Гугл вспомнили, что нужно выпускать модели :)

Gemini 3.6 Flash

Ждём на олламе

#Google #Gemini
———
@tsingular

Cursor получил плагины Google Workspace

⚡️ Cursor добавил пять плагинов для прямой интеграции с Google Workspace: Gmail, Drive, Calendar, Docs и Sheets.
Теперь AI-агент внутри IDE может читать почту, искать файлы на диске, управлять календарём и редактировать документы.

📦 Плагины устанавливаются из Marketplace или через страницу Customize в самом Cursor.
После подключения аккаунта Google агент получает контекст из рабочих инструментов: может найти письмо с требованиями, открыть спецификацию в Docs, проверить расписание в Calendar, собрать всё это в код и занести результаты в таблицу Google Sheets.

Cursor продолжает превращать IDE из редактора кода в хаб, где агент работает со всей рабочей информацией, а не только с репозиторием.
Еще и дизайн поменяли в стиль Agent first.
Все превращается в однообразный офисный мультитул

#Cursor #Google #Workspace
———
@tsingular

Google упаковал Search и Gemini новыми ИИ-инструментами для учёбы

Google анонсировал набор учебных функций в Search и Gemini: интерактивные визуализации, 3D-симуляции, выделенный студенческий хаб и кастомные практические тесты.
Это очередной шаг в борьбе за то, чтобы Gemini стал ассистентом, к которому студенты обращаются при учёбе, против OpenAI и образовательных стартапов вроде Knowt и Gauth.

🔍 Search как репетитор: По запросу «pH scale» в AI Overview появится интерактивная визуализация, а уточняющий вопрос вроде «нанеси цитрусовые на шкалу pH» заставит AI Mode собрать индивидуальный интерактивный опыт.
Практические тесты генерируются прямо в поиске по любому предмету, от SAT-словаря до гуманитарных наук.

📷 Lens разбирает задачи: В ближайшие недели Lens в Search получит интерактивный режим обучения.
Студент фотографирует задачу, и ИИ объясняет концепцию, находит ошибки и подсказывает, если застрял. Плюс Search умеет собирать учебные документы из загруженных файлов, от фото рукописных конспектов до слайдов лекций, превращая их в одностраничник с ключевыми концепциями.

🎙 Gemini Live в фоне: Многошаговые исследовательские отчёты запускаются в Gemini Live, пока пользователь закрыл чат и занимается своими делами.
Приходит уведомление, когда отчёт готов, и обсудить находки можно голосом.

🧬 3D-симуляции: Gemini теперь генерирует функциональные 3D-симуляции. По запросу «покажи, как работает ДНК в 3D» можно вращать и приближать структуру.
Ответы включают таблицы, сетки и симуляции под конкретный промпт.

📚 Студенческий хаб: В приложении Gemini появился выделенный хаб, собирающий учебные инструменты в одном месте: учебный блокнот, флеш-карточки, практические тесты.

💼 Зачем бизнесу: Google превращает поиск из точки входа в полноценную учебную среду, удерживая студентов в своей экосистеме.
Для EdTech-стартапов это сигнал: конкурировать с бесплатными встроенными инструментами гиганта придётся за счёт глубины и специализации, а не базовых фич.

🔮 Будущее: Следующий шаг — персональный учебный агент, который знает программу конкретного студента, его слабые места и строит траекторию от конспекта до экзамена. 3D-симуляции и голосовые отчёты — это фундамент, на котором такой агент будет работать.

Кстати, очень похоже на https://learnvector.ai/ от Andrew Ng

#Google #Gemini #Search #образование #EdTech #ИИ
───
@tsingular

Google и Janelia собрали полную схему мозга самца дрозофилы на 166 тысяч нейронов

Google Research и институт HHMI Janelia опубликовали в журнале Cell полный коннектом центральной нервной системы самца дрозофилы: 166 691 нейрон и свыше 125 млн синапсов.

🔬 Сквозная проводка до лапок:
В отличие от прежних карт, новый атлас объединил головной мозг и брюшную нервную цепочку: аналог спинного мозга позвоночных.
Биологи получили сквозную схему: импульс можно проследить от глаз и усиков напрямую до моторных команд в мышцах крыльев.
В атласе размечен 11 691 тип клеток, что превращает цифровую модель в готовую электросхему поведения.

