透過 Agents CLI 評估提升 Agent 品質
Google 的 Agents CLI 評估命名空間為 agent 執行爬山式迴圈：eval generate、grade、compare、analyze 與 optimize。在 Agents CLI v1.8.0 中對 LangChain 範本的逐步操作裡，以 gemini-3.8-flash 作為評審時，基線得分為 4.0/5，而錯誤的 chef 系統提示詞使其降至 2.75。
Google Developers BlogAI 評分4646 Google Developers BlogAI 評分5858 Google 在 Play services 中推出 LiteRT，GPU 推論提速約 1.4 倍、應用程式體積減少約 8 MB
Google 在 Google Play services 中發布 LiteRT 端側推論執行環境，其 GPU 推論速度約為舊版 GPU delegate 的 1.4 倍，並新增 CompiledModel API。
Google Developers BlogAI 評分3434 在 GCP 上以多代理集群打造對話式商務：一個可運作的原型
Google Cloud 開發者打造了 HappyDelivery，這是一個運用 LangGraph、Gemini、FastAPI 與 Google Cloud 的對話式商務可運作原型，延續了先前由 Ingress、Memory 與 Cognition 組成的三層藍圖。Ingress 層會驗證 WhatsApp、RCS、Apple Messages 與 SMS 等各平台專屬的 webhook 簽章，將承載資料正規化為共通結構，並卸載至 Pub/Sub，約在 300ms 內回傳 HTTP 200。文章逐步說明程式碼、狀態機、確定性財務工具，以及一套自動化驗證套件。
Google Developers BlogAI 評分5858 Google A2UI 新增可替換的推論格式，Express 最高可將延遲降低 3 倍
Google 為 A2UI 發布了可替換的推論格式，A2UI 是其針對生成式 UI 最佳化的代理協定，讓代理生成一種中間格式，再由 SDK 編譯器轉換為經過驗證的 A2UI 訊息。新的預設格式 A2UI Express 在相同 UI 下使用的 token 比 Direct JSON 少最多 3 倍，並將延遲降低最多 3 倍，且已隨 Python（a2ui-agent-sdk 0.9.0）、TypeScript（@a2ui/agent）與 Dart SDK 一同發布。Google 也展示了決策模型，例如 TypeSafe 的 Jev 在預先定義的版面配置中進行選擇，其表示可將延遲降低最多 80 倍；在 Apparite 範例中，11 個提示的畫面均在 0.8 至 1.7 秒內完成。
Google Developers BlogAI 評分5858 Google Docs 與 Drive 新增原生 Markdown 預覽、編輯與協作功能
Google Workspace 現在讓使用者能在 Google Docs 和 Drive 中原生檢視、編輯及協作 Markdown（.md）檔案，無需轉換成其他格式。檔案會保留 .md 類型，並在文件標題列顯示可見的標記；Drive 則提供包含表格與超連結的渲染預覽，或可切換為原始文字。Google 將 Markdown 定位為人類與 AI 代理共通的語言，支援即時共同編輯、行級註解與版本記錄，涵蓋人類與代理的修訂；任何擁有 Google 或 Workspace 帳戶的人，只要將 .md 檔案上傳到 Drive 即可開始使用。
Google ResearchAI 評分5858 Google Research 概述其結核病篩檢 AI 如何從基準測試走向獲認證的臨床部署
Google Research 在 IDWeek 2026 上說明，其胸部 X 光結核病篩檢模型如何從 2019 年《Radiology》的基準測試，進展為一款通過 CE MDR Class IIb 認證的工具，並由合作夥伴 Nexus AI 在六個國家約 40 家醫療機構部署。超過 90 名臨床醫師已評估逾 25,000 張胸部 X 光片，將周轉時間從數週縮短至 45 秒以內，該工具也已在南非 Mponeng 金礦地下四公里處離線部署。Google 已透過 HAI-DEF 開源胸部 X 光嵌入與 MedSigLIP，並發布 MedGemma，稱其下載量已突破 1,000 萬次；同時印尼衛生部正以國內 X 光片微調這兩款模型，用於全國篩檢計畫。
Google ResearchAI 評分5858 Google Research AI 模型在盲掃超音波下，於預估孕齡方面與專家超音波技術員表現相當
