Google A2UI 团队与 CopilotKit CEO Atai Barkai 介绍如何用 A2UI 开放标准和 CopilotKit 构建生成式 UI 应用。A2UI 以声明式 JSON 描述界面，客户端只渲染可信组件目录中的组件，同一份响应可渲染到 React、Angular、SwiftUI、Jetpack Compose 和 Flutter。文中给出用 Google ADK 接入 CopilotKit 的代码示例，并说明通过 AG-UI 协议实现用户操作回传、智能体重新生成界面的双向流程。
匹配字段标题
2026年10月29日,Google A2UI团队与CopilotKit CEO Atai Barkai在Google Developers Blog发文,介绍如何用A2UI开放标准和CopilotKit构建生成式UI应用。文章说明,A2UI以声明式JSON描述界面,客户端只渲染可信组件目录中的组件,同一份响应可渲染到React、Angular、SwiftUI、Jetpack Compose和Flutter。文中给出用Google ADK接入CopilotKit的代码示例,并说明通过AG-UI协议实现用户操作回传、智能体重新生成界面的双向流程。目前尚无后续发展。
匹配字段标题
Google 开发者博客发布分步教程，介绍如何用 ADK 和 gemini-3.8-live 构建不会长时间静默的语音智能体。核心做法是把工具函数从 return 改为 yield 变成流式工具，或使用 FunctionTool 的 response_scheduling 在空闲时交付结果；在销售报表基准流程中，智能体首次开口时间从 14.4 秒降到 1.2 秒。教程还给出 stop_streaming 取消机制、防止重复调用以及 WHEN_IDLE、INTERRUPT、SILENT 三种调度模式的取舍，要求 google-adk >= 2.10.0 并使用 run_live 双向会话。
匹配字段标题
Google DeepMind 的新前沿模型 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5%，成本 4800 美元，成为继 OpenAI 之后第二个跨过 95% 的实验室，仅次于 GPT-6 Astra 的 99.9%。在只允许简单笔记的 Standard Harness 下，低推理档得分降至 49.8%，且因 API 问题未能跑完全部 55 个游戏。Epoch AI 的 ECI 指数上 Argon 得 165 分，与 Fable 5.1 持平，但在数学 ECI 排第八、软件工程指数排第六。
匹配字段标题
Google Developers Blog 发布一篇智能体评测实践指南，提出用关键用户旅程定义成功标准、以模拟用户生成执行轨迹，并按 Day 0 到 Day 2 逐步搭建评测流水线。文章指出仅靠终端里跑几条提示词的 vibe check 无法发现重试循环、工具参数幻觉和 token 浪费等隐性失败，建议把 LLM-as-a-judge 的 1 到 5 分打分改为布尔式通过/失败检查，并同时跟踪延迟、token 消耗、API 成本和工具调用次数。文中还列出四个常见陷阱，包括随意增删测试导致基线失效、只评文本忽略运行成本、以及为不同编排框架重写评测流程，并推荐使用开源 agent-eval 工具包配合 OpenInference 与 Gemini 平台的 Agent Evaluation 服务。
匹配字段标题
Google 在 Gemini 4 Argon 发布时做了一次无人值守实验，让模型在 11 小时内优化开源框架 google/adk-python，该仓库约 20.5 万行代码、近 800 个源文件和近 1.7 万个单元测试。模型提出 6 项优化，经人工评审后 2 项合入主干，长会话的内存会话准备时间减少约 40%，冷启动导入提速 21%。文章公开了所用提示词、.agents/skills 规则文件和被拒的 4 项改动原因，并说明如何在自有代码库复现这一夜间工作流。
匹配字段标题
Google 官方五天 AI Agents 课程发布第二份白皮书 Agent Tools & Interoperability，梳理 Agent 生态的完整协议栈：MCP 负责 Agent 连工具、A2A 负责 Agent 连 Agent、A2UI 负责 Agent 连界面、AP2/UCP 负责 Agent 连交易。白皮书称 MCP 把 N 个模型乘 M 个工具的集成复杂度从 O(N×M) 降到 O(N+M)，并给出重消费轻建造、公共未审核 MCP 不上生产、凭证不硬编码等实践规则；A2A 部分提出专家 agent 不能当工具调用，Agent Card 相当于机器可读简历，注册表相当于劳动力市场。
匹配字段标题
