Google uruchomiło „Tasks in Gemini” – nową funkcję pozwalającą asystentowi na wykonywanie wieloetapowych działań w tle. Aktualizacja obejmuje zautomatyzowane zakupy przez wirtualne karty Google Pay, zarządzanie zadaniami przez SMS, automatyzację przepływów pracy za pośrednictwem poczty elektronicznej oraz „Agentic Calling” do nawiązywania połączeń i dokonywania rezerwacji.
Google udostępniło Agent Substrate 1.0, platformę open-source do obsługi sesji agentów AI w środowisku Kubernetes. Dzięki oddzieleniu sesji stanowych od zasobów obliczeniowych, możliwe jest „parkowanie” bezczynnych agentów w pamięci obiektowej, co zwalnia zasoby węzłów roboczych.
Google uruchomiło ujednolicony system obserwowalności dla agentów AI, zintegrowany bezpośrednio z platformami BigQuery i Looker. Rozwiązanie umożliwia programistom przesyłanie logów i telemetrii z agentów własnych oraz zewnętrznych (np. LangGraph) do własnych tabel w BigQuery w celu monitorowania wydajności, oceny jakości i zarządzania kosztami.
Google zademonstrowało proces, w którym Gemini 4 Argon analizuje kod asemblerowy Go, generując reguły dla solvera ograniczeń Z3. Takie podejście pozwala wyłapać błędy typu „panic”, które standardowe testy „fuzzing” często pomijają ze względu na sposób, w jaki środowisko wykonawcze Go zarządza pojemnością wycinków (slices).
Google przetestowało funkcję wykrywania anomalii agentów (Agent Anomaly Detection) przy użyciu pięciu zewnętrznych benchmarków, w tym AgentDojo i AgentHarm. Narzędzie wykryło 87% szkodliwych instrukcji wykonanych przez agentów, wykazując jednak mniejszą skuteczność w przypadku zatrutej pamięci długotrwałej.
Google zaprezentowało Gemini 4 Hydrogen, nowy model zoptymalizowany pod kątem szybkiego i efektywnego kosztowo działania w środowiskach agentowych i programistycznych. Oferuje on okno kontekstowe o wielkości 1 miliona tokenów oraz zmienne poziomy „myślenia”, co pozwala twórcom balansować między głębią rozumowania, opóźnieniami a kosztami.
Google udostępniło dwie nowe funkcje SQL w AlloyDB, ai.classify oraz ai.extract, umożliwiające uruchamianie operacji opartych na Gemini bezpośrednio w PostgreSQL 18. Funkcje te automatyzują przetwarzanie nieustrukturyzowanego tekstu, jak analiza sentymentu czy ekstrakcja do JSON, bez konieczności stosowania zewnętrznych wrapperów API.
Google wprowadziło Gemini Decisions API, oparte na nowym modelu gemini-decision-1. W przeciwieństwie do standardowych modeli generatywnych, narzędzie to przeprowadza klasyfikację i ocenę w jednym przejściu dla tekstu, dźwięku, obrazów, wideo i plików PDF, zwracając wyniki prawdopodobieństwa zamiast wygenerowanego tekstu.
Google udostępniło A2UI 1.0, stabilny, otwarty protokół, który umożliwia agentom AI generowanie natywnych, interaktywnych interfejsów zamiast zwykłego tekstu. Framework pozwala programistom definiować komponenty UI renderowane natywnie na platformach webowych, iOS oraz Android.
Google rozszerzyło swoją bibliotekę AI Edge o nowe możliwości rozpoznawania (ASR) i syntezy mowy (TTS) działające bezpośrednio na urządzeniu, bez konieczności połączenia z internetem. Deweloperzy mogą teraz integrować te wydajne modele za pomocą ML Kit dla Androida lub wieloplatformowego MediaPipe, wspierając ponad 100 języków przy wysokiej efektywności energetycznej.
Narzędzie n8n zintegrowało najnowszy model Google, Gemini 4 Carbon, zaprojektowany z myślą o złożonej automatyzacji, zadaniach z zakresu cyberbezpieczeństwa i zwiększonej niezawodności agentów. Model wprowadza znaczące usprawnienia w obsłudze długotrwałych, wieloetapowych przepływów pracy oraz wykazuje dużą odporność na ataki typu prompt injection.
Google wprowadziło Gemini 4 Carbon, nowy model klasy frontier zaprojektowany do złożonego, wieloetapowego wnioskowania, inżynierii oprogramowania i zadań z zakresu cyberbezpieczeństwa. Model jest już dostępny poprzez API oraz w Google Antigravity, oferując lepszą wydajność w procesach agentowych i efektywność kosztową.
