标签
Google 正在将 Gemini 3.5 Transcribe 的语音编辑能力——即驱动 Gboard 上 Rambler 和 macOS 上 Gemini 应用的同一项技术——引入 Gemini API,让开发者能够构建这样一种体验:用户可以通过语音自然地编辑、改写和翻译文本。
Google 为 Gemini API 推出了预览版的动态工具检索(Tool Search Tool),让智能体只需前置少量精简描述即可随时挂载数百个工具,并按需加载完整的参数 schema,既支持内置的服务端检索,也支持自定义的客户端检索栈。
Google 推出 Gemini API 的 Tool Retrieval 预览功能,允许智能体按需加载工具参数 schema,从而减少输入 token、降低延迟并提升大规模工具库下的工具选择准确率。
一篇 Google Antigravity 全流程使用攻略,覆盖注册转区、土区低价订阅、插件安装、反代防封以及每月 40 美元 Gemini API 赠金领取等常见卡点的实测解法。
Google Research 公开发布了 Deep Review,这是一个智能体 AI 系统,可对学术、法律和金融领域的技术文档进行严谨审查,由其与主要计算机科学会议合作开展的 Paper Assistant Tool 试点项目演进而来。该系统提供分级访问服务,配备可扩展的 Gemini API,并保证上传的文档不会用于模型训练。
Jack-o.io 是一个网页应用,可将旧手机放进南瓜里,通过麦克风聆听并用 AI 语音与讨糖的孩子对话,同时让屏幕发光模拟会说话的南瓜灯,支持 Google 或 OpenAI API 密钥以及付费套餐。
我开发了 AlphaVision-Bridge,这是一个开源 Python 工具,通过低延迟的 WebSocket 流式传输,将 MateEngine 桌面伴侣连接到 Google 的 Gemini 多模态视觉 API,实现持续的摄像头和屏幕感知。
Gemini API 文档已迁移到 ai.dev/docs,并与 Google AI Studio 集成以提升可访问性,同时推出了 MCP 和 Agent Skills 等新开发者工具。
Google AI Studio 推出首个集成 Gemini API 文档的预览,通过直接将资源整合到平台内,提升开发者的便利性。
Google Gemini 简化并合并了其 API 仓库中的技能,将 Interactions API 技能合并到主 gemini-api-dev 技能中,以简化开发并提高代码生成性能。
Gemini API 中的 Agentic Video 是一项新功能,在处理长视频时将令牌消耗减少多达 88%,同时提高质量,使 Thumio 等工具能够从链接生成 YouTube 缩略图。
由 Gemini Live API 和 LiveKit 驱动的实时翻译应用,为活动提供实时广播翻译,并附有代码和设置说明。
谷歌发布了一个小的Gemini API更新,现在允许开发者同时将Google Maps和Google Search工具与Gemini结合使用,以构建基于位置的应用。
谷歌宣布了 Gemini API 中托管代理的更新,包括默认使用 Gemini 3.6 Flash 模型、用于工具调用审计的环境钩子、预算控制、定时触发器和免费层级访问。
Google 正在扩展 Gemini API 中的托管代理,新增后台执行、远程 MCP 服务器集成、自定义函数调用和凭据刷新等功能,从而打造更可靠、更面向生产的代理。
一位开发者构建了 Slop-Cops,这是一个 Reddit 应用,其中五个 AI 代理角色会对用户提交的项目创意进行辩论和评分,使用了 Google Gemini API 和 Reddit 的 Devvit 平台。
谷歌将Google AI Studio上Gemini API的免费层额度大幅提升至每分钟1,000,000个免费代币,且无门槛无限制,为开发者提供大量免费计算资源。
Google 在 Gemini API 中推出了Managed Agents,允许开发者通过单一 API 调用在隔离的 Linux 环境中创建具备推理、工具使用和代码执行能力的 AI 智能体。
Google宣布在Gemini API中正式推出Managed Agents,实现零基础设施开销的智能体开发。文章还重点介绍了AGENTS.md,这是一种为AI编码智能体提供上下文的开放格式,已被超过6万个开源项目采用。
Google 已推出 Gemini API 使用情况的 API 密钥细分的首个迭代,允许用户按 API 密钥筛选请求图表,更多精细控制即将推出。