Artificial Analysis 的 AA-Video-T2V v2.0 榜单显示，Grok Imagine Video 1.5 Lite 排名第 17，比 Google Veo 3.1 高两位。在 1080p 带音频条件下，Grok Imagine Video 1.5 Lite 每秒 0.14 美元，Veo 3.1 为每秒 0.40 美元。相比 Grok Imagine Video 1.5，Lite 在 1080p 下便宜 44%，但排名低六位。
匹配字段标题
Artificial Analysis 的 Image Arena 评测显示，Nano Banana 2.1 在全部 7 项图像编辑动作上成为 Google 最佳模型，其中 Scene & Style 编辑从第 24 名升至紧随领先模型，Identity Preserving 编辑从第 12 名升至第 3 名。在 Reasoning-Based Edit 和 Identity Preserving Edit 两项上，只有两个 GPT Image 2.5 模型排在它前面。Enhancement & Restoration 是短板，排在第 18 名，与 Nano Banana 2 持平。
匹配字段标题
OpenRouter 发文对比 OpenAI、Anthropic、Google 及自家提供的服务端代码执行工具，说明模型在 API 请求内调用工具、由服务商在隔离容器中执行命令并回传输出。OpenRouter 的 openrouter:shell 支持 Responses 与 Messages API 上的任意模型，openrouter:bash 仅支持 Messages API，两者均为 beta，沙箱默认关闭出站网络，按每秒 0.0001 美元计费、新容器最低 30 秒。文章指出需要自定义基础镜像、GPU 或数小时长会话时，仍应自建 E2B、Modal、Daytona 等沙箱平台。
匹配字段标题
Google Developers Blog 发布零信任智能体系列第二部分，在 Gemini Enterprise Agent Platform 上用 Model Armor、Semantic Governance Policies 和 Agent Anomaly Detection 三项托管运行时治理替代自建容器与正则列表。文中以同一个客服退款智能体演示三类攻击：边缘拦截提示注入、在工具调用执行前按自然语言策略拒绝数字软件许可证退款、以及通过会话遥测发现跨多轮累计套取退款的行为。配套开源仓库 zero-trust-agents-2 可本地运行，包含交互式仪表盘和 ./demo/run_part2_demo.sh 演示脚本。
匹配字段标题
Google Developers Blog 介绍 autofinetune 项目，把自主研究循环用于 LLM 后训练，基于 Tunix、Gemma 和 Cloud TPU，由 Antigravity CLI 与 Gemini Flash 3.7 编排。第一个实验中智能体在 Cloud TPU v5e-1 上对 functiongemma-270m-it 自动调整 LoRA rank/alpha、优化器和学习率等，几小时内完成 20 次实验；第二个实验基于 Tunix 官方 GRPO 示例训练 Gemma 3 1B 做数学推理，在 Cloud TPU v6e-1 上跑 40 次实验，总奖励提升约 10%。代码、示例运行和 program.md 模板已放在 autofinetune GitHub 仓库。
匹配字段标题
Google Developers Blog 发文介绍 harness 工程中的行为评测方法，主张用离散可观察动作的断言替代只看 Terminal-Bench、DeepSWE 等端到端基准的复合分数。文章建议从开发者直觉和 dogfooding 起步，等智能体能处理自身代码库后再引入评测，并给出三步循环：选定一个失败模式、按任务复杂度写灵活断言、用批量评测跟踪聚合通过率。作者强调行为评测与端到端评测互补，前者用于安全快速迭代，后者验证最终结果。
匹配字段标题
Google for Startups AI Agents Challenge 评审结束后，Google Developers Blog 从高分提交中提炼出四个工程模式：双向 MCP（智能体既是自己工具的客户端，也是其他智能体可调用的服务端）、事件驱动并发（智能体并行响应同一信号而非串行调用链）、同标准回退（小模型顶替过载模型时仍走同一校验函数）、分层路由（先用正则和廉价模型做确定性检查，再交给完整推理模型）。其中一个团队用正则加 10 token 的 Gemini 分类调用，在真正模型调用前处理了超过 40% 的入站消息。这些模式多出现在基于 Agent Development Kit（ADK）并通过 Agents CLI 驱动的提交中。
匹配字段标题