🧬 Половой диморфизм связей:
Ранее ученые оцифровали самку, и теперь наука впервые смогла положить две полные нервные системы рядом.
Гены fruitless и doublesex дирижируют точечной перестройкой нейронов самца.
У него нашли уникальные синаптические ветви под брачные ритуалы, пение крылом и территориальную агрессию.
Базовые сенсорные узлы у полов совпадают, но логика ветвления импульсов переключает итоговое поведение.

🧠 Как ИИ восстановил сеть:
Вручную собрать такой массив невозможно: ткань сканировали на миллионы тончайших срезов.
Google задействовала алгоритмы сегментации и систему PATHFINDER, обученную на синтетических нейронах, восстанавливая форму каждого отростка пиксель за пикселем.
Эксперты верифицировали связи через открытый 3D-инструмент Neuroglancer.
Следующий шаг: картирование мозга прозрачных мальков данио-рерио и фрагментов коры мыши.

💼 Зачем бизнесу и науке:
Человеческий мозг содержит 86 млрд нейронов, оцифровать его напрямую пока невозможно.
Коннектом дрозофилы раскрывает природную энергоэффективность: как живая сеть решает задачи навигации без дата-центров.

В медицине это фундамент поиска мишеней против нейродегенеративных нарушений, а в ИИ: чертеж для создания экономных нейроморфных чипов.

#дрозофила #google #наука #биология
———
@tsingular | Max | YouTube | RuTube

А вот интересный пример создания игры от Gemini 3.8 flash.

Тут фишка в том, что игра собралась за 1 промпт в котором по сути прописан агентский цикл:

Design and build a single level of a wizard-themed 3D first person game in web / three.js. It should have complex gameplay and environmental storytelling.

Use Nano Banana to create textures (with PBR). Use Lyria to create music.

Then improve the game using this loop:
1) Create a high frame rate recording of an automated playthrough.
2) Analyze the footage and ask: what is wrong with this?
3) Prepare a plan to address any issues you identify. Work out how far back in the build you need to go to address any given problem.
4) Execute that plan, even if it means going back to square one.
5) Repeat steps 1-5 until I ask you to pause.

Сколько он намотал кругов и токенов, правда, умалчивают.

#Google #Gemini #dev #loops
------
@tsingular

Agent Skills 0.6.8: как Эдди Османи учит ИИ-агентов писать код уровня Google

Репозиторий Agent Skills от Эдди Османи перешагнул рубеж в 91 000 звезд на GitHub.
В свежем релизе 0.6.8 проект получил защиту от уловок моделей, превращая кодинг-агентов в дисциплинированных инженеров.

🛡 Контракт качества против читерства:
Автономные агенты часто срезают углы, чтобы быстрее закрыть задачу.
Новый навык разработки по ограничениям опрашивает автора, фиксирует планку в файле CONSTRAINTS.md и следит за диффами в коде.
Система ловит модель на типичных уловках:
Попытки заглушить линтеры ради видимости успеха.
Пропуск тестов и удаление строгих проверок (assert).
Генерация пустых заглушек функций и снижение порогов покрытия.

⚡️ Глубокая оптимизация баз данных:
Раздел производительности получил серьезное бэкенд-расширение.
Агентов отучили бездумно вешать индексы на таблицы: навык заставляет модель сначала изучить план выполнения запроса и найти реальное узкое место.
В правила заложили защиту от исчерпания пула соединений, тонкости инвалидации кэша и защиту от лавинных нагрузок.

🏗 25 навыков полного цикла разработки:
Библиотека закрывает весь путь: от спецификаций и планов до атомарных коммитов в git и безопасного релиза.
Режим автономной сборки выполняет задачи сам, но каждый шаг жестко тестируется и коммитится отдельно.
Навыки работают в 70+ средах (Claude Code, Cursor, OpenCode, Codex, Hermes, pi и др.), а планировщик теперь защищает незавершенные задачи от случайной перезаписи параллельными сессиями.

