#Gemini 2.5

NanYi

1周前

Google昨天发布的Gemini 2.5技术报告里最有意思的一部分内容，提到有一位独立开发者让Gemini游玩并通关了《宝可梦蓝》，展示了Gemini强大的长期规划和解决复杂任务的能力。有一个有意思的点在于，在游戏中有时会遇到“软锁”的死胡同，导致玩家无法脱离，经过4个小时尝试多种方法，Gemini创造性的想到使用“飞翔”技能来逃脱，这是一个连人类玩家都难以预料的解决方案。不过Gemini并不是直接从原始像素中理解Game Boy屏幕上的信息，而是依赖于将屏幕信息转换为文本描述。而且Gemini有时会产生幻觉，比如将其他宝可梦游戏里的“TEA”道具混淆到当前游戏中，导致长时间固执的寻找这个不存在的物品。另外当游戏中宝可梦生命值或能力点数较低时，模型会进入一种“恐慌”模式，反腐思考需要治疗或者逃离，导致其推理能力明显下降，甚至忘了使用可用的工具。

#Google #Gemini 2.5 #技术报告 #宝可梦蓝 #长期规划 #解决复杂任务 #软锁 #飞翔技能

Geek

3周前

不想耽误时间的朋友，可以看我用 Gemini 2.5 Pro Preview 05-06 总结王自如的 15 分钟视频，效果还是挺好。这么多年，如果他一直做视频评测，并且真诚一点，可能还是有机会成为中国的 Marques Brownlee …………吧

#视频评测 #王自如 #Gemini 2.5 #Marques Brownlee

AIGCLINK

4周前

谷歌基于Gemini 2.5搞了个开源的Deep Research系统示例：gemini-fullstack-langgraph-quickstar，可以动态进行网络搜索、反思搜索结果，最终生成包含引用来源的答案它会迭代式的进行研究和反思，直到收集足够的信息支持低、中、高不同的搜索力度，来控制搜索广度和深度动态生成查询，通过Gemini原生的Google搜索工具进行网络研究，进行反思推理 #DeepResearch #深度研究助手 #AI研究助手

谷歌Deep Research：AI操作系统雏形？· 10 条信息

#谷歌 #Gemini 2.5 #Deep Research #网络搜索 #AI研究 #搜索引擎

Neo Zhang

1个月前

虽然周一才宣布 newsletter 暂停更新一段时间，两天内就破戒了——不过这是一篇未发表的旧文。本文写作于 2024 年 9 月 26 日，也就是 8 个月前。当时，我们还没有看到 o3、Claude 4 和 Gemini 2.5，Vibe Coding 这个词还没有出现，但 Cursor 已经非常好用了。在自己独立完成了几个小工具的开发后，我意识到，代码生成不仅限于现有的使用场景，而可能成为更多人新的表达方式。隐约觉得，这可能是一个类似 YouTube 和 UGC 的机会，于是写了这篇文章。写完放了几天，又觉得太多不确定，于是没有发。今早读完了晚点对 YouWare 创始人明超平的一个访谈，再一次让我想起了这篇旧文。他的很多思考又比我当时更深刻了，而且做出了实际的产品。给我最大启发的有以下几个点：

#newsletter #旧文 #Claude 4 #Gemini 2.5 #Vibe Coding #Cursor

sitin

1个月前

在2025年Google I/O开发者大会上，谷歌取得了一系列技术突破。在AI模型方面，Gemini 2.5系列模型全面领先，其中Pro版本在语言、推理和代码生成等方面表现出色，新增的“Deep Think”模式在复杂推理中表现惊人；而Flash版本则以高效率著称。此外，Gemini Diffusion作为实验性扩散模型，生成速度大幅提升。在视觉与多媒体生成领域，Veo 3视频生成模型支持原生音频生成，Imagen 4图像生成模型在画质细节上实现了飞跃，Flow电影制作工具结合多种能力实现了一键生成视频。 AI代理与自动化方面，Project Mariner和Agent Mode提升了任务自动化的能力。搜索与信息获取的体验也得到了重构，AI Mode和Google Beam等技术提供了更个性化的搜索和更逼真的视频通话体验。在硬件与可穿戴设备领域，Android XR智能眼镜和Project Moohan头显展示了谷歌在沉浸式体验上的探索。内容创作工具如Canvas和Music AI Sandbox为创作者提供了更多便利。最后，SynthID数字水印技术则致力于解决AI生成内容的辨别问题。

#Google I/O #技术突破 #AI模型 #Gemini 2.5 #Deep Think #Gemini Diffusion #视觉生成 #多媒体生成 #Veo 3