谷歌 I/O 2025：用 AI 重新定义技术边界

谷歌 I/O 2025：用 AI 重新定义技术边界

Gemini 大模型：AI 的新标杆

• Gemini 2.5 Pro ：在学术基准测试、WebDev Arena 和 LMArena 排行榜上均占据领先地位，同时在辅助学习方面表现出色。其新增的原生音频输出功能，为用户带来了更自然的对话体验；先进的安全保障措施，确保了模型使用的可靠性；而 Project Mariner 的计算机使用功能，则进一步拓展了 Gemini 的应用场景。此外，Deep Think 作为一种实验性的增强型推理模式，能够显著提升 Gemini 2.5 Pro 在复杂数学和编码任务中的能力。
• Gemini 2.5 Flash ：作为最高效的主力模型，Gemini 2.5 Flash 在推理、多模态、代码和长上下文等关键基准上均实现了显著提升，同时在效率上也更进一步。在 DeepMind 的评估中，其使用的 token 数量减少了 20%-30%，这使得它在实际应用中更具优势，能够以更低的资源消耗提供更出色的性能表现。
• Gemini Diffusion ：这是谷歌探索新语言模型方向的一个重要成果。与传统的大语言模型不同，Gemini Diffusion 采用扩散模型技术，通过逐步细化噪声的方式来生成输出。这种方法使得模型能够快速迭代解决方案，并在生成过程中进行错误纠正，尤其在编辑等任务中表现出色，包括在数学和代码环境中。据谷歌表示，Gemini Diffusion 的推理速度达到了每 12 秒 10095 token，是迄今为止最快模型的五倍，同时具有相当的编程性能。

编程工具升级：开发者的强大助力

• Jules ：谷歌正式宣布了编程智能体 Jules。作为一个异步、智能体式的编码助手，Jules 能够直接与用户的代码库集成。它可以将用户代码库克隆到安全的 Google Cloud 虚拟机中，深入了解项目的完整上下文，并执行编写测试、构建新功能、提供音频更新日志、修复错误、升级依赖项版本等任务。Jules 以异步方式运行，用户可以在 Jules 后台运行时专注于其他任务，完成后它会展示其计划、推理过程以及所做更改的差异。并且 Jules 默认为私有，谷歌承诺不会使用用户的私有代码进行训练，并且会在执行环境中隔离用户数据。目前，Jules 处于公测阶段，访问免费，但使用量会受到限制。
• Gemini Code Assist ：谷歌对 Gemini Code Assist 进行了新升级。个人版和 GitHub 版的 Gemini Code Assist 正式发布，开发者可以快速上手。Gemini 2.5 现已支持 Gemini Code Assist 的免费版和付费版，拥有更强大的编程性能，能够帮助开发者在创建视觉效果出色的 Web 应用以及代码转换和编辑等任务上表现出色。此外，谷歌还为 Gemini Code Assist 提供了更多自定义选项，包括更多自定义工作流程以适应不同项目需求的方式，更轻松地从上次中断的位置继续执行任务的功能，以及用于强制执行团队编码标准、样式指南和架构模式的新工具。Gemini Code Assist 标准版和企业版开发者已经可以使用 200 万 token 的上下文窗口，这能帮助开发者完成大规模的复杂任务，例如错误追踪、代码转换以及为新用户生成全面的入门指南。谷歌展示的使用统计数据显示，Gemini Code Assist 可将开发者完成常见开发任务的成功率提高 2.5 倍。
• Stitch ：谷歌推出了一款全新的 AI 驱动式 UI 工具 Stitch。它能基于自然语言描述或图像提示词，生成适用于桌面和移动设备的高质量 UI 设计及相应的前端代码。Stitch 让用户能够快速将创意变为现实，以对话方式迭代设计，调整主题，并轻松将自己的作品导出为 CSS/HTML 或 Figma 以继续创作。
• Colab 和 Firebase Studio 功能升级 ：Colab 即将具有一种全新的、完全智能体的体验。用户只需告诉 Colab 想要实现的目标，它就会在笔记本中执行操作，修复错误并转换代码，从而帮助用户更快地解决难题。Firebase Studio 也得到了功能升级，进一步提升了开发者的开发效率和便捷性。