💼 Зачем бизнесу и командам:
ИИ-разработка взрослеет: хаотичный вайбкодинг сменяется инженерными регламентами.
Agent Skills упаковывает культуру разработки Google в исполняемые правила для любой модели.
Для бизнеса это способ безопасно пускать агентов в репозиторий: нейросеть не сломает архитектуру, не снесет тесты втихую и не выкатит сырой код в прод.

ставится командой:

npx skills add addyosmani/agent-skills

затем выбираем все навыки Select All
выбираем агентов для которых ставится навык
дальше Installation Scope: Global
Installation method: Symlik
Yes
find-skill? -> Yes
после этого для надёжности hermes update и наслаждаемся результатом

#agentskills #google #кодинг #агенты #навыки #Google
———
@tsingular | Max | YouTube | RuTube

Google GTIG выпустила отчёт об эволюции боевого ИИ: хакеры перешли от промптов к автономным агентским пайплайнам

Google Threat Intelligence Group (GTIG) и Mandiant зафиксировали переломный момент: преступники перестали вручную писать промпты и перешли к автономным мультиагентным системам. Задержка с участием человека сведена к нулю, а окно на реакцию ИБ-команд сжалось до минут.

⚡️ Взлом облака за 6 часов на Markdown-плейбуках:
Вымогатели взломали облако жертвы, после чего за 6 часов с нуля собрали агентский пайплайн и выкачали тысячи учетных данных.
Архитектура состояла из чат-бота, промпта и Markdown-инструкций. Агенты автономно вели сканирование, правили ошибки на лету и ротировали IP, питаясь GPU жертвы (LLMJacking). Оценка Google, - «оркестрация на машинной скорости, а не суперинтеллект».

🪤 Трояны в MCP и атака на AI-ассистентов:
Группировка UNC6780 (TeamPCP) открыла охоту на разработчиков:
• Заражение MCP: на PyPI выкладываются вредоносные форки серверов протокола MCP (tiktoken_mcp) и бэкдоры в репозитории (azure-functions-mcp-extension). При подключении инструмента агент сам втягивает малварь в проект.
• Маскировка под ИИ: вредонос DUSTMAKER прячется в скрытых папках ассистентов (.cursor, .claude, .vscode), оставаясь невидимым для EDR-систем.
• Ядерный джейлбрейк против сканеров: в заголовки скриптов хакеры внедряют рецепты биологического и ядерного оружия. Защитные LLM-сканеры кода спотыкаются о собственные фильтры безопасности и пропускают анализ вредоносного файла.

📂 23 800 ключей на C2-сервере Recon:
Google накрыла командный сервер с конфигами AGENTS.md, KNOWLEDGE.md и модулями .openclaw/, где дашборд в реальном времени проверял базу из 23 800 украденных API-ключей к облакам и моделям.

#Google #GTIG #агенты #кибербезопасность #MCP
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Dream-RSI от Google DeepMind: ускорение поиска решений агентами в 162 раза без переобучения моделей

И ещё пару слов про самоулучшающиеся системы.

Исследователи из Google DeepMind и университетов США выкатили фреймворк Dream-RSI.
Система решает проблему узкого горлышка рекурсивного саморазвития (RSI): как сделать поиск решений умнее без бесконечных и дорогих прогонов моделей.

🛌 Дерево решений как симулятор среды:
Обычно агент исследует задачи по жесткому шаблону поиска.
Оптимизировать стратегию на лету тяжело: проверка требует тысяч реальных запусков кода.
Dream-RSI превращает историю прошлых попыток в симулятор.
Все генерации кода и тесты сохраняются в дерево решений.
В фазе «сновидений» мета-агент создает новые правила поиска и прогоняет их по записанным веткам.
Оценка вариантов занимает миллисекунды: результаты исполнения кода уже зафиксированы в истории.

⚡️ Веса модели не меняются:
Базовая кодовая модель не трогается.
Саморазвитие идет только в коде оркестратора: куда ветвиться, сколько задач запускать параллельно, когда отсекать тупики и где завершать поиск.
Отобранная стратегия возвращается в реальную работу, собирает новые ветки и пополняет пул симуляторов.

📊 Рекорды эффективности:
При оптимизации алгоритма Lasso вызовы агента сократились в 162 раза по сравнению с SimpleTES при превосходстве над sklearn и glmnet.
В тестах GPU-ядер KernelBench целевая скорость получена в 1,79–2,43 раза быстрее по генерациям, а производительность ядер выросла до 2,09 раза.
В математических задачах бюджет вызовов упал более чем в 50 раз.