Google Research 在 JAMA Network Open 發表了一項前瞻性多中心研究，顯示其 AI 模型可從盲掃超音波估算孕齡，平均絕對誤差為 4.18 天，而專家超音波技術員使用標準生物測量法的誤差為 4.48 天。該模型僅在 120 名芝加哥參與者上進行了最低限度的調校，並在奈洛比未經任何本地優化的情況下進行測試，達到 4.27 天的 MAE，相較之下芝加哥為 4.10 天。這項研究針對前線孕產婦照護，世界衛生組織估計每年有超過 250,000 例可預防的妊娠相關死亡，且三分之二的人缺乏診斷影像的可及性。
Anthropic Newsroom精選AI 評分7171 Anthropic 將 Agent Skills 標準捐贈給 Agentic AI Foundation
Anthropic 將 Agent Skills 捐贈給 Linux 基金會旗下的 Agentic AI Foundation（AAIF）。Agent Skills 是一項開放標準，用於賦予 AI 代理專門知識與工作流程。自 2025 年 12 月發布以來，已有超過 70 個代理平台整合該標準，包括 ChatGPT、Cursor、GitHub Copilot 和 VS Code，共發布 100 萬項技能，安裝次數接近 2.8 億次。此次捐贈涵蓋 Agent Skills 的名稱與標誌、GitHub 組織以及 agentskills.io 網域，並由 Anthropic、Google、OpenAI 等公司的工程師以個人身分維護，首席維護者為 David Soria Parra 和 Mahesh Murag。
推薦理由：Anthropic 將其 Agent Skills 標準交給 Linux 基金會的 AAIF，與 MCP 同屬一個中立家園，讓社群對該規格的發展路線圖擁有正式話語權。
Google Developers BlogAI 評分3838 Google Cloud 的 Project Chrysalis：建構於 Gemini 與 ADK 之上、受治理且可自我演進的 AI 代理架構
Google Cloud 研究人員發表 Project Chrysalis，這是一套建構於 Gemini 平台與 Agent Development Kit（ADK）之上、受治理且可自我演進的 AI 代理參考架構。在模擬的黑色星期五快取踩踏（cache-stampede）故障情境中，它將首次緩解時間從 15–45 分鐘縮短至 1.8 秒，把 HTTP 5xx 錯誤從 72.7%–80.0% 降至 0.0%，並將 P99 延遲從 519.8 ms 降至 18.2 ms。每一個自主動作都受到 Model Armor、Cloud KMS、Binary Authorization、OPA Policy Controller 以及雙人保管的人員介入簽核機制所約束。
Google Developers BlogAI 評分5858 Google Cloud API Gateway 在公開預覽版中新增串流支援
Google Cloud API Gateway 現已在公開預覽版中支援串流，讓 SSE、分塊 HTTP、WebSocket 和 gRPC 串流端點能與現有 API 一樣置於同一個閘道與政策之後。串流可在建立閘道時透過單一 --enable-streaming 旗標啟用，無需變更 API 規格，且 API 金鑰強制執行、JWT 驗證、服務帳戶驗證以及 Cloud Logging 和 Monitoring 皆維持原有運作。閘道也會取得確定性的預設主機名稱 GATEWAY_ID-PROJECT_NUMBER.REGION.gateway.dev，串流最長可保持開啟一小時。
Google Developers BlogAI 評分5858 Google Agents CLI 1.8.0 推出擴充系統與第一方 LangChain 擴充功能
Google 的 Agents CLI 現在包含擴充系統（Extension System），於 v1.5.0 引入，讓開發者能覆寫或新增指令，而不必 fork 工具本身；v1.8.0 則推出第一方 LangChain 擴充功能。LangChain 範本會建立一個不依賴 google-adk 的專案，並透過與 ADK 專案相同的程式碼路徑部署到 Cloud Run，而 playground、run 和 eval generate 等六個與 ADK 耦合的指令則會被取代或明確拒絕執行。擴充功能以 Git 儲存庫中的目錄形式發布，並以鎖定檔固定確切的 commit SHA，該系統在 v1.8.0 中標示為實驗性。
Google Developers Blog精選AI 評分6060 Google 將 TorchTitan 接入 TorchTPU，並發布 TPU 模型最佳化手冊
