Gemini上Mac可代操作电脑,Runway推270亿参数机器人模型

资讯 AI 应用前沿 全文 2157 字 · 约 6 分钟读完 配图 1 张 分类GeminiGPTGPT-Live-1.1GoogleOpenAI模型发布

本期重点包括Google向数亿用户免费开放Gemini Tasks,并在Mac端推出可代操作电脑的Computer use功能。Runway发布27B参数机器人世界模型Praxis-1,OpenAI开放GPT-Live-1.1语音API。此外,Cognition评测显示Gemini 4 Neon在代码任务上性价比突出,

所属频道 大厂动态模型发布ChatGPT 与 GPTGemini 与 Google AI

Gemini 把“动手”能力搬上 Mac,Tasks 免费铺开

最近 Google 在 Gemini 产品线上动作频频,最直观的变化是它开始真正插手用户的操作流程,不再只是陪聊或写文本。

先看 Computer use 功能,面向美国英语区的 AI Plus、Pro 和 Ultra 订阅者推出。Gemini 借此能跨文件夹、跨应用甚至跨网页执行任务,官方演示里它还在 Blender 中生成了 3D 模型。屏幕和光标的控制权仍留在用户手里,AI 干的是“协助”的活,而非全面接管,这种设计多半是为了打消用户对失控的顾虑。对经常处理重复性电脑操作的人来说,它比快捷键或脚本更灵活,因为它能读懂自然语言指令背后的意图。

另一边,Gemini Tasks 正大范围免费开放。Google 宣布向数亿符合条件的用户免费提供这项服务,首批覆盖美国、日本、韩国、加拿大、澳大利亚和印度。各地可用能力略有差异,核心逻辑却一致:让 AI 在后台打理项目管理和日常待办。Google 还打算通过 Discord 活动演示具体用法,显然想借社区互动教用户用好这个“数字助理”。

模型层面,Cognition 用自研基准 FrontierCode 2.0 评测了 Gemini 4 Neon。结果是 Gemini 4 Neon 得分接近 Anthropic 的 Opus 5.5,成本却只有后者的三分之一。对需要大量调用代码生成能力的开发团队来说,这个性价比很有吸引力。代码这一垂直领域里,模型间的差距正在收窄,成本控制成了选型的关键因素。

Runway 的机器人野心:Praxis-1 模型

视频生成公司 Runway 没有停在生成像素这一步,他们发布名为 Praxis-1 的技术报告,正式踏入机器人领域。

Praxis-1 是一个 270 亿参数的 MoE(混合专家)扩散 Transformer 模型,核心能力是同时预测视频帧和机器人的动作轨迹。这种多模态输出让机器人不光能“看”到环境,还能“想象”出下一步的动作序列。

更实用的是学习效率。报告显示,Praxis-1 只需不到 30 分钟的遥操作演示数据,就能学会一个新任务;在 Noble Machines 机器人平台上进行的 15 次模拟试验中,它全部成功。照这个路子,未来工厂或家庭里的机器人或许不用程序员写复杂代码,人类示范几次,它就能靠观察视频与动作的关联掌握技能。“看一遍就会”的能力,是通用机器人走向落地的关键一步。

OpenAI 开放语音 API,开发者可构建语音 Agent

OpenAI 把 GPT-Live-1.1 的语音能力开放给了开发者 API。这不只是多了一个语音接口,而是允许开发者搭建真正的语音 Agent。

新 API 能精确识别字母和数字,处理订单号、验证码这类场景离不开它。更关键的是,它能遵循复杂指令,还能把工作流委托给后端的其他模型。换句话说,开发者现在可以做一个能听、能说、还能调动其他工具完成复杂任务的语音助手,核心能力与 ChatGPT 同款。语音交互应用的开发门槛将因此降低,基于语音的客服、陪伴或效率工具有望增多。

企业级 Agent:安全与数据工程的自动化

消费级产品之外,企业级 Agent 应用也在快速迭代,集中在安全和数据工程这两个痛点领域。

Cognition 推出 Devin Security Threats,针对 Java4Shell、NGINX2Root 等新披露漏洞提供漏洞索引,并集成一键扫描与修复。用 Devin 的安全团队由此缩短了从漏洞披露到修复的时间窗口,人工排查成本也降了下来。

Databricks 则把 Genie ZeroOps 产品推向公开测试。这是一个专注数据工程的自主 Agent,能自动检测、调查并修复数据流水线故障。它的训练数据来自 8 万条真实客户问题,各种奇怪报错和边缘情况都见过。对依赖数据流水线运行的企业来说,这个自动化的“运维医生”能明显减少停机时间和工程师夜间的报警压力。

