เนมสเปซ eval ของ Agents CLI จาก Google รันลูป hill-climbing สำหรับเอเจนต์: eval generate, grade, compare, analyze และ optimize ในตัวอย่างการใช้งานกับเทมเพลต LangChain ใน Agents CLI v1.8.0 คะแนนพื้นฐานอยู่ที่ 4.0/5 โดยใช้ gemini-3.8-flash เป็นผู้ตัดสิน และพรอมต์ระบบเชฟที่ผิดทำให้คะแนนลดลงเหลือ 2.75
Google เปิดตัว LiteRT รันไทม์สำหรับการประมวลผลบนอุปกรณ์ใน Google Play services โดยมีความเร็วในการประมวลผลด้วย GPU ประมาณ 1.4 เท่าของ GPU delegate เวอร์ชันเก่า และเพิ่ม CompiledModel API ใหม่
นักพัฒนา Google Cloud สร้าง HappyDelivery ต้นแบบที่ใช้งานได้จริงของ conversational commerce โดยใช้ LangGraph, Gemini, FastAPI และ Google Cloud ตามพิมพ์เขียวสามชั้นก่อนหน้า ได้แก่ Ingress, Memory และ Cognition ชั้น Ingress ตรวจสอบลายเซ็น webhook เฉพาะแพลตฟอร์มสำหรับ WhatsApp, RCS, Apple Messages และ SMS ปรับ payload ให้เป็นสคีมากลางและส่งต่อไปยัง Pub/Sub โดยตอบกลับ HTTP 200 ภายในประมาณ 300ms บทความอธิบายโค้ด เครื่องสถานะ เครื่องมือทางการเงินแบบดีเทอร์มินิสติก และชุดการตรวจสอบอัตโนมัติ
Google เปิดตัวรูปแบบการอนุมานที่สลับได้สำหรับ A2UI ซึ่งเป็นโปรโตคอลที่ปรับแต่งสำหรับเอเจนต์เพื่อสร้าง UI แบบเจเนอเรทีฟ ช่วยให้เอเจนต์สร้างรูปแบบกลางที่คอมไพเลอร์ของ SDK แปลงเป็นข้อความ A2UI ที่ผ่านการตรวจสอบ รูปแบบเริ่มต้นใหม่ A2UI Express ใช้โทเค็นน้อยกว่า Direct JSON ถึง 3 เท่าสำหรับ UI เดียวกัน และลดเวลาตอบสนองได้ถึง 3 เท่า พร้อมมีให้ใช้ใน SDK ภาษา Python (a2ui-agent-sdk 0.9.0), TypeScript (@a2ui/agent) และ Dart Google ยังได้สาธิตโมเดลการตัดสินใจ เช่น Jev ของ TypeSafe ที่เลือกจากเลย์เอาต์ที่กำหนดไว้ล่วงหน้า ซึ่งระบุว่าสามารถลดเวลาตอบสนองได้ถึง 80 เท่า ในตัวอย่าง Apparite หน้าจอเสร็จสมบูรณ์ภายใน 0.8 ถึง 1.7 วินาที across 11 พรอมต์
Google Workspace ตอนนี้ให้ผู้ใช้ดู แก้ไข และทำงานร่วมกันบนไฟล์ markdown (.md) ได้โดยตรงใน Google Docs และ Drive โดยไม่ต้องแปลงเป็นรูปแบบอื่น ไฟล์ยังคงประเภท .md และมีป้ายกำกับที่มองเห็นได้ในส่วนหัวของเอกสาร ขณะที่ Drive มีการแสดงตัวอย่างที่เรนเดอร์แล้วพร้อมตารางและไฮเปอร์ลิงก์ หรือสลับไปดูข้อความดิบได้ Google มองว่า markdown เป็นภาษากลางสำหรับทั้งมนุษย์และ AI agent โดยมีการแก้ไขร่วมกันแบบเรียลไทม์ ความคิดเห็นระดับบรรทัด และประวัติเวอร์ชันที่ครอบคลุมทั้งการแก้ไขของมนุษย์และ agent ใครก็ตามที่มีบัญชี Google หรือ Workspace สามารถเริ่มต้นได้โดยอัปโหลดไฟล์ .md ไปยัง Drive
