现有大模型评测分数日趋饱和，但与真实体验差距显著。南京大学傅朝友团队牵头，在 Google Gemini 评测团队邀约下推出视频理解新基准 Video-MME-v2。凭借创新的分层能力体系与组级非线性评分，以及 3300 + 人工时高质量标注，揭示模型与人类的巨大鸿沟（49 vs 90）、传统 Acc 指标虚高、以及 “Thinking” 并非总是增益等现象。
现有大模型评测分数日趋饱和，但与真实体验差距显著。南京大学傅朝友团队牵头，在Google Gemini评测团队邀约下推出视频理解新基准Video-MME-v2。凭借创新的分层能力体系与组级非线性评分，以及3300+人工时高质量标注，揭示模型与人类的巨大鸿沟（49vs90）、传统Acc指标虚高、以及「Thinking」并非总是增益等现象。
Google 最新发布的 Gemma-4-31B 基础模型出现了越狱版本，安全限制被完全移除。这个名为"Gemma-4-31B-JANG_4M-CRACK"的模型已经公开发布在 Hugging Face 上，任何人都可以下载使用。
就在刚刚，据彭博社报道，iOS 27 将引入一套名为「Extensions」的新机制，允许用户通过设置面板，把 Google Gemini、Anthropic Claude 等第三方 AI 接入 Siri，就像现在调用 ChatGPT 一样直接从 Siri 发起请求。
2月以来，OpenClaw（前身为Clawdbot、Moltbot）卷疯AI圈。在2月21日OpenClaw发布的最新版本中，正式接入了Google Gemini 3.1 Pro预览版，还将Discord引入实时语音与连续路由功能。
在 AI 上日渐落后的苹果，最近几个月加紧了前进步伐。抛弃 OpenAI，携手 Google Gemini 后，苹果近日又有新动作。当地时间 1 月 29 日，苹果公司完成了一项近 20 亿美元的收购，目标是以色列 AI 初创公司 Q.ai。
最近，视频会议软件公司 Zoom 发布了一条出人意料的消息：他们宣称在“人类最后的考试”（Humanity s Last Exam，简称 HLE）这个号称当前 AI 领域最具挑战性的基准测试上，取得了 48.1％ 的成绩，比此前由 Google Gemini 3 Pro（带工具）保持的 45.8％ 高出 2.3 个百分点。
随着大语言模型与开发工具链的深度融合，命令行终端正被重塑为开发者的AI协作界面。本文以 Google gemini-cli 为范本，通过源码解构，系统性分析其 Agent 内核、ReAct 工作流、工具调用与上下文管理等核心模块的实现原理。为希望构建终端 Agent 的开发者，提供工程实现的系统化参考。
当地时间9月19日，上午6:02分，Google Gemini App宣布 Gemini Chrome正式面向美国所有符合条件的 Mac和 Windows用户推出，并其即将在手机端 iOS上推出。
自从 Google Gemini 将数学奥赛的成功部分归功于「并行思维」后，如何让大模型掌握这种并行探索多种推理路径的能力，成为了学界关注的焦点。
