> 谷歌DeepMind对Gemini API进行深度升级，推出多工具链与上下文循环功能。此举彻底打通搜索与地图等内置组件，标志着AI开发接口正从基础问答向高阶生产力自动化阶段跃迁。

## 告别繁琐 跨工具自动流转成为现实

2026年3月18日，谷歌DeepMind宣布对其Gemini API进行重大功能扩展，正式推出多工具链与上下文循环机制。此次升级直击开发者在调用大模型能力时步骤繁琐与响应迟缓的痛点。过去 开发者需要手动编写大量胶水代码来衔接不同工具的输入与输出，而新机制允许用户在单个请求中将谷歌搜索、谷歌地图等内置工具与自定义函数进行深度整合。

技术层面 新引入的上下文循环实现了跨工具的自动化数据传递。这意味着前序工具的输出结果可无缝作为后续工具的输入参数，大幅提升了复杂任务的处理效率。为了优化开发调试体验，系统现为每次工具调用分配唯一ID，显著增强了错误追踪的精准度。此外 谷歌地图已正式接入Gemini 3系列模型数据源，开发者可直接调用地理位置、商家详情及通勤时效等实时数据。

![12.png](https://static.downly.cn/images/cd29ee46e9d050b17b84fd33c86f4816.png)

<center>图源备注：图片由AI生成</center>

## 强化开发者生态 驱动智能体工作流落地

谷歌强烈建议开发者通过全新的Interactions API构建上述工作流程。在当前生成式AI全面迈向智能体工作流的行业趋势下，谷歌此举意图明显。通过减少手动干预和降低调用延迟，谷歌正进一步强化Gemini生态的开发者粘性。

这种从单一模型响应向复杂任务编排能力的进化，不仅是API接口层面的技术迭代，更代表着AI开发范式的根本性转变。开发者将能够以更低的门槛构建高度自治的AI应用，推动企业级AI解决方案向高效的生产力自动化模式加速演进。

谷歌Gemini API重大重构 多工具链与上下文循环加速智能体应用

> 谷歌宣布为其地图服务引入自然语言交互与沉浸式3D视觉功能，不仅让出行软件具备理解复杂情境的能力，更通过精准的实景建模彻底消除了末端导航的盲区。

## 告别传统检索 自然语言解锁复杂场景

长久以来，数字地图的交互逻辑高度依赖精确的地点名称或刻板的品类关键词。而随着底层大语言模型的深度赋能，这一刻板的交互方式迎来了颠覆性拐点。

全新的对话式搜索功能允许用户像面对真人向导一样提出长句诉求。例如寻找周边兼具充电设施且无需排队的咖啡馆，或是规划一条沿途充满小众风景的自驾路线。系统在接收到模糊指令后，会自动结合用户历史偏好进行交叉比对分析。

个性化偏好 算法能够精准捕获并记忆账户保存的地点与日常偏好，在推荐选项中自动赋予用户偏爱类型更高的权重优先级。
行程规划 系统整合了海量社区用户的实用评价与攻略数据，不仅能一站式生成行车路线，更能顺带提供周边景点的门票获取指南等衍生服务。

## 3D视界重构 打造全景沉浸引导

如果说大模型的引入重塑了地图的“大脑”，那么此次视觉界面的大幅重构则彻底升级了导航的“双眼”。系统引入了高度拟真的立体视图引擎，对城市的建筑群、复杂立交桥以及微观地形进行了像素级的还原。

在行驶过程中，界面会清晰且动态地标注车道划分、人行横道位置及路口的交通信号灯。针对城市中极易引发驾驶失误的复杂多重转弯路段，系统创新性地启用了透明建筑透视与智能动态缩放技术，为驾驶员提供如同上帝视角般的预判能力。

![32.png](https://static.downly.cn/images/4c2e08bc0ead5107e4318b0c5c3be892.png) <center>图源备注：图片由AI生成</center>