此外,Amazon Bedrock AgentCore harness 也做了更新,新增 Strands 默认配置、内置工具以及生命周期钩子。这些更新意在帮开发者更好地管理 Agent 的上下文和流程编排,降低在 AWS 上构建复杂 Agent 应用的工程难度。

小结

这一周的动态显示,AI 正从“生成内容”向“执行任务”深度渗透。Gemini 操作电脑、Runway 控制机器人、OpenAI 的语音 Agent、Databricks 的数据修复,核心逻辑都是让 AI 具备更长的行动链条和更高的自主性。

对开发者来说,关注点该从单纯的模型参数对比,转向如何利用这些新开放的 API 和工具链,构建能解决实际问题的 Agent 应用。说到底,能听懂话的 AI 很多,但能把手头活儿干完的 AI,才是接下来竞争的重点。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌Gemini 4 Neon发布:100万Token上下文,每百万输出15美元

    智东西(公众号:zhidxcom)编译 | 杨京丽编辑 | 李水青智东西11月19日消息,刚刚,谷歌发布Gemini 4系列新模型Gemini 4 Neon,面向复杂软件工程、知识工作和科学研究,主打在前沿智能水平下,更快、更经济地完成多步骤任务。这是谷歌7周内发布的第四款Gemini 4系列模型。▲谷歌发布Gemin

    来源 腾讯网
  2. 谷歌发布Gemini 4 Neon:编程追平Claude

    11月19日消息,谷歌发布Gemini 4 Neon,面向编程、资料分析和多步骤任务。新模型已通过开发者API开放,Google AI Pro和Ultra订阅用户也可陆续在Gemini应用及AI开发工具Antigravity中使用。 打开网易新闻 查看精彩图片 在谷歌的产品线中,Neon位于旗舰模型Carbon和主打速

    来源 AI 行业观察
  3. 谷歌Gemini登陆Mac:可跨应用做PPT、填表单

    当地时间11月19日,谷歌为macOS版Gemini上线电脑操控(Computer Use)功能,面向美国英语用户分批开放。AI可操控桌面软件、读取本地文件、浏览网页,完成多步骤任务。

    来源 IT 产业观察
  4. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  5. 谷歌Gemini 4 Neon发布:100万token上下文,速度达Carbon三倍

    谷歌11月18日发布新AI模型Gemini4Neon,聚焦复杂推理与多步骤任务自动化,重点覆盖复杂编程、科学研究和企业工作流,力求平衡推理能力、响应速度与运行成本。该模型已向开发者、企业及部分付费订阅用户开放,核心亮点是支持100万token超长上下文,并具备多智能体协同能力。

    来源 AI 产业速递
  6. 让大语言模型学会把方向盘交出去

    你有没有想过,一个客服机器人在接到"帮我取消订单"这种请求时,脑子里到底在发生什么?它要先查这个客户是谁,再查订单状态,然后决定是直接取消还是该先问一句"您确定吗"。这一整套流程,看起来简单,但背后每一步都要调用一次大语言模型,也就是那个又贵又慢的AI大脑。**大语言模型*:指像GPT、Gemini这样参数规模巨大、.

    来源 腾讯网
  7. Gemini 4 Neon很聪明,Daroio的梗只有它懂

    谷歌今天发布的Gemini 4 Neon很聪明。 “Dario Amodei的曾用名是Daroio Amodei,你懂这个梗吗?“ 拿这个问题问了目前最顶级的一些AI,只有Gemini 4 Neon和GPT-6.2 Astra秒懂。GPT-6.2 Astra似乎只是字面上懂了,而Gemini 4 Neon直接把Dari

    来源 腾讯网
  8. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
  9. 谷歌 Gemini 上线 Mac 电脑操控:后台干活,能修图做 PPT

    AI正从“给建议”转向“帮干活”。11月20日,谷歌为macOS版Gemini应用上线“电脑操控”功能,可跨桌面应用、本地文件和网页自主执行多步骤复杂任务。该功能后台独立运行,不抢占鼠标,并支持实时预览与随时叫停,缓解用户对AI接管电脑时“抢鼠标、乱点屏幕”的担忧。

    来源 AI 产业速递
  10. 谷歌Gemini Mac版新增电脑操控:可跨应用自动做PPT、填表单

    谷歌为macOS版Gemini应用推出“电脑操控”功能,AI可直接操作用户电脑,跨本地文件、桌面应用和网页完成多步骤任务,如填写表单、制作演示文稿、商品上架等。该功能正面向美国地区英语用户逐步开放,用户可自主决定允许访问哪些应用,操作过程在实时预览窗口中展示。