Google Research เปิดเผยในงาน IDWeek 2026 ว่าโมเดลคัดกรองวัณโรคจากภาพเอกซเรย์ทรวงอก พัฒนาจาก benchmark ในวารสาร Radiology ปี 2019 สู่เครื่องมือที่ได้รับการรับรอง CE MDR Class IIb ซึ่งพันธมิตร Nexus AI นำไปใช้งานในสถานพยาบาลราว 40 แห่งทั่ว 6 ประเทศ โดยแพทย์กว่า 90 คนได้ประเมินภาพรังสีทรวงอกกว่า 25,000 ภาพ ลดเวลาตอบสนองจากหลายสัปดาห์เหลือต่ำกว่า 45 วินาที และเครื่องมือนี้ยังถูกนำไปใช้งานแบบออฟไลน์ที่ระดับความลึก 4 กิโลเมตรใต้ดินในเหมืองทองคำ Mponeng ของแอฟริกาใต้ นอกจากนี้ Google ยังเปิดโอเพนซอร์ส chest X-ray embeddings และ MedSigLIP ผ่าน HAI-DEF และเผยแพร่ MedGemma ซึ่งระบุว่ามียอดดาวน์โหลดเกิน 10 ล้านครั้ง ขณะที่กระทรวงสาธารณสุขอินโดนีเซียกำลัง fine-tuning โมเดลทั้งสองด้วยภาพรังสีในประเทศสำหรับโครงการคัดกรองระดับชาติ
Google Research เผยแพร่การศึกษาระยะยาวหลายศูนย์ใน JAMA Network Open พบว่าโมเดล AI ของบริษัทสามารถประเมินอายุครรภ์จากภาพอัลตราซาวนด์แบบ blind sweep โดยมีค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย 4.18 วัน เทียบกับ 4.48 วันสำหรับผู้เชี่ยวชาญด้านอัลตราซาวนด์ที่ใช้การวัดแบบมาตรฐาน โมเดลนี้ถูกปรับแต่งเพียงเล็กน้อยกับผู้เข้าร่วม 120 คนในชิคาโก และทดสอบโดยไม่มีการปรับแต่งเฉพาะพื้นที่ในไนโรบี ซึ่งได้ค่า MAE 4.27 วัน เทียบกับ 4.10 วันในชิคาโก งานวิจัยนี้มุ่งเป้าไปที่การดูแลสุขภาพแม่ในระดับแนวหน้า ซึ่ง WHO ประเมินว่ามีการเสียชีวิตที่เกี่ยวข้องกับการตั้งครรภ์ที่ป้องกันได้มากกว่า 250,000 รายต่อปี และสองในสามของผู้คนขาดการเข้าถึงการวินิจฉัยด้วยภาพ
Anthropic บริจาค Agent Skills ซึ่งเป็นมาตรฐานเปิดสำหรับมอบความรู้และเวิร์กโฟลว์เฉพาะทางให้แก่ AI agents ให้แก่ Agentic AI Foundation (AAIF) ภายใต้ Linux Foundation นับตั้งแต่เผยแพร่ในเดือนธันวาคม 2025 มีแพลตฟอร์ม agent มากกว่า 70 แห่งรวมถึง ChatGPT, Cursor, GitHub Copilot และ VS Code ได้ผสานรวมมาตรฐานนี้แล้ว โดยมี skills ที่เผยแพร่ 1 ล้านรายการและติดตั้งเกือบ 280 ล้านครั้ง การบริจาคครอบคลุมชื่อและโลโก้ Agent Skills, องค์กร GitHub และโดเมน agentskills.io โดยมีวิศวกรจาก Anthropic, Google, OpenAI และบริษัทอื่นๆ ดูแลในฐานะบุคคลภายใต้ Lead Maintainers David Soria Parra และ Mahesh Murag
ทำไมเรื่องนี้สำคัญ: Anthropic มอบมาตรฐาน Agent Skills ให้แก่ AAIF ของ Linux Foundation ซึ่งเป็นบ้านกลางแห่งเดียวกับ MCP ทำให้ชุมชนมีเสียงอย่างเป็นทางการต่อ roadmap ของข้อกำหนดนี้