同时，语音交互语调去除了以往的机械感，变得更加符合真人发音习惯。导航提示从冰冷的距离倒数，转变为基于现实地标的直观指引，大幅降低了驾驶者的认知负荷。

## 攻克最后一公里 细节优化提升决策效率

导航体验中最容易引发焦虑的往往是即将抵达目的地的最后几百米。为彻底解决这一行业痛点，新版系统在车辆接近终点前会自动激活街景环境预演。

界面会通过高亮视觉效果精准标记出大型建筑的具体入口位置及周边最优的停车点位，甚至会细致地提示驾驶员应当将车辆停靠在街道的具体哪一侧。正如谷歌业务高管所言，这场基于AI技术的全面迭代，其最终愿景就是抹平用户在陌生环境中的每一丝不确定性，让每一次出行决策都精准无误。

谷歌地图深度融合Gemini模型 对话式检索重构出行探索

> 导语：本期资讯我们要点聚焦：OpenAI发布针对软件工程优化的GPT-5.1新模型并与富士康达成硬件制造合作；谷歌阵营同样动作频频，不仅推出了基于Gemini 3技术的Nano Banana Pro图像模型，还在地图、反诈及内容识别领域全面植入AI能力。此外，Sora陷入商标侵权官司，复旦MOSS团队开源端到端语音模型也引发了业界的广泛关注。

## 谷歌Gemini 3首秀 Nano Banana Pro重新定义4K图像生成

谷歌正式发布了基于最新Gemini 3技术的图像生成模型——Nano Banana Pro。这款新工具在技术规格上实现了质的飞跃，不仅原生支持4K超高分辨率输出，还在保持人物与物体身份一致性方面取得了显著进步。

功能方面，Nano Banana Pro新增了实时联网搜索能力，允许模型在生成过程中获取最新信息辅助创作。同时，为了应对版权和伦理挑战，模型内置了双重水印技术及C2PA验证标准。不过，性能的提升也带来了成本的增加，其定价相较于前代产品大幅上涨了3至6倍。

![image.png](https://static.downly.cn/images/9862480574ef097830a87e4019a1f336.png)

## 编程能力天花板 GPT-5.1-Codex-Max强势登场

OpenAI再次刷新了AI编程辅助的高度，推出了专为复杂软件工程设计的GPT-5.1-Codex-Max模型。该模型最大的亮点在于引入了全新的“上下文压缩机制”，有效解决了长会话中信息丢失的痛点，同时大幅降低了令牌消耗。

在权威的SWE-bench测试中，GPT-5.1-Codex-Max的准确率飙升至77.9%，展现了其在处理超大代码上下文生成任务时的卓越能力。这标志着AI在辅助大型项目开发和复杂逻辑编写方面迈出了关键一步。

## Sora商标撞车 数字图书馆OverDrive正式起诉OpenAI

备受瞩目的视频生成工具Sora近期惹上了法律麻烦。知名数字图书馆OverDrive向法院提起诉讼，指控OpenAI的“Sora”在名称使用、图标设计以及配色方案上，与其2018年推出的同名学生阅读App存在极高的相似度。

OverDrive方面认为，OpenAI的行为已经涉嫌商标侵权及不正当竞争，目前已正式递交了索赔要求并申请了相关禁令。这一案件也再次引发了科技圈对于品牌命名与知识产权保护的讨论。

![image.png](https://static.downly.cn/images/d189d9f490c8d81fd768aacbd7622e33.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Pixel 9化身反诈卫士 实时监测通话与屏幕共享风险

为了应对日益猖獗的金融诈骗，谷歌在印度市场率先推出了两项基于AI的防御功能。依托于Gemini Nano的端侧处理能力，Pixel 9及以上机型现已支持通话实时诈骗语音检测，能够在通话过程中识别潜在的诈骗话术。

此外，针对Android 11及以上版本的设备，谷歌还推出了屏幕共享联合警报功能。该技术旨在通过技术手段拦截如OTP（一次性密码）泄露等风险行为，为用户的财产安全构建起一道AI防火墙。

## 填空也能做设计 前谷歌团队打造Mixup创意修图应用

由前谷歌团队创立的Things公司发布了一款充满趣味的iOS端AI照片编辑器——Mixup。该应用目前采用限量邀请码制度，一经推出便引发关注。

Mixup的核心玩法在于其独特的“Recipe”（配方）功能，采用填空式的提示词引导。用户只需上传简单的照片或涂鸦，即可通过预设配方快速生成如“文艺复兴自画像”等风格独特的二次创作。同时，用户还可以将自己的创意配方分享至社区，形成互动循环。

