文本提示图像分割（Text-prompted image segmentation）是实现精细化视觉理解的关键技术，在人机交互、具身智能及机器人等前沿领域具有重大的战略意义。这项技术使机器能够根据自然语言指令，在复杂的视觉场景中定位并分割出任意目标。
编辑｜张倩、陈陈 当智能体（Agent）开始深度介入人类世界，关于豆包 AI 手机的讨论可能只是个开始。 在此之前，手机、电脑软件都是给人用的 —— 人负责一步步操作，系统负责把信息存好、算好。但现在
趁着最近各种年度总结都出来了，我们在这篇文章里，也总结了一波 Google 今年在 AI 方向上的发力，给我们的实际体验，又带来了多大的能力提升。在谈论这些产品更新之前，Gemini 和 Nano Banana 两大「基座」模型是绕不开的内容。没有 Gemini 和 Nano Banana，Google 就是巧妇难为无米之炊。
今天，我想以一个 AI 实战派的身份，再次向大家推荐我目前心中“信息核查”的 No.1 工具——Google 搜索 AI 模式（Google Search AI Mode）。为什么是它？Gemini / ChatGPT 们做不到吗？
福布斯400新晋最年轻富豪——Edwin Chen，美裔华人，年仅37岁。在Edwin看来，在我们的世界里，人类，就是那批拥有超能力的外星人。而AI可以通过标注数据，学习我们的思维模式，最终获得独属于人类的超能力——智能。
Google Labs 最新推出的 Disco，试图打破这一陈旧范式。这款由 Gemini 3 驱动的实验性产品，不再满足于仅仅展示网页，而是试图将浏览器转化为一个能够实时生成软件的“工厂”。
1200行泄露代码揭开真相：在Waymo的自动驾驶铁盒子里，无所不能的Gemini不仅被禁止碰方向盘，还被迫变成了一个会讲冷笑话的卑微陪聊。
能自动查数据、写分析、画专业金融图表的AI金融分析师来了！最近，中国人民大学高瓴人工智能学院提出了一个面向真实金融投研场景的多模态研报生成系统——玉兰·融观（Yulan-FinSight）。
最近，清华大学教授、智谱AI首席科学家唐杰发了一条长微博，总结了自己2025年对大模型进展的感悟。从预训练到中后训练、长尾场景的对齐能力，再到Agent、多模态和具身智能的发展，其中有不少亮点。
Google 向来低调，即便是 Gemini 3 这种顶级产品的发布，也不像其他公司一样搞得那么隆重，有一些小产品更是低调到发了很久都没人知道，比如这个面向程序员的产品 CodeWiki 。
