讯 WorkBuddy 宣布上线电脑操控(Computer Use)能力,能识别当前页面并执行点击、输入、滚动等操作,不需要目标软件开放接口即可在后台运行。该能力目前处于公测阶段,支持 macOS 和 Windows,需将客户端更新至 5.11.0 及以上版本并开启功能、完成授权,界面识别效果因软件而异。
影石 Insta360 旗下 Mic Pro 与 Wave 两款麦克风完成免费固件升级,原生接入腾讯 WorkBuddy,录音可直接进入 AI 工作流。Mic Pro 长按录音键 2 秒即可唤起录音,文件自动传输至 WorkBuddy 资料库,并完成文字稿转写与 AI 总结;Wave 绑定后可语音唤起云端任务,一键生成纪要与待办。
Nous Research 的开源 Hermes Agent 新增 Collective Wisdom 功能,员工可在 Microsoft Teams 中把财务分析、文档起草、收件箱整理等任务交给 Hermes,并将成功工作流自动转化为由描述和代码组成的可复用技能,经审核后共享给团队。
小米 MiMo Token Plan 的 Pro / Max 套餐自 11 月 19 日起限时支持 MiMo-V2.6-Pro-UltraSpeed 超高速推理模型。该模型在保持 V2.6-Pro 旗舰性能的同时提供最高 20 倍输出速度,适用于量化交易、实时风控、科学研究和实时编程辅助等场景。
2026 年 11 月 20 日,华为推出全新子品牌 OSTA 星芒,定位面向先锋者的鸿蒙 AI 全场景科技品牌,并发布首款鸿蒙 AI 手机 OSTA O1 Pro。
AMD 宣布其锐龙 AI 处理器的 XDNA 2 NPU 成为首款获得 Unsloth Desktop 本地界面支持的神经网络处理器。
高通携手 Cirrascale 向部分客户开放 Dragonfly AI200 推理加速器评估,客户可在云环境中测试 AI 工作负载在该芯片上的表现。AI200 是高通首款机架级 AI 解决方案,单卡配备 768GB LPDDR5X 内存,支持 PCIe Gen6 纵向扩展与 RoCE 横向扩展。
爱范儿评测认为,新款 MacBook Pro 的触屏只是附属升级,OLED 屏幕与机身减重才是核心变化。新机采用 PROLED XDR 双层 OLED 屏幕,1000 尼特全屏亮度、2000 尼特 HDR 峰值亮度,14 和 16 寸分别减重约 220 与 300 克至 1.4 与 1.84 千克,刘海改为灵动岛。
浮屏(Floato)是一款 iOS 应用,用 AI 识别截图中的取件码、火车票等关键信息,生成卡片显示在锁屏、灵动岛和桌面小组件上。目前支持取件码、团购券、App 订阅、火车票、飞机票和电影票,标记完成的卡片会自动汇成一份日历式生活记录。app 已在美区等 App Store 上架、国区备案中,新用户有 10 个免费识别点数,会员 1.99 美元/月起。
Kynvio 是一个主打"交付成果"的 AI Agent 平台,一句话即可生成网站、幻灯片、图像与设计、视频、深度研究报告五种成品。它提供云端工作台,内置 7,000+ 模板,执行过程实时可见并支持回放;图像接入 GPT Image 2.6、Nano Banana 2.1,视频接入 Seedance、Kling、Vidu。
OpenAI 核心产品负责人蒂博・索蒂奥宣布邀请少量 ChatGPT Plus 用户测试 dots 智能体,并同时向所有 ChatGPT Business Standard 用户开放。
Amazon SageMaker Inference 2026 年第二批发布回顾,全年累计达 26 项,聚焦模型投产后如何选配置、提升 GPU 利用率与跨 Region 调度。
OpenAI 宣布向开发者开放 GPT-Live-1.1 API 语音模型,第三方应用可集成全双工实时语音交互能力。该模型为 GPT-Live-1 升级版,能识别说话中的停顿、打断与语速变化,并可将推理或工具调用任务委托给开发者指定的后端模型,对话无需中断。GPT-Live-1.1 自 2026 年 10 月 15 日起已是 ChatGPT Plus 及更高级订阅的默认语音模型。
推荐理由:原文讲清了全双工语音交互与后端模型委托的结合方式,开发者可据此判断现有语音方案是否值得替换。
AWS 为 Amazon Bedrock AgentCore payments 新增 AWS Billing 支付方式,AI 智能体可按请求购买 AWS Marketplace 上支持 x402 的软件、API、数据与内容,费用以 USD 结算到开发者 AWS 账单,无需稳定币钱包或 API key。