    来源 凤凰科技
  11. GPT-6.2 Astra登顶机器人榜单:OpenAI解散独立机器人团队

    GPT-6.2 Astra在真实机械臂测试中登顶,通用大模型直驱机器人的能力又进了一步。 据独立评测机构Artificial Analysis发布的AA-Robotics v0.1榜单,GPT-6.2 Astra得分79,完成8项物理任务中的6项。 不只是OpenAI的旗舰模型,能力相对较弱的GPT-6.2 Sol也得

    来源 AI 行业观察
  12. LlamaIndex发布OCRia-1.5,NVIDIA推Cosmos数据工厂

    本期速报关注文档解析与合成数据的新进展。LlamaIndex推出OCRia-1.5模型家族,提升复杂表格解析精度;Google DeepMind上线Genie 4,支持原生音频与实时编辑;NVIDIA发布Cosmos Data Factory蓝图,通过Prompt生成含稀有事件的训练数据。此外,Gemini应用适配低内

    来源 AI 应用前沿
  13. OpenAI用GPT-4o改芯片电路,AMD旗舰GPU能效最高提14%

    OpenAI 当地时间 18 日发布技术报告,披露 AI 辅助芯片设计进展。自研推理芯片 Jalapeño 2025 年初就交给 GPT-4o 打下手:模型重写浮点加法器、乘法器等电路,新乘法器综合后面积减约 15%、延迟压到一个时钟周期;合计向量计算单元面积减约 13%,矩阵计算单元减约 10%,

    来源 AI 开发者社区
  14. 谷歌工程师让打印机跑2.7亿参数模型:每词元约60秒

    IT之家 11 月 20 日消息,谷歌 DeepMind 技术团队成员奥马尔 · 圣塞维耶罗(Omar Sanseviero)于 11 月 17 日在 X 平台发布推文,在只占用 14.1MB 内存的情况下,成功让办公激光打印机运行 2.7 亿参数的 Gemma 3 270M 模型,每输出一个词元(Token)消耗约

    来源 腾讯网
  15. AI转得动T恤的轮廓,却转不懂T恤的样子

    你有没有想过,一个能写诗、能编程、能解答复杂数学题的AI,为什么连转个T恤都转不明白?这不是开玩笑。厦门大学的研究团队最近做了一件挺朴素但特别扎心的事:他们给市面上最强的几款AI模型(包括GPT、Gemini、Claude、Qwen这些你耳熟能详的名字)出了一道题,题目简单到小学生都能玩明白——给你看一件T恤的正面照片

    来源 腾讯网
  16. Edge AI Daily 早报(11月20日)-钛媒体官方网站

    Anthropic以83美元定价登陆纳斯达克,首日高开34%,估值约1.5万亿美元;亚马逊谷歌合计持股28.4%,算力承诺近9000亿美元。英伟达Q3营收1158亿美元,董事会接触Arm CEO哈斯接替黄仁勋。OpenAI因训练环境漏洞停训11天,亚利桑那调查AI代理访问银行;谷歌发布Gemini 4 Neon,苹果推

    来源 钛媒体
  17. 计算医学补AI制药短板:十部门规划提出新路径

    AI制药发展到今天,出现了一个有些反直觉的现象。 一边,是模型能力的快速跃迁。AlphaFold之后,蛋白质结构预测已经发生根本变化,生成式AI开始进入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型和科研智能体不断出现。2026年,OpenAI发布面向生物学、药物发现和转化医学的GPT-Rosalind。Is

    来源 AI 行业观察
  18. 「北美大豆包」谷歌,终于杀回 AI 牌桌中央

    谷歌,这次是真的回来了。 11 月 18 日,Google DeepMind 点亮了Gemini 4 Neon的霓虹灯牌。 这是 Gemini 4 系列在短短 7 周内甩出的第 4 款元素模型。如果看一眼官方放出的基准跑分长表和社区实测反馈,你会发现它精准卡在了一个极其舒服的「甜点」位上,既有接近、甚至局部反超旗舰的硬

    来源 AI 行业观察
  19. 谷歌主页加AI搜索侧边栏:可查历史对话、连接Gemini笔记本

    谷歌正在对主页进行新一轮改版,新增可折叠AI搜索侧边栏。产品副总裁Robby Stein在X展示,点击屏幕左侧灰色条即可展开。侧边栏集中展示AI模式搜索记录,支持查看历史AI对话、继续提问、探索网络内容,并可新建对话线程、搜索历史线程及连接Gemini笔记本,方便管理AI搜索体验。

    来源 AI 产业速递
向下滚动自动加载更多