视频与图像生成模型更新：创意的无限可能

• Veo 3 ：作为一个先进的视频生成模型，Veo 3 不仅提高了 Veo 2 的质量，而且首次可以生成带有音频的视频。它今天在 Gemini 应用程序和 Flow 中为 Ultra 在美国的服务，并适用于 Vertex AI 上的企业用户。
• Veo 2 更新 ：Veo 2 添加了先进 的参考视频功能，实现更佳的创意控制和一致性；相机控制功能可以帮助用户定义精确的相机运动，包括旋转、变焦等，以实现完美的拍摄；Utpainting 功能拓宽视频帧，使其更容易适应任何屏幕尺寸；对象添加和删除功能则让用户可以从视频中添加或删除对象。
• Flow ：这是一款专为创意人士打造的 AI 电影制作工具，整合了 Google DeepMind 最先进的模型：Veo、Imagen 和 Gemini。用户能够无缝创作电影级的片段、场景和故事，享受更精细的角色、场景和风格控制。
• Imagen 4 ：在精细细节方面拥有非凡的清晰度，例如复杂的织物、水滴和动物皮毛等，并且在照片级写实和抽象风格方面均表现出色。Imagen 4 可以创建各种宽高比的图像，分辨率高达 2k，更适合打印或演示。它在拼写和排版方面也得到了显著提升，让用户可以更轻松地创作自己的贺卡、海报甚至漫画。并且谷歌即将推出 Imagen 4 变体，其速度比 Imagen 3 快 10 倍。

大模型在多领域的深度应用

• Google Beam + 语音翻译 ：谷歌宣布 Starline 项目演变为全新的 3D 视频通信平台 Google Beam。该平台利用 AI 赋能新一代设备，通过六个摄像头组成的阵列结合 AI 技术，将标准的 2D 视频流转化为逼真的 3D 体验，让用户能够更自然、更直观地进行远程连接。此外，谷歌还在探索使用 Google Beam 进行语音翻译，该功能已于今日在 Google Meet 上线，最初支持英语和西班牙语，未来几周将支持更多语言，为用户提供更好的实时翻译对话体验。
• 搜索升级 ：谷歌搜索中的 AI 概览功能进行了升级，现已覆盖 200 多个国家和地区，支持 40 多种语言，并新增了对阿拉伯语、汉语、马来语、乌尔都语等语言的支持。AI 概览功能能够改进用户的搜索体验，用新类型的问题快速查找信息并浏览网络上的相关网站。从本周开始，谷歌将在美国的 AI Overviews 中引入 Gemini 2.5 的一个定制版本，以便搜索能够解决更棘手的问题。同时，谷歌正式在美国推出 AI 模式，其拥有更先进的推理能力和多模态分析能力，并能够通过后续问题和有用的网络链接进行更深入的探索。AI 模式的底层采用了查询扇出技术，可将问题分解为子主题，并同时发出多个查询，从而更深入地挖掘网络内容，帮助用户发现更多网络资源，并找到与用户查询高度相关的内容。此外，谷歌还为搜索引入了深度搜索和实时功能，并将 Project Mariner 的智能体功能引入 AI 模式，为用户节省购票等任务的时间，还引入了个人上下文与定制图表等能力。
• 全新的 AI 购物模式 ：谷歌推出了全新的 AI 购物体验，将 Gemini 功能与 Shopping Graph 完美结合。Shopping Graph 拥有超过 500 亿条商品信息，涵盖全球零售商，每条信息都包含评论、价格、颜色选择和库存情况等详细信息，并且信息准确及时。用户还能进行虚拟试穿，只需上传一张照片，就可以虚拟试穿数十亿种服装，该功能由一个全新的时尚定制图像生成模型支持，能够理解人体结构和服装的细微差别。