Google 發布了 Meta TorchTitan 的 TPU 分支版本，可透過 TorchTPU 原生的 torch.device("tpu") 後端在 Cloud TPU 上執行 PyTorch 訓練，並附帶 TPU 原生核心與逐步最佳化指南。在 TPU v7x（Ironwood）上，Llama 3 405B 在 128 到 1,024 顆晶片之間維持約 57% MFU，Qwen3 235B 在單一 1,024 晶片切片上達到 32.42% MFU，FLUX.1 在 1,024 顆晶片上達到 19.4% MFU，弱擴展效率為 93%。該分支位於 https://github.com/google-pytorch/torchtitan/，另有 Transformers 建模後端與 agent 上手技能，可將同一訓練器延伸至其他檢查點。
推薦理由：Google 與 Meta 合作把 TorchTitan 移植到 TPU，並給出從 FLUX.1 到 Qwen3 235B 的逐級調優路徑與 MFU 數字，可作為 PyTorch 團隊評估 TPU 訓練可行性的參考。
Google Research精選AI 評分7171 Google Research 概述 VERID 與閉環代理工作流程，用於自主濕實驗室
Google Research 描述了三個旨在將 AI 代理紮根於真實濕實驗室實驗的專案，包括 VERID 框架——一個建構於開源 PyLabRobot 框架上的實驗室工作單元語義數位孿生，可追蹤平台佈局、孔槽體積與吸頭庫存，並在執行前對協議進行乾跑。
推薦理由：Google Research 概述了三個將 AI 代理連接至真實濕實驗室硬體的專案，展示模擬乾跑與閉環實驗如何讓代理修正自身的設計規則。
Waymo BlogAI 評分3030 Waymo 研究：清醒駕駛夜間致命車禍風險仍高出近 4 倍
Waymo 經同儕審查的研究發現，即使完全清醒的駕駛，夜間致命車禍風險仍比白天高出 3.1 至 3.9 倍；而移除酒精受損駕駛後，都市平均致命車禍涉入率可降低 23%，從每 1 億英里 1.42 起降至 1.10 起。另一項針對 2023 年 FARS 資料庫中 37,654 起致命案例的研究顯示，僅 8.2% 單純涉及人為行為因素。Waymo 將這些發現詮釋為對「安全系統方針」的支持，以及以零 BAC 人類基準來衡量自動駕駛的依據。
Replit BlogAI 評分2222 Replit 榮獲 2026 年 Google Cloud 年度最佳 AI 工具合作夥伴獎
Google Cloud 將 Replit 評選為 2026 年度最佳 AI 工具合作夥伴，肯定這個平台目前已有超過 5,000 萬人使用，涵蓋 85% 的《財星》500 大企業。此獎項是在 Replit 推出 Agent 4 之後頒發，該公司表示 Agent 4 比 Agent 3 快 10 倍，並可平行執行多個代理。Replit 已在 Google Cloud Marketplace 上架，並與 Cloud Run、Kubernetes Engine 和 BigQuery 整合。
Vapi BlogAI 評分2222 Gemini Flash 與 Pro：比較 Google 最新 LLM
Google 的 Gemini 2.5 Flash 與 2.5 Pro 主要差異在於速度與推理深度，兩者皆提供 1M token 上下文視窗，並原生支援於 Vapi 語音代理。Flash 首個 token 回傳時間為 0.21–0.37 秒，速度為每秒 163 個 token，每百萬輸入/輸出 token 費用為 $0.15/$0.60；Pro 費用為 $1.25/$10，並新增 Deep Think 模式，另計劃推出 2M token 視窗。
Vapi BlogAI 評分2525 為語音 AI 選擇 Gemini 模型
Vapi 說明如何在四款 Gemini 模型中為語音代理做選擇：Gemini 1.0 Pro 適合可預測、符合法規的流程，輸入每百萬 token 0.50 美元、輸出 2.00 美元；Gemini 1.5 Flash 適合高吞吐量工作，具備 100 萬 token 上下文視窗；Gemini 1.5 Pro 適合深度推理，具備 200 萬 token 視窗與 99.7% 長上下文檢索準確率；Gemini 2.0 Flash 則支援原生工具呼叫。
Modal BlogAI 評分2222 Suno 如何透過 Modal 將上市時程縮短 4 個月
Suno 使用 Modal 在數千個 GPU 上擴展推論與批次前處理，讓其音樂生成模型提前四個月上市，而不必雇用工程師來建置與維護基礎設施。團隊用幾段簡短的 Python 腳本、無需設定檔就完成了批次前處理，接著透過 HTTP 暴露的函式擴展到模型部署，並在多個模型與容器之間串接推論。Modal 可自動擴展至數千個 GPU，在無需長期預留 GPU 的情況下應付了假期需求高峰。