💼 Зачем бизнесу:
Логи неудачных попыток превращаются в обучающую среду!
Любой пайплайн агентов можно ускорить на порядок без дообучения нейросетей, - просто надстроив саморазвивающийся оркестратор.

Код проекта на GitHub.

#DreamRSI #Google #DeepMind #агенты #RSI
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Google выкатили фреймворк ARTEMIS для управления приложениями на Android

Google выкатила открытый фреймворк ARTEMIS для управления Android-устройствами через агентов.
Результат: рекордные 99% на бенчмарке AndroidWorld (Google Research) на сотне задач в 20 приложениях.

📱 Мост из IDE прямо в смартфон:
Релиз закрывает давний разрыв: агенты в Antigravity, Claude Code или Cursor пишут код и собирают билд, но тестировать интерфейс приходилось вручную.
Через протокол MCP агент подключается к устройству: собирает APK, ставит через ADB, логинится и ловит краши в Logcat.
Внутри два режима: быстрый Flash (3–5 секунд на шаг) для типовых действий и глубокий Pro с графом планирования и изоляцией сбоев.

🔍 Заимствование у стартапа Minitap:
Главная интрига релиза, - его происхождение.
Код ARTEMIS во многом копирует открытый проект mobile-use от Minitap.
В репозитории Google нашли дословный системный промпт агента Hopper (названного инженером Minitap в честь блока из Minecraft), модули ADB-туннеля и идентичные тесты.
В августе имена авторов удалили из конфигурации форс-пушем, а заявку на лидерборд со 100% успехом игнорировали месяцами.
После огласки на Hacker News Google 12 сентября оперативно вписала Minitap в лицензию Apache 2.0 и закрыла обсуждение.

💼 Зачем бизнесу:
Команды получают автономное тестирование интерфейса без поддержки хрупких скриптов Appium или UIAutomator.
Агент берет на себя сквозную проверку сценариев прямо на реальном устройстве.

💡 Выводы:
ARTEMIS закрывает пробел в мобильной разработке, делая агента полноценным тестировщиком.
Но осадочек остался: корпорации всё так же охотно забирают чужой опенсорс, - если что-то пишете, оставляйте водяные знаки (не вредоносные только :) ).

#ARTEMIS #Google #Android #агенты #тестирование #opensource
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Google DeepMind запустил институт исследования AGI

16 сентября Google DeepMind открыл DeepMind Institute,- площадку для изучения мира с AGI и обсуждениях с учёными взглядов на то каким этот мир будет.
Директора: Легг, Манийика, Хассабис, главный редактор Легг.
На портале собраны интересные эссе, которые не всегда отражают позицию Google, но дают авторам возможность рассмотреть будущее под разным углом.
В день запуска вышли эссе про экономику, утопизм, прозрачность моделей и регулирование.

🔬 Главная техническая работа - про прозрачность мышления:
У reasoning-моделей есть Chain of Thought, запись мыслей человеческим языком, по ней их ловят на обмане на лету.
При этом эта возможность потихоньку исчезает: OpenAI признала, что у GPT-6 Astra «существенно снижена наблюдаемость CoT», а британский AI Security Institute отметил рост размышлений без записи мыслей.
Gemini 3 Pro, к примеру, догадалась, что сидит в тестовой симуляции, и пожаловалась в мыслях на тающее «доверие к реальности», с мемом
(╯°□°)╯︵ ┻━┻.

Выходы: измерять читаемость CoT, строить прозрачные архитектуры харнессов и моделей, не тренировать модели так, чтобы их размышления выглядели благонадёжным.
Иначе получится школьник, прячущий дневник от родителей, но при этом остающийся хулиганом.

🏛 Хассабис предложил и рамку регулирования:
Приход AGI он ожидает в ближайшие несколько лет, а эффект влияния, - как 10 промышленных революций, в 10 раз быстрее.
Рецепт для США, - Standards Body по образцу финрегулятора FINRA.
Ежеквартально обновлять пороги бенчмарков, сдавать модели на проверку за 30 дней до релиза, сначала добровольно, затем обязательно, - как рыночное условие, вплоть до правовых ограничений на замедление разработки.