![image.png](https://static.downly.cn/images/a35c38aa50aea2085a6a47527478fc45.png)
<center>图源备注：图片由AI生成</center>

## 算力基建再升级 OpenAI携手富士康打造美国AI制造中心

OpenAI正在进一步强化其供应链的自主可控能力，正式与制造巨头富士康达成战略合作。双方将共同在美国多地建立研发与制造中心，专注于生产高性能AI服务器机架以及配套的供电冷却系统。

根据协议，富士康将负责具体的生产制造环节，而OpenAI则提供关键的需求洞察并保留优先选购权。值得注意的是，此次合作中OpenAI并未做出强制采购承诺，显示出其在硬件布局上的灵活策略。

## 搜索体验大革新 Perplexity Comet浏览器登陆安卓平台

Perplexity公司宣布其备受好评的AI浏览器Comet正式推出Android版本。安卓版Comet完美继承了桌面端的核心优势，支持用户将其设置为系统默认搜索引擎，并能利用标签功能快速调用AI助手。

此次更新最大的亮点在于新增的语音模式。用户现在可以针对当前浏览的网页内容，直接通过语音发起交互式提问，无论是查询页面细节还是总结长文，都能获得即时响应，极大地提升了移动端的搜索效率。

![image.png](https://static.downly.cn/images/5eaa001ab129c1c052449661fb952bc7.png)
<center>图源备注：图片由AI生成</center>

## 告别文本中介 复旦MOSS团队开源端到端语音大模型

复旦大学MOSS团队在开源领域再下一城，正式开源了其端到端语音对话模型MOSS-Speech。该模型采用创新的“层拆分”架构，通过冻结文本模型参数并新增语音专用层的方式，成功打破了传统语音交互需要“语音转文本再转语音”的桎梏。

测试显示，MOSS-Speech在语音问答、情绪精准模仿以及自然笑声生成等方面表现优异，在特定任务评测中实现了极低的词错率和极高的情感识别准确率，为未来的人机交互提供了新的范式。

## 一眼识破AI造假 Gemini新增图片来源快速验证功能

面对网络上泛滥的AI生成内容，Google为Gemini用户增添了一双“火眼金睛”。新推出的图片识别功能允许用户直接向Gemini提问，以快速判断眼前的图片是否由Google自家的AI工具生成或编辑。

这项功能旨在提高数字内容的透明度。谷歌还透露，未来计划将这一验证能力扩展至视频和音频领域，并将其整合到更多的谷歌服务生态中，帮助用户在真假难辨的信息流中保持清醒。

## 谷歌地图注入Gemini灵魂 沉浸式导航与地标指引上线

谷歌地图迎来了Gemini模型的深度整合，旨在打造更直观的出行体验。新版本不仅能自动汇总目的地的评论和预订信息，为用户提供详尽的“行前须知”，还引入了更加智能的导航方式。

在AI的加持下，导航系统现在能够利用清晰可见的物理地标作为指引参照物，而非枯燥的街道名称。同时，针对电动车主，新功能还提供了更精准的充电桩预测服务，让行程规划变得更加轻松无忧。

每日AI资讯1121：GPT-5.1-Codex-Max震撼发布，谷歌Gemini 3与Nano Banana Pro强势回击

> 今日AI界风起云涌：谷歌将Gemini全面融入地图与电视，引领交互新革命；软银与OpenAI的合作引发资本新思考；Kaltura重金布局AI数字人赛道；编程新贵Lovable用户激增，商汤与月之暗面发布创新模型与框架，而Meta则在语音识别领域打破语言壁垒，技术与资本共同推动AI浪潮进入新高度。


## 软银联手OpenAI成立“水晶智能”，AI投资新模式或引行业“资金空转”担忧

软银与OpenAI宣布合资成立“水晶智能”公司，旨在为日本企业提供先进的AI工具。然而，鉴于软银本身就是OpenAI的重要投资者，这一举动引发了业界对于AI领域投资模式的深入思考。市场担忧此类交易可能并未真正创造新的经济价值，而是导致资本在巨头生态系统内部循环，形成“资金空转”现象。


