„Google DeepMind“ paskelbė tyrimą apie SynthIDBio sistemą, kuri žymi AI sukurtus baltymus vandens ženklais, nepažeidžiant jų funkcijos. Sistema, sukurta remiantis „Google“ SynthID technologija (naudojama teksto/vaizdų vandens ženklams), veikia kartu su ProteinMPNN – populiariu baltymų projektavimo įrankiu – ir įterpia aptinkamus signalus amino rūgščių parinkimo metu. Vandens ženklas pasiskirsto atsitiktinai per visą baltymo seką ir gali būti aptiktas naudojant kriptografinį raktą, nors baltymai turi tik 20 amino rūgščių ir žymiai mažiau vietos signalui paslėpti nei vaizdai.
„Google“ išleidžia „Guided Vision“ funkciją „Gemini Live“ suderinamuose „Android“ įrenginiuose – ji leidžia dalintis telefono kamera ir gauti realaus laiko garsinius aprašymus apie aplinką, objektus ar smulkų tekstą. Funkcija skirta aklumą ar silpnaregystę turintiems žmonėms, panašiai kaip „Apple“ „VoiceOver Live Recognition“. Naudotojai gali užduoti papildomus klausimus, pvz., paprašyti perskaityti galiojimo datą ant rasto produkto; funkcija taip pat pasiekiama per „Google TalkBack“ arba prieinamumo nuorodą „Android 9“ ir naujesnėse versijose.
OpenAI visame pasaulyje paleido dvi naujas apsipirkimo funkcijas ChatGPT: virtualų matavimąsi, leidžiantį vartotojams įkelti nuotrauką ir pamatyti, kaip jiems atrodytų drabužiai ar aksesuarai, bei funkciją „Favorites“, skirtą produktams išsaugoti bibliotekoje vėlesniam naudojimui. Abi funkcijos naudoja naujai pristatytą modelį ChatGPT Images 2.5, kuris, anot OpenAI, pagerina apšvietimą, tekstūras, instrukcijų vykdymą ir sumažina vaizdų generavimo vėlavimą. Tai seka po to, kai OpenAI atsisakė anksčiau pristatytos, bet nepasiteisinusios „instant checkout“ funkcijos.
„Google“ TPU inžinerijos komanda nuo nulio atkūrė visiškai atvirą Allen Institute for AI (Ai2) modelį Olmo 3 7B, naudodama JAX/XLA pagrindu veikiančią mokymo sistemą MaxText, ir sutapo su Ai2 PyTorch/GPU etaloniniu paleidimu pagal realių (angl. held-out) metrikų rezultatus, o ne vien pagal nuostolių kreivę. Atkūrimas apėmė 1-ąjį pre-training etapą (~5,93 trln. žymenų, 1,41 mln. žingsnių) ir 2-ąjį vidurinio mokymo „anneal“ etapą, taip pat Olmo 3 nestandartinės architektūros (pertvarkytas normos blokas, QK-norm, 3:1 slankaus/globalaus dėmesio santykis) perkėlimą į JAX. Komanda taip pat aptiko ir pataisė subtilią duomenų įkėlimo klaidą, dėl kurios mokymo nuostoliai klaidingai atrodė geresni dėl atminimo (memorization) efekto.
Google inžinieriai aprašo, kaip jie įgyvendino retą (sparse) erdvinio-laikinio dėmesio (attention) skaičiavimą vaizdo difuzijos modeliams TPU v6e lustuose, paversdami teorinį Sparse VideoGen (SVG) metodo retumą realiu aparatinės įrangos pagreičiu. Per kelis branduolio optimizavimo etapus (plytelių specializaciją, dydžio derinimą ir kaukės suderinimą su plytelėmis) jie sumažino dėmesio skaičiavimo laiką nuo 96,37 ms (naivus retas variantas) iki 32,76 ms – tai 2,40 karto greičiau nei tankus Splash Attention viename TPU v6e luste, naudojant 75,6 tūkst. token, 10 galvų ir 128 galvos dimensiją.
„Google DeepMind“ pristatė „SynthID Bio“ – vandenženklinimo technologiją, kuri įterpia nepastebimą, patikrinamą parašą į AI sukurtus baltymus ir jų 3D struktūras, nepakenkiant jų biologinei funkcijai. Sistema išbandyta su baltymų jungikliais (VEGF-A, SARS-CoV-2 spyglio RBD, PD-L1) naudojant „AlphaProteo“ ir modifikuotą „ProteinMPNN“, taip pat įdiegta į „AlphaFold 3“ difuzijos tinklą struktūrų vandenženklinimui. „DeepMind“ taip pat bendradarbiauja su Stanfordo „Hie“ laboratorija ir „Arc Institute“, pritaikydama metodą „Evo 2“ genominiam modeliui bakteriofagų genomų vandenženklinimui. Tikslas – sustiprinti biosaugumą, padedant DNR sintezės patikros teikėjams ir viešosioms duomenų bazėms patikrinti AI sukurtų biologinių dizainų kilmę.
„Google Cloud“ viešosios peržiūros režimu pristatė nuotolinį MCP serverį, suteikiantį AI agentams prieigą prie gcloud ir bq komandinės eilutės įrankių per du įrankius: run_gcloud_command ir run_bq_command. Serveris veikia izoliuotoje, tinklo apribojimais apsaugotoje smėlio dėžėje „Google Cloud“ infrastruktūroje, todėl agentams nereikia diegti ar palaikyti vietinių CLI dvejetainių failų. Autentifikacija vyksta per Agent Identity, OAuth 2.0 ir IAM, integruojama su Model Armor apsauga nuo prompt injection, palaikomas Cloud Audit Logging visiškam matomumui.
Google paskelbė, kad „Antigravity SDK“ dabar palaiko agentinių darbo eigų vykdymą lokaliai ir neprisijungus prie interneto, pradedant „Gemma 4 26B A4B“ modeliu per „Google AI Edge“ „LiteRT“. Kūrėjai gali kurti agentus, veikiančius visiškai įrenginyje, be debesijos API kaštų ar priklausomybės nuo interneto. Google taip pat pademonstravo hibridinį „Architect-Builder“ modelį, kai debesijos modelis („Gemini 3.8 Flash“) planuoja užduotis, o lokalus „Gemma 4 26B“ modelių pulkas atlieka pagrindinį darbą, neišsiunčiant šaltinio kodo į debesiją.
„Google Cloud API Gateway“ viešoje peržiūroje (Public Preview) dabar gali veikti kaip nuotolinis MCP serveris. Pažymėjus esamą OpenAPI specifikaciją (naudojant x-google-api-management.mcp ir x-google-mcp-tool), esamos REST operacijos tampa agentams prieinamais MCP įrankiais be atskiro MCP serverio kūrimo ar palaikymo. Esama autentifikacija (JWT/API raktas), kvotos ir žurnalavimas veikia nepakitę, nes MCP ir REST srautai naudoja tą pačią politikos tvarką.