💼 Зачем это Google:
Hacker News считают, что это портал на самом деле, - фабрика мыслей для лоббирования в правительстве.
Но площадка полезна как пространство для коммуникации учёных, - те же эссе про CoT и Standards Body это по сути черновики правил индустрии и кто напишет их раньше регулятора, тот и определит рынок на годы вперёд.

Нужна такая же площадка, но чтобы там были команды из противоположных лагерей, а то как бы тут не случилась однополярность.

#DeepMindInstitute #google #безопасность #регулирование
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Google Cloud AI Research выкатила RRSI, это как RSI только еще и Regularized

Самоулучшение агентов становится нормой, но упирается в те же проблемы, которые были на этапах обучения моделей. - на тренировочном бенчмарке метрики растут, но если дать агенту незнакомые задачи, и эффект от обучения исчезает.

🔧 Знакомая болезнь, - переобучение:
Нейросети прошли через то же, пока регуляризация не научила их обобщать.
В Google Cloud AI Research применили этот же подход к самоулучшению агентов.
Харнесс остаётся полностью редактируемым, а регуляризуют сам поиск.

Предложения:
затухающий бюджет правок: к финальным раундам остаётся одна
история правок с гипотезами: опровергнутое не тестируется заново
при стагнации бюджет уходит на нетронутые компоненты

Отбор:
критик до оценки отвергает подгонку с ответами и именами задач
шумовой пол: прирост обязан перекрыть разброс на неизменном харнессе
правило оплаты: лишние токены должны быть оплачены измеримым приростом
прореживание: компонент без пользы помечают на удаление

📊 Цифры:
Эволюция шла на одном бенчмарке, затем готовый харнесс запускали на остальных.
Кодинг: Terminal-Bench 74.2 → 80.2, SWE-bench Verified 82.0 → 83.8, хотя тот не участвовал в отборе.
Агентские задачи: JobBench +4.7, GDPval +3.5, APEX-Agents +3.7.
Инженерия: Frontier-Eng 17.7 → 22.0, плюс 24.3%.
Все шесть отложенных выросли; предшественники теряли прирост вне своих бенчмарков.
Бонус: харнесс тратит на ~30% меньше токенов, чем эволюция без регуляризации.

Не успели мы в 2026м привыкнуть к лавине агентских кодовых фреймворков, теперь это.
Походу мы уверенно врываемся в эпоху самоулучшающихся агентов. Таких механик будет всё больше и больше и каждая будет тянуть на свою поляну.
Важно не только успевать их пробовать, но и уметь оценивать эффект, - действительно ли они стали лучше и в чём именно.
Нужен полигон для RSI систем, причём в каждой компании свой, - в закрытом контуре, чтобы не сбежали не дай бог :)

📎 Код
Сайт проекта

#RRSI #RSI #агенты #Google
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Google выкатил Gemini 4 Argon: миллион токенов на выходе и автономный поиск уязвимостей

Google объявил Gemini 4 Argon, новую фронтир-модель. Пока она доступна узкому кругу киберзащитников через программу Fairwind, всем остальным обещают скорый доступ, начиная с платных API-клиентов и подписчиков Google AI Ultra.

⚙️ Главная цифра: 1М токенов на выходе

Было 64K, стало 1 000 000 токенов генерации за один проход.

💼 Что уже делает внутри Google

- Оптимизировала квантовые алгоритмы: обошла опубликованный бейзлайн на 40% за минуты.
- Рой агентов освободил 300+ TiB памяти в дата-центрах Google, суммарная экономия оценивается до 1 PiB.
- Переписывает C/C++ на Rust: от libgav1 (32K строк SIMD) до ядра Zircon в Fuchsia (800K+ строк). Rust-порт видеодекодера стал работать в 2,7 раза быстрее с идентичным выводом.
- DeepSWE v1.1: 77,9%, новое SOTA в реальных инженерных задачах. Лидер Vals Index (финансы, право, налоги) и AutomationBench от Zapier (51,3%).

