内容独立日一周年：代理互联网商业模式的形成
Cloudflare 在“内容独立日”一周年之际发布报告，指出 AI 驱动的代理互联网已到来，超过 50% 的互联网流量为非人类流量，AI 训练爬虫请求占比从 2025 年春季的 22% 升至 2026 年 6 月的 52%。传统搜索推荐流量大幅下降，出版商面临“Google Zero”风险，但 Cloudflare 通过透明度和控制工具促进了内容许可市场的
Google / Gemini
公司与模型 · Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与云平台
关联由结构化实体与正文位置共同判定 · 最近刷新 2026-09-26 23:05
顺带提及正文出现过，但不是文章的主要讨论对象，当前共 299 条。
7月1日周三 · 3 条
正文顺带提及命中实体：google
正文顺带提及命中实体：google
Cloudflare 推出 AI 搜索优化与创作者付费新计划
Cloudflare 宣布两项新举措以重塑 AI 搜索经济：一是研究项目利用网络信号提升 AI 搜索质量并减少无效抓取；二是将 Pay Per Crawl 扩展为 Pay Per Use，与 Ceramic.ai 和 You.com 等公司合作，让内容创作者获得补偿。这些措施旨在应对 AI 搜索导致网站流量下降的问题，并建立新的互联网商业模式。
正文顺带提及命中实体：google
聊天机器人的黄昏：AI工作模式加速变革
美国领先AI实验室的模型发布速度加快，能力提升呈超指数增长，如Opus 4.7可自主完成需数周的人类工作。中国开源模型虽落后6-12个月，但也在快速进步。AI使用方式正从聊天机器人转向智能体，OpenAI内部已有四分之一员工每周同时运行至少四个智能体，工作模式转向管理AI。
6月29日周一 · 2 条
正文顺带提及命中实体：google cloud
RAGFlow v0.26.2 发布：新增多渠道集成与多项修复
RAGFlow 发布 v0.26.2 版本，新增 WhatsApp、钉钉、企业微信聊天渠道集成，并改进文件解析功能。该版本修复了多个 bug，包括 MCP 服务器挂起、docx 解析错误、Gemini 模型区域端点问题等，同时扩展了韩语和法语翻译。
正文顺带提及命中实体：google
开源生态多元化：Zyphra、Cohere、Poolside 等推动模型发布新趋势
Interconnects AI 的最新开源模型报告指出，开源生态系统正变得更加多元化，参与者包括纯模型制造商、大科技公司和产品公司。报告重点推荐了 NVIDIA 的 Nemotron 系列、Cohere 的 Command A+、GLM-5.2、Zyphra 的 ZAYA1 和 Poolside 的 Laguna-M.1 等模型，并讨论了开源模型发布的动机
6月22日周一 · 1 条
正文顺带提及命中实体：google
AI说服力超越人类专家：研究揭示社会影响
牛津大学、英国AI安全研究所、斯坦福大学和伦敦政治经济学院的研究人员发现，AI系统在文本说服方面已可靠地超越人类专家，即使人类经过辅导和激励。AI的优势源于其快速生成大量信息的能力，且在真实世界筹款中，AI比专业募捐者更有效。研究指出，这可能巩固既有权力，但也可能帮助资源不足的群体，社会需决定如何监管这些能力。
5月27日周三 · 1 条
正文顺带提及命中实体：gemini
选择保持人性：如何有意识地使用AI
本文探讨了过度依赖AI写作和思考的风险，指出AI生成内容缺乏人类意义，可能削弱个人能力发展。通过教育领域的两项研究对比，展示了AI作为捷径与作为辅导工具的不同效果，前者导致学习表现下降，后者显著提升成绩。作者呼吁有意识地选择使用AI的方式，避免认知投降。
5月16日周六 · 4 条
正文顺带提及命中实体：google deepmind
剑桥教授用Co-Scientist加速传染病分子开关研究
剑桥大学教授 Clare Bryant 使用 Google 的 Co-Scientist 工具，研究病原体从动物传播到人类时引发严重疾病（如败血症）的分子开关。该工具生成了假设并优先排序，其中一些假设她未曾考虑，并最终指出了特定的蛋白质和氨基酸靶点。她的实验室正在构建含这些突变的细胞系进行验证，预计将原本需两到三年的实验缩短至六个月。
正文顺带提及命中实体：google deepmind
Calico 利用 AI 工具 Co-Scientist 加速衰老研究
Google DeepMind 报道了 Calico Life Sciences 的研究人员使用其 AI 工具 Co-Scientist 来加速衰老生物学研究。该工具帮助科学家筛选大量文献，生成关于代谢调节 ISR 的新假设，并优化实验设计，最终产生了重要发现，计划发表。
正文顺带提及命中实体：google deepmind
Co-Scientist 助力跨学科合作，探索 ALS 新疗法
