Google Cloud 发布 Gemini agent:面向工作的统一智能体
Google Cloud 在 Gemini at Work 2026 上发布 Gemini agent,一个面向工作的统一智能体,可回答问题、处理知识工作、生成图像媒体并编写运行代码,全部通过单一提示框和单一 API 完成。
为什么值得看
Google Cloud 把 Gemini 从模型入口升级为统一工作智能体,读者可据此判断企业级 Agent 平台的竞争格局与落地条件。
Google Cloud 在 Gemini at Work 2026 上发布 Gemini agent,一个面向工作的统一智能体,可回答问题、处理知识工作、生成图像媒体并编写运行代码,全部通过单一提示框和单一 API 完成。
Google Cloud 把 Gemini 从模型入口升级为统一工作智能体,读者可据此判断企业级 Agent 平台的竞争格局与落地条件。
Hailuo AI 发布更新提示,引导用户前往链接完成升级。该帖由 Hailuo AI(MiniMax)官方账号发出,正文除更新链接外未披露具体版本号、功能或模型变化。
Opus 5.5 接入 MiniMax Design,可将文本直接生成视频,覆盖 JavaScript 动画、动态图形、解说视频与产品演示等场景。该模型不止于语言模型,还能理解视觉内容并持续迭代用户的创作。
LangChain 为 Deep Agents 重构 Skills 支持,新增三项能力:绑定到技能的工具只在 agent 读取该技能后加载;用户显式请求(如输入 /meeting-prep)时可将技能固定,在下一次模型调用前载入指令;长会话线程无需重启即可拾取新增或变更的技能。
OpenAI 宣布在青少年版 ChatGPT 中加入大学申请规划工具,并推出记忆卡片、测验等学习功能。学生输入目标大学后,ChatGPT 会把申请要求、截止日期、待办任务和助学金申请步骤整理成一份计划,该功能第一阶段面向美国 10 至 12 年级计划申请四年制大学的高中生。OpenAI 还将在未来三年支持波士顿儿童医院数字健康实验室及其学生顾问委员会,让青少年参与 AI 产品测试与设计。
Founder Park 本周推荐 16 款 AI 产品,Personal Agent 是最卷方向,大厂与创业公司密集入场。Muse 上线 10 天在美国获约 73 万次下载并登顶 App Store 免费榜,Manus 随 Manus 2.0 发布独立 App Cue,为每个 Agent 配备独立邮箱、电话、钱包和电脑。
WorkBuddy 新增独立文件浏览器能力,Word、Excel、PPT、Markdown、HTML 都能通过右键打开方式选择 WorkBuddy 打开,左侧预览文件、右侧是 AI 对话框,可一边看一边改。
Yoroll 旗下 LinearGame 正在内测 AI 陪伴产品 Yyo,其角色来自《华君传》《VOW》《心动相簿》等互动影游,玩家通关后可与角色继续文字、实时语音或视频通话,并一起玩三消、闯关、像素街机等双人小游戏和共享屏幕陪玩。
航旅纵横依托自研民航垂直大模型,推出 AI 预订服务,用户通过 APP 首页 AI 悬浮球或专属入口,用自然语言即可完成"查询-预订-出行"全流程机酒预订。该服务同时联动民航官方直销平台,实现国内所有运营航空公司直联销售全覆盖,并承诺价格透明、无捆绑销售、严格执行航司退改规则、杜绝大数据杀熟等六项服务承诺。航旅纵横还推出无网机上模式等场景化功能,目前每日近百万用户体验机上专属服务。
谢扬团队的 Eazo 将 Personal Agent 做成"图形界面 App 驱动"形态:用户描述需求,它直接生成带界面和数据的完整 App,背后由 Qoni 提供 Agent 身份、行动和长期记忆。Eazo 已在国内手机端和 PC 端可用且数据互通,内置多款 SOTA 模型可按任务切换,官方称测试中约 30 分钟即可生成一个较完整的 App。
Google 发布最新图像生成与编辑模型 Nano Banana 2.1,称其在视觉设计、基于遮罩的编辑和主体一致性上较前代全面提升。LovartAI 用该模型与 GPT Image 2.5 做了人像光影和皮肤质感的并排对比,认为 Nano Banana 2.1 提升明显。