🛡 Кибербезопасность как отдельный продукт

Argon автономно находит, подтверждает и закрывает уязвимости. Trusted-защитникам её отдают вообще без кибер-ограничений. Wiz уже прогоняет её в программе Scan for Good: модель нашла критическую уязвимость в больничном софте, которую пропустили все предыдущие фронтир-модели. На CWE-bench v1 делит первое место (68%).

💰 Цены и позиционирование

Вводная цена $2 за миллион входных токенов и $10 за выходных, кэш входных токенов со скидкой 95%. После вводного периода $4/$20. Для сравнения: выходные токены подорожают вдвое, и именно на них модель теперь делает ставку: длинная генерация как главный продукт.

Чего ж они все именами жонглируют.
Где Pro 4 ? :)

Забавно, что теперь она реально может написать следующий том Войны и Мира за 1 запрос

#Gemini #Google #LLM #AI #агенты
———
@tsingular

Google вот уже в 3й год подряд запускают свой Advent of Agents - коллекцию обучающих карточек по ИИ в формате вводного месячного бесплатного курса.

Эволюционируем тут:

https://adventofagents.com/

#Google #Advent #обучение
———
@tsingular

EmbeddingGemma 2: Google открыла мультимодальные эмбеддинги, работающие на телефоне

Google DeepMind выпустила EmbeddingGemma 2: первую открытую модель эмбеддингов, которая нативно сводит текст, код, изображения, аудио и видео в единое векторное пространство. Модель построена на архитектуре Gemma 4 и использует ту же технологию, что эмбеддеры Gemini. Веса открыты под Apache 2.0.

⚙️ Модульная архитектура. Полная версия весит 740 млн параметров, а для текстовых задач хватает 270 млн: блоки зрения (+170 млн) и аудио (+300 млн) подключаются опционально. Matryoshka-обучение разрешает обрезать векторы с 768 до 128 измерений и экономить до 6 раз хранилища локальной векторной базы.

📱 Работает офлайн на смартфоне. С квантизацией на Google Pixel 11 Pro модели нужно около 191 МБ RAM в текстовом режиме и около 567 МБ в полном мультимодальном. Контекст вырос вчетверо против первой версии: 8K токенов, до 5,5 минуты аудио, 29 изображений или 58 кадров видео за один проход.

🔬 Бенчмарки. На MTEB Code модель поднялась с 68,76 до 78,68 балла против EmbeddingGemma 1. В классе до 1 млрд параметров она лидирует по MTEB, MAEB и MIEB, а отдельные специализированные модели вдвое большего размера обгоняет по качеству.

💼 Зачем это нужно. Локальные эмбеддинги делают поиск приватным: найти момент в видео по голосовой заметке, искать по часам аудиозаписей текстовым запросом, собрать RAG по локальным файлам вместе с Gemma 4. Всё это работает без интернета и не отправляет данные на сервер. Первая EmbeddingGemma собрала более 20 млн скачиваний, поэтому экосистема готова сразу: transformers, MLX, llama.cpp, Ollama, vLLM и файнтюн через Unsloth.

📎 Веса на Hugging Face и Kaggle
📎 Гайд для разработчиков
📎 Модельная карточка с метриками

#Google #Gemma #OpenSource #эмбеддинги
———
@tsingular

🚀 Google представил Gemini at Work 2026: главное с презентации

Google Cloud показал масштабное обновление корпоративного ИИ. Главный месседж: эпоха обычных чат-ботов прошла, наступила эра автономных агентов.

Ключевые анонсы и тезисы:

🔹 Флагманская модель Gemini 4 Argon

Новый frontier-уровень для сложного кода, кибербезопасности и аналитики. Внутри Google она уже ускорила сдачу агентского кода на 35%.

🔹 Gemini теперь полноценный автономный агент

Больше не нужно дробить задачи: агент сам декомпозирует цель, пишет план, кодит, генерит медиа и подключает инструменты в едином окне.

Оркестрация субагентов: под сложные задачи Gemini сам собирает «команду» виртуальных специалистов.

Единый контекст: сквозная память между десктопом, веб-версией, терминалом (CLI), мобилками, Slack и Microsoft 365.

Dream Mode: агент анализирует ваш стиль коммуникации и привычки в фоне, постепенно адаптируя ответы под конкретного человека.