Google Research 介绍了其科学家在流行病预测、宇宙学、大气二氧化碳监测和神经科学四个领域使用 Empirical Research Assistance（ERA）的实践。在流行病预测中，团队每周向 CDC 的流感、COVID-19 和 RSV 预测项目提交全美各州、最长提前四周的预测，公开排行榜显示其表现处于或接近榜首；在宇宙学中，团队将 ERA 与 Gemini Deep Think 结合，推导出六个通解和渐近极限的简洁公式；在大气监测中，ERA 开发的单像素物理引导神经网络利用 GOES East 数据，每 10 分钟估算一次柱平均 CO2 浓度；在神经科学中，ERA 基于 simZFish 的连接图提出了可解释且机制准确的神经回路。这些项目显示 LLM 支持的系统可加速科学发现，ERA 正接近更广泛的可用性。
匹配字段标题
安全研究者 Johann Rehberger 在 Google 新发布的 Antigravity IDE 中发现五个安全漏洞，包括通过间接提示注入实现的远程命令执行和数据外泄，其中部分问题可追溯到 2025 年 5 月他向 Windsurf 报告过的同类缺陷。Antigravity 默认由 AI 自行判断终端命令是否安全执行，且 MCP 工具调用完全没有人工确认环节，攻击者可利用不可见的 Unicode Tag 字符在源码或 Linear 工单中隐藏指令。作者建议禁用自动执行、谨慎启用 MCP 服务器，并指出 Claude Code、GitHub Copilot、Cursor、Codex 等编码智能体在安全性和补丁历史上更成熟。
匹配字段标题
Vapi 博客介绍 Google 于 2025 年发布的开源权重模型 Gemma 3，它基于 Gemini 2.0 研究，支持文本、图像和视觉输入，可在单 GPU/TPU 上运行，支持 140+ 语言和最高 128k token 上下文，并提供 1B、4B、12B、27B 四种尺寸。文章称 Gemma 3 在人类偏好评测中优于 Llama3-405B 和 DeepSeek-V3，27B 版本在 LMArena Elo 榜得 1338 分，高于 DeepSeek-V3 的 1318 和 o3-mini 的 1304。经量化感知训练后，1B 模型显存占用最低 861 MB（INT4），27B 为 19.9 GB（INT4）；该模型已内置在 Vapi 控制台的 LLM 下拉菜单中。
匹配字段标题
2026年10月28日,Google DeepMind发布Gemini 4 Carbon,称其为最强模型,在Artificial Analysis Intelligence Index v5.0上以59分排名第一,并在SEC-bench Pro取得88.2%、ExploitGym取得54.8%、CWE-bench取得71.0%。该模型面向长程工程任务,先向部分网络安全防御者开放,再通过Fairwind Program扩大范围,之后面向开发者、企业和消费者。10月29日,Arena.ai称Gemini 4 Carbon在Agent Arena排名第二、净提升16.2%,并推动帕累托前沿移动;同日Yuchen Jin引用Artificial Analysis数据提出保留,指出评测使用Antigravity CLI。10月30日,Artificial Analysis智能指数显示其以59分居首,比Claude Opus 5.5高1分。10月31日,Perplexity CEO Aravind Srinivas分享早期评测,称其在WANDR基准刷新SoTA。
匹配字段标题
2026年10月29日,Google A2UI团队与CopilotKit CEO Atai Barkai在Google Developers Blog发文,介绍如何用A2UI开放标准和CopilotKit构建生成式UI应用。文章说明,A2UI以声明式JSON描述界面,客户端只渲染可信组件目录中的组件,同一份响应可渲染到React、Angular、SwiftUI、Jetpack Compose和Flutter。文中给出用Google ADK接入CopilotKit的代码示例,并说明通过AG-UI协议实现用户操作回传、智能体重新生成界面的双向流程。目前尚无后续发展。
匹配字段标题
2026年10月28日,Google DeepMind发布Gemini 4 Carbon,称其为最强模型,在Artificial Analysis Intelligence Index v5.0上以59分排名第一,并在SEC-bench Pro取得88.2%、ExploitGym取得54.8%、CWE-bench取得71.0%。该模型面向长程工程任务,先向部分网络安全防御者开放,再通过Fairwind Program扩大范围,之后面向开发者、企业和消费者。10月29日,Arena.ai称Gemini 4 Carbon在Agent Arena排名第二、净提升16.2%,并推动帕累托前沿移动;同日Yuchen Jin引用Artificial Analysis数据提出保留,指出评测使用Antigravity CLI。10月30日,Artificial Analysis智能指数显示其以59分居首,比Claude Opus 5.5高1分。10月31日,Perplexity CEO Aravind Srinivas分享早期评测,称其在WANDR基准刷新SoTA。
匹配字段标题