![image.png](https://static.downly.cn/images/d99a8d575a33e13805651a817710a952.png)
图源备注：图片由AI生成
 

## Gemini登陆Google TV，家庭娱乐迎来情景化AI交互革命

谷歌正式在Google TV平台上推出Gemini语音助手，以取代原有的Google Assistant。这是谷歌将Gemini全面整合至其各类平台战略的关键一步。通过Gemini强大的AI能力，用户将能够以更自然、更具情境化的方式进行复杂的内内容查询和功能操作，例如根据“推荐一部适合全家观看的科幻喜剧”等多重偏好指令寻找电影，极大地提升了家庭娱乐的智能化体验。

![image.png](https://static.downly.cn/images/1b539be1146748f2a08fc1fb8c5ad43b.png)
图源备注：图片由AI生成
 

## 谷歌地图拥抱Gemini，一句话生成交互式地图

谷歌地图迎来重大升级，通过深度集成Gemini大模型，转型为一个AI空间智能平台。此次更新推出了创新的“Builder Agent”功能，允许用户和开发者仅通过自然语言指令，就能快速生成交互式地图。结合MCP服务器和Grounding Lite技术，新版谷歌地图不仅为普通用户带来了前所未有的智能体验，也极大地提升了开发者的工作效率。

![image.png](https://static.downly.cn/images/b5eac1b01ef3e7dc65d3e4d3cac9f8d7.png)
图源备注：图片由AI生成
 

## Kaltura豪掷2700万美元收购eSelf.ai，发力企业级AI视频交互

视频技术公司Kaltura宣布以2700万美元收购eSelf.ai，获取其先进的实时对话虚拟人技术。此次收购是Kaltura“视频即服务界面”战略的核心举措，旨在将其视频平台从传统的内容分发工具，转变为一个智能交互界面。通过整合AI数字人技术，Kaltura期望能显著提升企业客户的沟通效率和用户参与度。

![image.png](https://static.downly.cn/images/929aa6b833b51972cae52cf5d61c60b1.png)
图源备注：图片由AI生成
 

## AI编程新星Lovable用户破800万，“氛围编程”引领行业潮流

瑞典AI编程平台Lovable在成立仅一年的时间里，实现了爆炸式增长，用户总数已接近800万，每日有超过10万个新产品通过该平台发布。作为“氛围编程”理念的开创者，Lovable已从一个开源工具迅速成长为估值超10亿美元的独角兽公司，其用户覆盖从学生到高收入开发者，充分展示了AI在编程领域的巨大潜力。

![image.png](https://static.downly.cn/images/6d53b42ee31f3d10672f4e605950c699.png)
图源备注：图片由AI生成
 

## 商汤发布SenseNova-SI模型，空间智能能力超越GPT-5

商汤科技发布了其开源的SenseNova-SI系列模型，在空间智能领域取得了重大突破。根据权威评测结果，该模型在空间理解与推理方面的能力已超越包括GPT-5在内的顶尖闭源模型。这一成果有效弥补了当前大模型在空间智能方面的短板，展现了卓越的性能。

![image.png](https://static.downly.cn/images/eb4325fb3dd40a21d0960a550d9c7271.png)
图源备注：图片由AI生成
 

## 月之暗面开源Kosong框架，赋能下一代AI智能体开发

国内AI创业公司月之暗面开源了其全新的AI代理框架Kosong。该框架以其轻量级和灵活的设计理念，有效解决了当前AI开发中工具碎片化的难题。通过提供统一的抽象层，Kosong简化了下一代智能体的开发流程，帮助开发者更紧密地将大模型的能力与真实应用场景相结合，一经发布便获得了开发者社区的热烈反响。

![image.png](https://static.downly.cn/images/adcd3a700c2139766c70d6c3bce24028.png)
图源备注：图片由AI生成
 

## Meta AI发布“全语种”语音识别系统，支持超1600种语言

Meta发布了名为Omnilingual ASR的自动语音识别系统，该系统能够转录超过1600种口语语言，是目前支持语种最多的系统之一。此举旨在解决当前AI工具在语言覆盖上的严重不足，推动实现通用语音转录，从而弥合全球不同语言在获取AI技术支持方面的鸿沟，向打破全球语言壁垒的目标迈出重要一步。