WorkBuddy 新增独立文件浏览器,右键把 Word、Excel、PPT、Markdown、HTML 文件的打开方式设为 WorkBuddy,即可弹出左侧文件、右侧 AI 对话的窗口,支持手动编辑、对话修改和框选后 AI 编辑,改完自动保存。
腾讯WorkBuddy新上独立文件浏览器,可在同一窗口打开并编辑Word、Excel、PPT、md和HTML,人和AI都能参与修改。右键选择「打开方式→WorkBuddy」即可打开文件,无需先设默认程序;文件在左、AI对话在右,切换标签即切换对话文件。查看和自行编辑本地文件不消耗积分,让AI总结、改写、生成内容才消耗积分。
阿里开源了内部使用两年的 AI 代码审查工具 Open Code Review,可识别逻辑错误、安全漏洞和性能问题并定位到具体代码位置,官方安装命令为 npm install -g @alibaba-group/open-code-review。
逛逛GitHub 汇总了三款最近爆火的个人 Agent 的开源平替项目。Rakazo 定位 Grok Bot 的开源替代,每个 Bot 拥有独立对话、记忆和例行任务,可接入模型并配置浏览器、终端、文件和图形桌面环境,支持多 Bot 分工与子 Agent。
Vercel Sandbox 的 Sandbox.create() 现在会在快照恢复完成后才返回,沙箱创建完成即可直接运行命令和读写文件,首个操作不再需要等待快照恢复,启动错误也改为在 create() 阶段抛出。代价是创建耗时在 p50 增加约 50 ms,未缓存快照可能增加更多,但到首个操作的总耗时不变,该变更自动生效,无需升级 SDK 或调整配置。
10月6日,Anthropic 宣布 Claude 接入 Google Docs、Sheets 和 Slides,向 Pro、Max、Team 和 Enterprise 全部付费计划开放公开 Beta。
Grok 在 X 上线新的 X scan 功能,支持 meme 搜索:给它一张图片或视频截图,就能找到该梗的出处、最热门的推文,甚至特定类型的帖子(例如"使用这张图的 AI 相关推文")。该功能被评价为"好得离谱"。
Anthropic 为 Max 和 Team 订阅用户按月赠送 Claude Platform API 额度:Max 5x 每月 $100,Max 20x 每月 $200,Team 按席位 $20 或 $100 合并共享,整队上限 $500/月。
NOOKLAB 推出首款产品 Moonphase Flip,一块可磁吸在手机背面的 AI 墨水屏,支持全天无感录音、实时转写和 AI 自动提取 todo 与日程,仅在日程、任务、AI 交互三个 Tab 呈现,续航两三天。
Grok Bot 现已支持搜索、读取和监控 X 平台内容。用户实测让其扫描 X 上针对自己的负面言论,覆盖极为全面,其中大部分内容此前未曾看到,被评价为终于可用的 X 搜索。
微软在时隔两年的首场线下活动中发布 Surface Laptop Ultra 与 5999 美元的 Surface RTX Spark Dev Box,并公布 Windows 11 的多项更新。
OpenAI于10月7日宣布GPT-6进入ChatGPT日常对话,并推出Intelligent UI智能交互界面,向全球超过12亿周活跃用户开放。Plus、Pro、Business、Enterprise自10月7日起陆续获得GPT-6 Sol,Free和Go用户从10月8日起陆续获得GPT-6 Luna,企业工作区可用性还取决于管理员权限设置。
梳理了GPT-6在ChatGPT全员开放的分批安排,以及Intelligent UI如何把回答变成可交互界面。
Eazo 是一个把一句模糊需求生成完整可用应用的 Coding Agent,支持一句话生成前端、后端、数据库、登录系统和全球收款,底层由 OpenAI、Claude 加自研模型混合编排。
OpenAI 疯狂 28 天计划进入 Day 3,Codex 活跃用户达到 4000 万,并为每个付费用户赠送一张重置卡。