นักวิจัยของ Google Cloud เปิดตัว Project Chrysalis สถาปัตยกรรมอ้างอิงสำหรับ AI Agent ที่กำกับดูแลได้และพัฒนาตนเองได้ ซึ่งสร้างบนแพลตฟอร์ม Gemini และ Agent Development Kit (ADK) ในการจำลองเหตุการณ์ระบบล่มจาก cache-stampede ในช่วง Black Friday โครงการนี้ลดเวลาตั้งแต่เริ่มเกิดเหตุจนถึงการบรรเทาผลกระทบครั้งแรกจาก 15–45 นาทีเหลือ 1.8 วินาที ลดข้อผิดพลาด HTTP 5xx จาก 72.7%–80.0% เหลือ 0.0% และลด P99 latency จาก 519.8 ms เหลือ 18.2 ms ทุกการกระทำอัตโนมัติถูกจำกัดขอบเขตด้วย Model Armor, Cloud KMS, Binary Authorization, OPA Policy Controller และการลงนามอนุมัติโดยมนุษย์แบบ dual-custody ในกระบวนการ human-in-the-loop
Google Cloud API Gateway รองรับสตรีมมิ่งใน Public Preview แล้ว ทำให้ endpoint แบบ SSE, chunked HTTP, WebSocket และ gRPC streaming อยู่หลังเกตเวย์และนโยบายเดียวกับ API ที่มีอยู่เดิม การเปิดสตรีมมิ่งทำได้ด้วยแฟล็ก --enable-streaming เพียงตัวเดียวตอนสร้างเกตเวย์ ไม่ต้องแก้ไข API spec และยังคงการบังคับใช้ API key, การตรวจสอบ JWT, การยืนยันตัวตนด้วย service account รวมถึง Cloud Logging และ Monitoring ทำงานเหมือนเดิม เกตเวย์ยังได้ชื่อโฮสต์เริ่มต้นแบบกำหนดแน่นอนเป็น GATEWAY_ID-PROJECT_NUMBER.REGION.gateway.dev และสตรีมสามารถเปิดค้างไว้ได้นานสูงสุดหนึ่งชั่วโมง
Google Agents CLI เวอร์ชัน 1.8.0 เปิดตัวระบบ Extension ซึ่งเริ่มมีตั้งแต่ v1.5.0 ช่วยให้นักพัฒนาสามารถ override หรือเพิ่มคำสั่งได้โดยไม่ต้อง fork เครื่องมือ และ v1.8.0 ยังมาพร้อม LangChain extension จากทีมแรก โดยเทมเพลต LangChain จะสร้างโปรเจกต์ที่ไม่มี dependency ของ google-adk และ deploy ไปยัง Cloud Run ผ่านเส้นทางโค้ดเดียวกับโปรเจกต์ ADK ขณะที่คำสั่งที่ผูกกับ ADK หกคำสั่ง เช่น playground, run และ eval generate จะถูกแทนที่หรือถูกปฏิเสธอย่างชัดเจน Extension ถูกเผยแพร่เป็นไดเรกทอรีใน Git repository พร้อม lockfile ที่ pin commit SHA แบบเจาะจง และระบบนี้ถูกทำเครื่องหมายว่าเป็น experimental ใน v1.8.0
Google ได้เผยแพร่ TPU fork ของ TorchTitan จาก Meta ที่รันการฝึก PyTorch บน Cloud TPU ผ่าน backend torch.device("tpu") แบบเนทีฟของ TorchTPU พร้อมเคอร์เนลแบบ TPU-native และ playbook การปรับแต่งทีละขั้นตอน บน TPU v7x (Ironwood) Llama 3 405B รักษา MFU ประมาณ 57% ตั้งแต่ 128 ถึง 1,024 ชิป, Qwen3 235B ทำได้ 32.42% MFU บนสไลซ์ 1,024 ชิปหนึ่งสไลซ์ และ FLUX.1 ทำได้ 19.4% MFU บน 1,024 ชิปที่ประสิทธิภาพ weak-scaling 93% ฟอร์กอยู่ที่ https://github.com/google-pytorch/torchtitan/ และ Transformers modeling backend พร้อม agent onboarding skill ขยายเทรนเนอร์เดียวกันไปยังเช็กพอยต์อื่นๆ