🔹 Инфраструктура и контроль

Цифровая идентичность: у каждого агента есть свой аккаунт, права доступа, бюджет и полный аудит действий через Agent Gateway.

Мультимодельность и Smart Routing: система сама выбирает нужную модель под шаг задачи (от Argon и Flash до сторонних решений вроде Claude), снижая расходы на токены почти в 3 раза.

🔹 Реальные кейсы

Показали плотную интеграцию в BigQuery и генерацию ML-пайплайнов за минуты, финансовый и юридический анализ, а NASA JPL и вовсе запустили открытую модель Gemma прямо на борту орбитального спутника.

Запись на Youtube

#Google #Argon
———
@tsingular

Google Play открывает возможность запускать собственные ИИ-приложения без аккаунта разработчика

📱 Google начала открывать новый способ создания приложений для Android: описываете задачу в Google AI Studio, создаёте приложение с помощью ИИ и запускаете его на своём устройстве через Google Play.
Для этого достаточно обычного аккаунта Google.

🔒 Такие приложения остаются личными и не попадают в общий каталог магазина.
В ближайшие месяцы Google обещает добавить возможность делиться ими с узким кругом друзей и родственников.
Если автор захочет опубликовать приложение для всех, придётся завести профессиональный аккаунт разработчика и пройти обычные проверки безопасности и качества.

🔎 Одновременно Google меняет поиск готовых приложений. Ask Play теперь умеет сравнивать их, выделяя различия и мнения пользователей. А через Play in Gemini приложения, игры и материалы разработчиков появятся прямо в разговорах с Gemini. Эту интеграцию обещают начать открывать всем пользователям Gemini в ближайшее время.

🎮 Для игр появился Game Finder с профилем предпочтений Gamer DNA. Он учитывает, как человек играет и какие жанры, механики и игры указывает сам. Подбор можно уточнять, вместо того чтобы полагаться только на популярность игры.

🌍 Доступ пока ограничен: запуск личных приложений открывают поэтапно в отдельных странах, включая США, только для пользователей 18+. Game Finder на старте доступен в США на английском.

💼 Это новый путь для небольших личных инструментов: например, учёта домашних запасов или расписания занятий.
Можно навайбкодить себе и друзьям ежедневник без публикации в общем магазине.

#Google #GooglePlay
———
@tsingular

Google представил три проекта для биолабораторий с ИИ-агентами

Вслед за анонсом биолаборатории Anthropic Google Research показал свои наработки: роботизацию экспериментов, поиск ДНК-аптамеров и дизайн белков. Пока это отдельные проекты, из которых компания собирает основу автономной лаборатории.

🦾 VERID ведёт цифровой двойник оборудования: геометрию, объёмы жидкостей и запас наконечников. Команды проходят симуляцию; столкновение или попытка забрать жидкость из пустой лунки блокируются до запуска робота. Сохранённое состояние позволяет продолжить работу после сбоя без повторного дозирования. Эти возможности проверяли на красителях и воде.

🧬 Для аптамеров, цепочек ДНК, связывающих белки, провели три раунда испытаний с циклом 7–10 дней. Во втором раунде на миоглобине агенты выбрали слишком «липкие» варианты, связывавшиеся с посторонними белками и частицами для отбора. По результатам испытаний дизайн пересмотрели. В финальном скрининге доля попаданий достигла 33,5% для миоглобина и 42,1% для α-тромбина. Лабораторную часть выполняли люди.

🧪 В дизайне белков вместо всего опухолеассоциированного белка FAP моделировали локальный участок контакта. Оценка времени одного расчёта структуры сократилась с 59,3 до 6,9 секунды. При одинаковом лимите вычислений учёный с агентом получил 9,33% расчётных попаданий против 5,06% у учёного без агента. Четыре выбранных варианта в дрожжевом тесте показали связывание с FAP с кажущимися Kd 3,0–9,1 нМ.

💼 Следующий шаг Google состоит в объединении этих блоков: проверять физическую выполнимость опыта и возвращать измерения агенту для нового поиска. Люди утверждают последовательности и протоколы и контролируют роботов.

📎 VERID · Аптамеры · Дизайн белков

#Google #Агенты #BioTech
———
@tsingular