大概一周前，我拿到了ColaOS（以下简称Cola）的内测。当时我手里有Claude、Gemini和GPT最新的模型。在Cola出现之前，这几个工具已经足够覆盖我所有的工作场景了。还有什么能比Claude好用？
阿里刚刚发布了最新一代全模态大模型 Qwen3.5-Omni，在通用音频理解、推理、翻译和对话等维度，已全面超越 Gemini 3.1 Pro。所谓全模态，在于它拥有了接近人类的“感官”。它能听、能看、能说、能写。
GoogleMaps核弹更新：Gemini接管步行骑行导航！问厕所咖啡馆？问EV充电剩几个坑？问街区Vibe？Gemini秒懂人话、懂物理世界。路痴起立，再也不用举手机转圈自闭了！
昨日凌晨，谷歌正式推出其最高质量的音频和语音模型——实时语音模型Gemini 3.1 Flash Live，并在Gemini App、Search Live以及Google AI Studio中同步开放，其中后者以预览版本向开发者提供。
就在刚刚，据彭博社报道，iOS 27 将引入一套名为「Extensions」的新机制，允许用户通过设置面板，把 Google Gemini、Anthropic Claude 等第三方 AI 接入 Siri，就像现在调用 ChatGPT 一样直接从 Siri 发起请求。
谷歌宣布旗下AI设计工具Stitch支持Vibe Design。你都不需要键盘，只需要用嘴就可以vide design出这样婶儿的UI和前端界面：不得不说，谷歌的审美是真的好。Gemini 3生成前端的艺术效果就有口皆碑。
香港用户终于等来了这一天——谷歌宣布将逐步向香港开放 Gemini 网页应用，这意味着以后再也不需要翻墙 VPN 就能用上谷歌的 AI 助手了。在此之前，使用香港网络的用户一直无法直接访问 Gemini，需要借助 VPN 等「曲线救国」的方式才能使用。
谷歌DeepMind刚刚为Gemini API放了一个大招：内置工具和自定义函数终于可以在同一次调用里混着用了。再加上跨工具的「上下文环流」和Google Maps原生接入，Agent开发的编排噩梦正在终结。
多模态模型代码写得像老司机，却在数手指、量柱子时频频翻车？UniPat AI用五百行代码打造的SWE-Vision，让模型「掏出Python尺子」自我验证，一举拿下五大视觉相关基准SOTA。
Google 最近发了 Gemini Embedding 2，他们第一个原生多模态向量模型。文本、图像、视频、音频、文档，全部映射到同一个 3072 维向量空间。这是 Omni Embedding（全模态向量模型）的大趋势：一个架构吃下所有模态，从 jina-embeddings-v4 到 Omni-Embed-Nemotron 再到 Omni-5，大家都在往这个方向收敛。