ทำไมเรื่องนี้สำคัญ: Google ร่วมมือกับ Meta ในการพอร์ต TorchTitan ไปยัง TPU พร้อมเส้นทางการปรับแต่งทีละระดับตั้งแต่ FLUX.1 ถึง Qwen3 235B และตัวเลข MFU ซึ่งใช้เป็นข้อมูลอ้างอิงให้ทีม PyTorch ประเมินความเป็นไปได้ของการฝึกบน TPU
Google Research อธิบายโครงการสามโครงการที่มุ่งเชื่อมโยงเอเจนต์ AI เข้ากับการทดลองในห้องปฏิบัติการเปียกจริง รวมถึงกรอบงาน VERID ซึ่งเป็นดิจิทัลทวินเชิงความหมายของ workcell ในห้องปฏิบัติการที่สร้างบนกรอบงานโอเพนซอร์ส PyLabRobot ติดตามเลย์เอาต์ของ deck ปริมาตรของ well และจำนวนทิป และทดลองรันโปรโตคอลแบบ dry-run ก่อนการดำเนินการจริง
ทำไมเรื่องนี้สำคัญ: Google Research อธิบายโครงการสามโครงการที่เชื่อมต่อเอเจนต์ AI เข้ากับฮาร์ดแวร์ห้องปฏิบัติการเปียกจริง แสดงให้เห็นว่าการจำลองแบบ dry-run และการทดลองแบบ closed-loop ช่วยให้เอเจนต์แก้ไขกฎการออกแบบของตนเองได้อย่างไร
งานวิจัยที่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญของ Waymo พบว่าแม้แต่คนขับที่ไม่มีแอลกอฮอล์ในร่างกายเลยก็ยังเผชิญความเสี่ยงต่อการเสียชีวิตจากอุบัติเหตุกลางคืนสูงกว่าช่วงกลางวัน 3.1 ถึง 3.9 เท่า และการกำจัดคนขับที่เมาแอลกอฮอล์ออกไปช่วยลดการมีส่วนเกี่ยวข้องกับอุบัติเหตุเสียชีวิตในเมืองโดยเฉลี่ยลง 23% จาก 1.42 เหลือ 1.10 ต่อ 100 ล้านไมล์ การศึกษาที่สองซึ่งวิเคราะห์กรณีเสียชีวิต 37,654 กรณีในฐานข้อมูล FARS ปี 2023 แสดงให้เห็นว่าเพียง 8.2% เท่านั้นที่เกี่ยวข้องกับปัจจัยด้านพฤติกรรมของมนุษย์เพียงอย่างเดียว Waymo มองว่าผลการค้นพบนี้สนับสนุนแนวทาง Safe System Approach และสนับสนุนการ benchmarking การขับขี่อัตโนมัติเทียบกับพื้นฐานมนุษย์ที่มี BAC เป็นศูนย์
Google Cloud ประกาศให้ Replit เป็น AI Tooling Partner of the Year ประจำปี 2026 โดยยกย่องแพลตฟอร์มที่ปัจจุบันมีผู้ใช้งานมากกว่า 50 ล้านคนใน 85% ของบริษัท Fortune 500 รางวัลนี้เกิดขึ้นหลังการเปิดตัว Agent 4 ของ Replit ซึ่งบริษัทระบุว่าเร็วกว่า Agent 3 ถึง 10 เท่าและสามารถรันหลายเอเจนต์แบบขนานกันได้ Replit พร้อมใช้งานบน Google Cloud Marketplace และเชื่อมต่อกับ Cloud Run, Kubernetes Engine และ BigQuery