google

谷歌“捕日者”（Suncatcher）太空数据中心原型卫星搭乘 SpaceX 猎鹰 9 号火箭发射后，已上线并与地面建立通信。该卫星在星载 TPU 上运行谷歌 DeepMind 的 Gemma 4，在轨执行推理任务。此次测试将评估芯片应对太空辐射和热应力的能力，另有两颗卫星计划于 2027 年发射。

Asvinth ILSB，据称 Larry Page 多次在 Google 内部表示「我宁愿破产也不愿输掉这场比赛」，显示出高层对 AI 竞争的决心远超外界关注的 ROI 讨论。

Jules（Google 的异步编码智能体）发布感言，提到早期实验帮助塑造了 Google 内部多个产品，并预告后续动向。

Alphabet 2026 年第三季度财报显示营收增长，但在 Google 承认 AI Mode 搜索查询的单次收入低于传统网络搜索后，股价大幅下跌。公司计划增加广告投放量以弥补收入缺口。

韩国通信委员会（KMCC）以强制应用内支付方式、对第三方支付征收26%的佣金、拖延应用审核，以及对韩国开发者采取歧视性佣金计算方式等违反《电信事业法》的行为，对谷歌处以429亿韩元（约3200万美元）罚款，对苹果处以208.1亿韩元（约1560万美元）罚款。

对 Google 2008 年一篇博客文章的批评性回应，该文解释了 Google 如何决定 Google Earth 中水体的名称。文章指责 Google 在波斯湾/阿拉伯湾争议问题上屈服于政治压力，并未能透明地论证其"本地使用"命名政策的合理性。

Artificial Analysis 智能指数 v5 因引入基于私有数据集的非公开测试而受到批评。这些测试似乎偏袒 GPT 和谷歌旗下的闭源模型，同时大幅拉低了 Kimi 3.1 Pro 和 DeepSeek 4.1 Flash 等中国开放权重模型的排名，而与此同时，谷歌的 Carbon 4 登上了该指数榜首。

一篇讨论帖，质疑谷歌所声称的递归式自我改进（RSI）的应用是否标志着技术奇点的到来，并援引了弗诺·文奇和 I.J. 古德的定义。

用户表示对 XREAL / Google AURA XR 眼镜感兴趣，重点提到其真实视觉透视功能和 70 度视场角，同时指出，1,099 美元的售价是打造类似 JARVIS 系统的一道门槛。

随着核心搜索广告同比增速放缓至12%，谷歌正将其人工智能搜索体验中的广告拓展至国际市场。Alphabet公布第三季度营收为1276亿美元，财报发布后股价下跌8%。

Shopify 的 Tobi Lutke 展示了一种使用谷歌全新 HTML-in-Canvas API 构建的“Expo 模式”，并称其是首批采用这项新网页功能的应用之一。

Alphabet 公布，2026 年第三季度营收为 1276 亿美元，同比增长 25%。首席执行官桑达尔·皮查伊表示，人工智能投资正推动搜索查询量创下五年来的最高增速，而谷歌云营收则飙升 103%，达到 307 亿美元。

Google发布前沿模型Gemini 4 Carbon，在编码、智能体任务和网络安全方面实现显著提升，在Artificial Analysis Intelligence Index、SEC-bench Pro和ExploitGym等多个基准上领先Claude Opus 5.5和GPT-6 Astra，定价与Argon一致。

Google 宣布推出新一代前沿 AI 模型 Gemini 4 Carbon，据称在编码、智能体任务、科学分析及网络安全漏洞检测方面有显著提升，并在多项基准测试中超越 GPT-6 Astra 和 Claude Opus 5.5，但采用分阶段发布，用户暂时无法使用。

Google 与 Xreal 联合推出的 Aura AR 眼镜以 1,099 美元的优惠价格上市，低于 Meta 的 VR 眼镜定价。这款眼镜重量仅 95 克，搭载 Android XR 系统和 Gemini 集成，支持 150 多种 XR 体验。

Google 重新夺回 Artificial Analysis AI 基准排行榜的榜首位置，这一亮眼成绩引发热议，外界也纷纷猜测其训练成本。

谷歌的新款 Carbon 模型以 59 分的成绩首次登上 Artificial Analysis 排行榜便位居第一，为该公司赢得了引人注目的榜首排名。

Google 正在为 Chrome 的自动填充功能引入 AI，该功能可从用户的 Gmail 中提取航班确认信息、快递单号和地址等详情，用于自动填写在线表单。此功能作为其 Personal Intelligence 计划的一部分，将面向美国的桌面版、iOS 和 Android 用户推出。

分析谷歌为何尽管拥有庞大的资源和人工智能专业实力，却从未尝试收购 OpenAI，以及这背后的战略原因。

CONCUR 提出了一种新的优势估计器，用于大语言模型的多任务、多奖励强化学习训练。该估计器将经过门控的辅助奖励投影为与主要奖励一致的分数，在三个模型上的数学、代码、指令遵循和写作任务中均优于基线方法。