推荐理由:原文给出智能体按请求付费的完整链路与单会话限额机制,读者可据此评估 agentic commerce 在企业内的落地方式。
Meta 计划为类似 Tamagotchi 的 AI 设备 Muse Charm 定价 $300,该产品此前已在 Connect 大会上预告,公司发言人未予否认。
Amazon Connect Talent 将结构化行为面试研究引入规模化 AI 面试,围绕岗位胜任力生成行为锚定量表、结构化问题与自适应追问,并由独立于面试过程的评估环节按 1-5 分固定公式评分。
Amazon SageMaker AI 的推理推荐功能现在默认监控生成式 AI 推理端点,自动发现延迟漂移、GPU 闲置和未启用的优化。监控仅读取延迟、GPU 利用率等运行信号,不读取请求或响应内容;发现结果通过 AWS Health 推送,可在 SageMaker Studio 的智能体体验中对备选配置做并行基准比对,基准在独立算力上运行,确认后才生效。
Google 正在桌面端全球推出主页 AI 对话侧边栏,用户可查看并继续此前的 AI Mode 对话。侧边栏还可发起新对话、搜索已有对话或连接 Gemini Notebook,Google 产品副总裁 Robby Stein 表示用户提问正变得不再是一次性需求。
Amazon Polly 语音克隆现已正式可用(gated release),只需几分钟的说话人录音即可生成专属克隆语音,运行在 Amazon Polly 生成式引擎上。
推荐理由:原文给出从录音、建声到合成的完整接入方式与配额限制,读者可据此评估把定制品牌语音接入现有应用的改造量。
AWS 将 Amazon Bedrock AgentCore harness 升级为以开源 Strands harness(Apache 2.0 许可)为默认基础,并新增生命周期钩子。
推荐理由:原文给出托管默认值与生命周期钩子的具体配置方式,读者可据此为已有智能体添加确定性的审批与通知流程。
Google 为 macOS 版 Gemini 上线 computer use 功能,可跨本地文件、桌面应用和网页执行多步任务。用户可指定 Gemini 能访问的应用,并通过独立后台窗口实时查看其操作过程。该功能目前向美国用户推出英文版,先于 Apple 因 AI 智能体潜在风险而收紧 Mac 全盘访问权限的新规落地。
AWS 为 Amazon SageMaker AI 推出跨区域推理路由,应用调用一个 inference router 即可访问多个 Region 和 AWS 账户下已运行的端点;本地目标健康时流量留在本 Region,目标无法可靠服务时新请求自动转移到其他已注册目标,恢复后再逐步回迁。
推荐理由:原文把健康度评分、故障转移和回迁策略讲得较细,读者可判断能否用它替换自建的跨区域路由代码。
Google 宣布为 Gemini 的 macOS 桌面应用带来 computer use 功能,让 AI 代用户操作原生 Mac 应用、浏览网页并完成跨本地文件、应用与网络的多步骤任务。
AWS 宣布 Amazon SageMaker HyperPod 推出增强基础设施可观测性,帮助更快定位 GPU 训练问题,同时覆盖 EKS 和 Slurm 两种编排集群。
ChatGPT 推出 Live Dictation 功能,说话时即可实时转写,不再等录音结束。该功能已在网页、桌面应用及 iOS 和 Android 端向全球所有套餐推出,用户可点击音频波形查看实时文本并在输入框中编辑。OpenAI 同时取消了语音听写 10 分钟的录音时长限制。
ChatGPT 宣布新增实时听写功能,用户对着麦克风说话时语音同步转成文字,不必等录音结束再转写。该功能将陆续向全球所有用户开放,覆盖网页版、桌面客户端及 iOS 和 Android 应用,同时取消原有 10 分钟时长限制。录音结束后可直接在输入框中编辑转写文字。
推荐理由:原文给出了实时听写的使用方式、开放范围和时长限制取消,读者可据此判断它能否替代现有语音输入工作流。
Nothing 首款 AI 设备外观曝光,Sebastian Ingrosso 在 X 平台分享了设备实物图。该设备约巴掌大小、无屏幕、形似录音笔,配有两个实体按键,其一标有红色录音圆点,另一标注「Talk」,并带有状态指示灯。消息人士 Yogesh Brar 称其为 Nothing 旗下首款 AI 设备,但具体用途尚未公布。