![image.png](https://static.downly.cn/images/32ac3dd071597c42bb68692168d0df88.png)
图源备注：图片由AI生成

每日AI资讯1111：谷歌AI全面融入生活，AI投资与开源框架引领新趋势

> 导语：今日的AI领域充满了变革与争议。Opera推出了集三位AI助手于一体的Neon浏览器，旨在提升用户体验；与此同时，科技巨头间对AI能力的争论也愈发激烈，OpenAI关于GPT-5解决数学难题的言论引发了广泛质疑。在应用层面，谷歌Gemini API的新功能让AI应用化身“本地专家”，而阿里Qoder则在全球范围内挑战现有AI编程工具，预示着一场“上下文”革命的到来。开发者们也面临着新的抉择：在AI时代，该如何选择合适的编程语言以应对未来的挑战。

## Opera浏览器三AI加持 用户界面迎来新挑战

Opera Neon浏览器最近进行了一次重大更新，整合了名为Chat、Do、Make的三款AI助手。这三款助手分别专注于聊天、自动化控制和内容创作，旨在为用户提供多样化的智能服务。尽管功能强大，但新的用户界面显得较为复杂，用户需要一定时间来适应这种全新的交互方式，才能充分利用AI技术提升自己的浏览效率。

![image.png](https://static.downly.cn/images/ee6c425378352176f2adcac8d5aa03ed.png)
图源备注：图片由AI生成
 

## OpenAI GPT-5数学能力遭质疑 科技界呼吁谨慎发布

近日，OpenAI副总裁声称其即将推出的GPT-5模型成功解决了一个著名的Erdős数学难题，此言论一出便在科技界引发了轩然大波。来自Meta和Google DeepMind等竞争对手的专家对此表示怀疑，认为这一成就被过分夸大。此次事件凸显出一个重要问题：在AI能力得到严格验证之前，草率的发布不仅会引发争议，还可能损害整个行业的公信力。

![image.png](https://static.downly.cn/images/bcb474d05b08549fd0ce59a2e04a6188.png)
图源备注：图片由AI生成
 

## 谷歌Gemini API赋能 AI应用变身“本地专家”

谷歌为其Gemini API推出了创新的“地图接地”功能，这是一项重大的技术突破。该功能允许开发者将自己的AI应用与谷歌地图超过2.5亿个地点的数据进行无缝对接。这意味着AI应用能够自动识别与地理位置相关的查询，并高效地提取如地址、营业时间、联系方式等结构化实时信息，极大地提升了具有位置感知能力的AI应用的开发效率和实用性。

![image.png](https://static.downly.cn/images/35fa8654c5de2f648555f736fbaae8db.png)
图源备注：图片由AI生成
 

## 阿里Qoder强势入局 AI编程迎来“上下文”革命

阿里巴巴推出的AI编程工具Qoder，正向全球顶尖的AI编程助手如Claude code和Cursor发起挑战。Qoder的核心优势在于其深度理解代码“上下文”的能力，它能在复杂的实际工程项目中，帮助开发者将正确的解决方案应用于具体问题，从而确保项目的稳定交付。这标志着AI编程正在从简单的代码生成，迈向更深层次的逻辑理解和应用。

![image.png](https://static.downly.cn/images/cd7b43ca6b478ac3b4fa5729cfd6af76.png)
图源备注：图片由AI生成
 

## AI时代 编程语言如何选？Go、Rust、Python与TypeScript的抉择

随着AI辅助编程工具的普及，传统的编程工作流正在被重塑。这也给开发者们带来了新的思考：在AI时代，选择哪种编程语言才能更好地应对未来的技术浪潮？Go语言的并发性能、Rust的内存安全、Python的生态系统以及TypeScript的类型安全，都在新的技术背景下展现出不同的价值。如何做出明智的选择，已成为开发者必须面对的关键问题。

![image.png](https://static.downly.cn/images/8c7e2e80accdd2815372a6080a308615.png)
图源备注：图片由AI生成

搜索结果: 谷歌地图