Google DeepMind 的 Co-Scientist 工具帮助 MIT 的 Ritu Raman 和波士顿儿童医院的 Ryan Flynn 两位科学家跨越学科界限，共同研究 ALS。Co-Scientist 压缩了文献综述时间，帮助 Raman 将想法转化为可测试的假设，并促成了两位科学家在 RNA 机制上的合作，探索新的 ALS 疗法。
正文顺带提及命中实体：google deepmind
AI工具Co-Scientist助力发现肝纤维化治疗药物
斯坦福大学遗传学家Gary Peltz使用谷歌的Co-Scientist工具，从现有药物中筛选出可治疗肝纤维化的候选药物。在发表于《Advanced Science》的研究中，Co-Scientist提出的三种候选药物中有两种在实验室测试中有效，其中抗癌药伏立诺他阻断了91%的损伤反应。相比之下，Peltz自己挑选的两种药物均无效。该研究表明AI辅助药物重定
4月29日周三 · 1 条
对比或关联对象命中实体：vertex ai
Semantic Kernel 发布 .NET 1.75.0 及 Python 1.41.3 更新
Semantic Kernel 发布了 .NET 1.75.0 版本，包含多项更新，如升级依赖、增强 AllowedBaseUrls 验证、修复 SQL Server 和 Redis 的转义问题，并更新 SQL Server 向量搜索语法。Python 版本也发布了 1.41.3，包含过滤属性黑名单扩展和 Google AI 修复。
4月18日周六 · 1 条
正文顺带提及命中实体：gemini
理解LLM架构的工作流程：从技术报告到代码检查
作者分享了理解开源大语言模型架构的工作流程，强调从官方技术报告入手，但指出当前论文细节不足，因此建议直接检查 Hugging Face 上的配置文件和 transformers 库中的参考实现。该流程主要适用于开源权重模型，不适用于闭源模型如 ChatGPT。作者认为手动分析架构是学习的最佳方式，尽管部分过程可以自动化。
4月1日周三 · 1 条
正文顺带提及命中实体：google
Claude Dispatch与界面力量：AI交互的未来
本文探讨了AI能力过剩但界面限制其应用的问题。作者指出，聊天机器人界面会增加认知负担，而专门的编程界面如Claude Code虽强大但不适合非程序员。文章介绍了OpenClaw和Anthropic的Claude Cowork与Dispatch，后者允许用户通过手机远程控制桌面AI代理，展示了更自然的交互方式。
12月5日周五 · 1 条
正文顺带提及命中实体：google deepmind
AlphaFold助力设计耐热酶，培育气候适应作物
密歇根州立大学研究人员利用谷歌DeepMind的AlphaFold预测植物和耐热藻类中甘油酸激酶（GLYK）的3D结构，发现植物GLYK在高温下三个柔性环会变形，通过将藻类的刚性环替换到植物酶中，成功制造出在65°C下仍稳定的杂交酶，为培育耐热作物铺平道路。
9月19日周四 · 1 条
正文顺带提及命中实体：google cloud
Gemini API 更新：AI Studio 反馈按钮与云积分支持
Gemini API 于 2024 年 9 月 19 日发布更新，在 AI Studio 中为模型回复添加了点赞和点踩按钮，方便用户反馈回复质量。同时，API 新增了对 Google Cloud 积分的支持，用户可使用该积分支付 Gemini API 使用费用。
7月25日周四 · 1 条
正文顺带提及命中实体：google
构建生成式 AI 平台：通用架构与关键组件解析
Chip Huyen 在博客中概述了构建生成式 AI 平台的通用架构，从最简单的查询-模型响应开始，逐步添加上下文增强（如 RAG）、护栏、模型路由、缓存等组件，并强调可观测性和编排的重要性。文章指出上下文构建类似于经典机器学习中的特征工程，RAG 是常见的上下文增强模式，并介绍了基于术语和基于嵌入的检索方法。该架构旨在帮助企业高效部署生成式 AI 应用，提
4月12日周五 · 1 条
正文顺带提及命中实体：google
视频生成扩散模型综述：架构、采样与挑战
本文介绍了扩散模型在视频生成领域的最新进展，包括从零训练视频扩散模型的方法、参数化与采样基础、3D U-Net和Transformer架构，以及Google和OpenAI等机构的相关工作。文章强调了视频生成相比图像生成的额外挑战，如时间一致性和数据稀缺性，并讨论了重建引导和v-参数化等技术。
2月28日周三 · 1 条
正文顺带提及命中实体：gemini
预测性人类偏好：从模型排名到模型路由
Chip Huyen 在博客中探讨了预测性人类偏好（Predictive Human Preference）的概念，旨在预测用户对特定提示词更偏好哪个模型，并应用于模型路由和可解释性。她使用 LMSYS Chatbot Arena 的公开数据（2023年7月，33K 比较）作为基准，评估了 Bradley-Terry 等排名算法的准确性，并构建了一个玩具偏好