Google DeepMind wprowadziło Gemini Robotics 2.5, nowy model typu vision-language-action, zaprojektowany w celu poprawy zręczności i niezawodności robotów w nieustrukturyzowanych środowiskach. Model został przetestowany w ponad 200 zadaniach, wykazując znaczący wzrost szybkości i precyzji wykonania, osiągając 96% skuteczności w kompletowaniu części samochodowych w zakładach Mercedes-Benz.
Google Cloud udostępniło Gemini for healthcare, platformę stworzoną w celu integracji rozproszonych danych klinicznych i administracyjnych w ujednolicone procesy robocze. Rozwiązanie koncentruje się na zmniejszeniu obciążenia administracyjnego lekarzy poprzez automatyzację zadań, takich jak synteza dokumentacji medycznej i weryfikacja uprawnień.
Google DeepMind zaprezentowało AlphaProof Code, framework agentowy wykorzystujący modele Gemini Carbon do przeprowadzania formalnej weryfikacji złożonych protokołów kryptograficznych. Generując dowody w języku Lean, system skutecznie zweryfikował implementację protokołu Signal w cztery tygodnie – zadanie, które historycznie wymagało lat pracy ekspertów.
Google zaktualizowało framework do trenowania modeli typu open-source, MaxText, wprowadzając wsparcie dla ekstremalnie długich sekwencji na jednostkach Cloud TPU. Dzięki czterem nowym strategiom paralelizacji kontekstu, możliwe jest wydajne trenowanie modeli o zasięgu do 14 mln tokenów, co rozwiązuje problemy z pamięcią i wąskimi gardłami w komunikacji.
Możesz teraz tworzyć i wizualizować aplikacje wykorzystujące dane Google Maps, Places oraz Routes bezpośrednio w środowisku Google AI Studio. Dzięki wykorzystaniu zapytań w języku naturalnym, platforma automatycznie zarządza konfiguracją API i kluczami, oferując darmową piaskownicę do eksperymentów przed wdrożeniem produkcyjnym.
Google Cloud uruchomiło funkcję dynamicznego dzielenia zasobów TPU (dynamic slicing) w GKE, co pozwala na rozdzielenie logicznych konfiguracji sprzętowych od fizycznych pul węzłów. To rozwiązanie eliminuje konieczność ręcznego przebudowywania pul podczas zmiany wymagań, przyspieszając wdrażanie zadań i zwiększając odporność systemów na awarie.
Google uruchomiło konektory Data Cloud, które umożliwiają Gemini prowadzenie analityki konwersacyjnej w czasie rzeczywistym na danych przechowywanych w BigQuery, Spanner, AlloyDB, Cloud SQL oraz Looker. System wykorzystuje Knowledge Catalog do mapowania pytań zadawanych językiem naturalnym na struktury baz danych, przy zachowaniu restrykcyjnych polityk bezpieczeństwa i uprawnień użytkowników na poziomie wierszy i kolumn. Dane są zapytywane w miejscu ich przechowywania, bez konieczności kopiowania.
Agenci AI często błędnie interpretują starsze komentarze w kodzie, takie jak TODO lub FIXME, traktując je jako aktualne wytyczne. Badania wykazały, że w 6% sesji programistycznych agenci podejmują niepotrzebne działania dotyczące zamkniętych lub przestarzałych błędów, co prowadzi do wzrostu kosztów i nieplanowanego rozszerzenia zakresu prac (scope creep).
Google udostępniło Gemini Omni 1.2 Flash – aktualizację modelu skoncentrowaną na produkcji wideo. Rozszerza ona natywne generowanie wideo do 15 sekund, poprawia spójność obiektów i postaci oraz wprowadza edycję w trybie konwersacyjnym.
Firma Google wdrożyła pakiet narzędzi Cheminformatics Skills dla platformy Antigravity, umożliwiając agentom AI obsługę pełnych potoków odkrywania leków. Dzięki integracji biblioteki RDKit z orkiestracją opartą na LLM, system potrafi przeprowadzić analizę literatury, analizę danych oraz zaplanować syntezę chemiczną w około godzinę.
Google wprowadziło Physical-Engineering's Last Exam (PLE), nowy benchmark stworzony do oceny zdolności agentów AI w inżynierii mechanicznej, elektrycznej, cywilnej i strukturalnej. W przeciwieństwie do standardowych testów akademickich, PLE wymaga od agentów przetwarzania rozbudowanych projektów, obejmujących m.in. rysunki CAD i kody budowlane, w celu generowania bezpiecznych i zgodnych z normami wyników.
Google wskazuje, że cena za tokeny przestaje być głównym miernikiem opłacalności; kluczowy staje się koszt za pomyślnie wykonane zadanie. Używając lekkich klasyfikatorów typu „noul”, agenci mogą kierować proste zapytania do szybkich modeli, takich jak „Flash-Lite”, eskalując złożoną logikę tylko do bardziej zaawansowanych konfiguracji.