Gemini API 的 Computer Use 工具正式 GA
Gemini API 的 Computer Use 工具已正式可用(GA),Interactions 與 GenerateContent 兩個 API 都支援呼叫。該工具讓模型直接操作計算機介面,本次公告只說明它已轉為正式發布狀態,沒有提到價格、配額或介面上的具體變化。
找到 9 筆
Gemini API 的 Computer Use 工具已正式可用(GA),Interactions 與 GenerateContent 兩個 API 都支援呼叫。該工具讓模型直接操作計算機介面,本次公告只說明它已轉為正式發布狀態,沒有提到價格、配額或介面上的具體變化。
Gemini 4 Argon(gemini-4-argon)已正式可用(GA),官方稱它是目前能力最強的模型,面向複雜編碼、agentic、數學與科學任務。Gemini API 於 2026 年 10 月 13 日發布這項變更;具體的 API 改動、定價與遷移指引,見 What's new in Gemini 4 Argon。
Anthropic 託管的 Claude 模型現已在 Google Cloud 上正式可用(GA)。使用者可在 Google Cloud 上使用完整的 Claude Platform 功能,並直接用 Google Cloud 的 IAM 憑證做權限管理、用 Google Cloud 賬單結算,同時支援承諾消費(commitment)的抵扣。面向已在 Google Cloud 上統一採購與權限管理的團隊。
Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 兩款即時多模態模型正式 GA,面向即時多模態對話與 agentic 工具呼叫。基礎版 gemini-3.8-live 主打亞秒級對話延遲,支援原生音訊理解、情感化對話、主動音訊與同步/非同步函式呼叫;
v0.40.9-rc3 將 Gradium Phonon 的預發布檢查點路徑替換為 GA 正式格式,並加入預設音色匯入與語音條件控制。該版本把最低版本要求設為 0.40.9,更新語音文件,並測試匯入、推理配置以及拒絕舊檢查點。
Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS 兩款語音模型轉為正式可用(GA),Gemini API 同時上線 /v1beta/voices 端點。前者面向工作室級音質、細膩表演、地區口音與長篇多輪穩定性;後者主打快速低成本,用於替代 gemini-3.1-flash-tts-preview,支撐高吞吐生產與即時語音 agent 級聯。
Mistral 開始提供兩款快速、低成本的模型:DeepSeek V4.1 Flash 和 GLM 5.3 Flash。DeepSeek V4.1 Flash 處於公開預覽階段,官方稱其適合長上下文程式設計與 agentic 任務;GLM 5.3 Flash 已正式可用(GA),面向子代理、工具呼叫和程式設計任務。
llama.cpp 的 server 加入 Realtime transcription API,可按 GA Realtime 規範提供基於 WebSocket 的即時語音轉寫會話,會話物件採用 type transcription,輸入格式、轉寫模型、輪次檢測與降噪放在 audio.input 下。API key 中介軟體現在會在 WebSocket 握手階段鑑權,支援 Bearer、原始 key 與 X-Api-Key,401 在升級前返回;
Google 將影像生成與對話式編輯模型 Gemini Nano Banana 2.1(gemini-nano-banana-2.1)轉為正式可用,保持 Flash 級速度與成本,並在畫質、提示詞遵循、多輪角色一致性、文字渲染上有明顯提升。新模型支援 1:4、4:1、1:8、8:1 等超寬與全景比例,輸出覆蓋 1K、2K、4K 解析度。上一代 gemini-3.1-flash-image 同時被標記為棄用,未公布關停日期,官方建議遷移至新模型。