OpenAI 在 ChatGPT 中上线 Intelligent UI 能力,让回答以可交互方式展示,同时把 GPT-6 推给 ChatGPT 所有用户;付费订阅用户今天已可用,免费和 Go 用户明天上线。官方示例包括烤羊腿人数计数器、意大利婚礼七天穿搭卡片与行李清单,以及中心极限定理、三门问题等可拖动滑块或直接演示的教学内容,还能拍摄小票生成分账器这类小工具。
原文用八个可交互示例说明 ChatGPT 回答从纯文本变为可操作界面,读者可据此判断日常用法会怎么变。
波士顿创业公司 SOND 推出睡眠耳机 Dreambuds,每只仅 2.1 克,整晚持续读取心率、HRV、呼吸、睡姿、打鼾、体温等 12 项信号,据此动态调整耳内播放的助眠内容。
OpenAI 在 10 月 7 日将 GPT-6 推向更广泛的 ChatGPT 用户,并同步推出 Intelligent UI,可按问题自动组合文字、图表、按钮和表单,生成可直接操作的界面,功能先从 Plus、Pro、Business 和 Enterprise 用户开放。
开源 Mac 终端 Kaku 面向 AI 编程场景,近期更新新增会话恢复与官方 Homebrew 支持,并修复图片相关的输入卡死问题。此次更新还让标签页在远程桌面下更易使用。
xAI 的 Grok Imagine Video 1.5 Lite 已在 AI Gateway 上线,可将文本提示词和图像生成带原生音频的视频。该轻量模型支持 1 至 15 秒时长、480p/720p/1080p 分辨率与七种画幅比例,模型名在 AI SDK 或 AI CLI 中设为 spacexai/grok-imagine-video-1.5-lite。
阶跃星辰旗舰模型 Step 5 Preview 已在 Vercel AI Gateway 上线,模型名为 stepfun/step-5-preview,面向智能体编码、专业知识和金融分析场景。
Vercel AI Gateway 现已支持 OpenAI 的 Ultrafast 服务档位,为交互式应用和快速编码迭代提供更快的输出,目前支持 GPT 6 Astra 和 GPT 6.1 Sol。
Grok Bot 现在可以直接搜索、读取并监控 X 上的内容,不再需要付费 API,甚至无需 X 账户或连接器。该能力由 @bot 发布,X 平台帖子附带的演示视频展示了相关功能。
Notion 开始向 beta 用户推送 iOS 原生编辑器,用户可通过 TestFlight 加入测试。官方称新编辑器有望让工作流更快、更可靠。
OpenAI 在 ChatGPT 上线全新 Intelligent UI 能力,GPT-6 能根据问题当场拼装带按钮、表单、图表和交互控件的独立界面,首批覆盖 Plus、Pro、Team、Business 和 Enterprise 付费版本。
梳理了ChatGPT实时生成可交互界面的能力与分层模型分工,可供读者判断日常对话场景的形态变化。
Figma 展示了 Figma agent 跨文件补充上下文的几种用法:可以让它从多个设计文件添加内容,读取 FigJam 文件中的便签或文字来为设计文件加注释,还能从 Figma Slides 演示文稿中查找并添加图片以添加效果。
HeyGen 官方演示,将 HeyGen MCP 作为自定义服务器接入 Grok @Bot,再设置晨间例程,即可把 X 上的新闻自动生成由你个人虚拟形象主持的每日新闻节目。
Google 发布 Developer Knowledge API 与 MCP Server 公开预览,为 AI 助手和智能体平台提供机器可读的官方文档检索方式,覆盖 Firebase、Google Cloud、Android 等文档源。开发者可用该官方 MCP server 将工具直接接入 Google 文档语料,使 AI 生成的代码与建议基于实时权威上下文。
Perplexity 联合创始人 Aravind Srinivas 展示了 Perplexity Decider 的演示,该决策模型被用于 EVE 推理栈中。视频中 Perplexity Decider 速通了《Who Wants to Be a Millionaire?》问答游戏,被评价为最佳决策模型。
Grok Bot 现在可以搜索、阅读和监控 X,且无需 X 账号或连接器。用户可让 Grok Bot 找出关于自己产品的所有反馈、加以总结,并提出应对方案。