跳到正文

#Google

RSS
今日 9 則
11月21日週六
  1. Dev.to Top Tech60

    Gemini 4 Neon 和 Claude Opus 5.5 的 API 費用怎麼比

    只看每百萬 token 的單價,很容易低估模型一年下來的費用差異。作者用每月 10M 輸入 token、2M 輸出 token 的用量比較多個模型:Gemini 4 Neon 每月 $60,Claude Opus 5.5 每月 $80,快速版則是 $160。這個例子中,輸出 token 只佔總量的 16.7%,卻佔一半帳單;Neon 有公開快取輸入價格,Opus 5.5 沒有,因此快取用量高時,兩者不能直接用同一套假設比較。作者建議從用量紀錄取得實際輸入與輸出數,再分開計算快取部分,並記下查價日期。

  2. The Economic Times · ETtech74

    YouTube 傳將以約 30 億美元和美國學區和解青少年成癮訴訟

    美國多個學區指控 YouTube 的平臺設計讓學生沉迷,傷害心理健康,並要求賠償和改變產品。彭博引述知情人士報導,YouTube 已達成初步協議,可能支付約 30 億美元,並加入保護青少年的產品措施。協議要等多數學區同意,還須由負責訴訟的聯邦法官核准,預計幾個月後才會定案。相關指控也涉及推薦演演算法、自動播放和無限捲動;各平臺否認這些指控。

  3. Dev.to Top Tech51

    新網站 17 篇旅遊指南未被 Google 收錄,作者拆解 Search Console 資料

    新網站的頁面被 Google 抓取後,還是可能沒有出現在搜尋結果裡。作者追蹤 17 篇越南機場旅遊指南,發現目前沒有頁面被收錄,其中 16 篇顯示「已檢索,目前未建立索引」。這表示 Google 看過這些頁面,但無法只靠這個狀態判斷它們為什麼沒被收錄。作者也提醒,提交網址得到成功回應,不代表頁面已進入搜尋索引;網站地圖和通知搜尋引擎也不能強迫 Google 收錄。建議分開記錄抓取、索引和搜尋曝光,先修正技術問題,再逐頁改善內容並等待重新抓取。

  4. Dev.to Top Tech52

    Google Stitch Skills 中文版整理安裝步驟與 OpenCode 注意事項

    安裝 Google Stitch 的技能時,光看懂功能還不夠,MCP 伺服器得先設定好,指令和資料夾名稱也不能出錯。作者介紹了一份中文檔案,整理 Codex、Claude Code、Cursor 和 OpenCode 的安裝方式,也把 OpenCode 需要手動複製技能資料夾、技能名稱必須符合規則等細節列為常見問題。檔案另有標出哪些內容是原文翻譯、哪些是補充說明;作者沒有實際跑完所有安裝流程,因此對各種工具是否順手的說法是根據檔案步驟整理。

  5. Dev.to Top Tech59

    RankControl 整理網站如何檢查 AI 搜尋爬蟲能否讀取內容

    網站想出現在 AI 搜尋答案裡,光是開放 robots.txt 還不夠,伺服器或 CDN 也可能擋住爬蟲。RankControl 整理出檢查方法,先分清搜尋爬蟲和模型訓練爬蟲,再分別設定 robots.txt;像是封鎖 GPTBot,不會因此封鎖 ChatGPT 搜尋使用的 OAI-SearchBot。接著可用 curl 檢查網站回應、頁面標頭和網站地圖,也要檢視防火牆規則與伺服器紀錄。文中提醒,llms.txt 可以列出重要頁面,方便 AI 助理找到入口,但 Google 表示搜尋不會使用這個檔案。

  6. Dev.to Top Tech48

    Xybrid 主張 AI 應先在裝置上運作,需要時再用雲端

    很多團隊一加上 AI,就先把資料送到雲端,之後才想到能不能在手機或電腦上處理。Xybrid 主張把順序反過來:先用裝置裡的模型,真的不夠用再交給雲端。文中的例子顯示,iPhone 15 在 5 種工作裡有 4 種比雲端快,像圖片分類約 2 毫秒,語音轉文字約 200 毫秒;在裝置上處理也不用付每次呼叫雲端的費用,資料不必離開裝置。 這不代表所有 AI 都能放進手機:太大的模型仍得靠雲端。但 Whisper Tiny、Kokoro 和 Gemma 4 E2B 等模型已能在手機上處理語音、文字或多種媒體。文章建議先讓裝置上的模型試著完成工作,只有遇到複雜問題或模型放不下時才升級到雲端,讓使用者少等一點,也少傳出敏感資料。

  7. Dev.to Top Tech64

    企業 AI 助理遇到卡關或付款時,如何設計人工審核流程

    AI 助理跨團隊協作或準備付款時,可能遇到資料不完整、許可權不足或格式不合,若沒有清楚的人工接手流程,就可能卡住或重複嘗試。文章示範如何用中介層暫停工作、儲存進度,再把待處理事項送到 Slack 或 Microsoft Teams,讓負責的人核准、拒絕或補上資料。不同協定各有適合暫停的位置,例如付款要在錢包簽名以前審核;處理完後,系統要記下是誰決定的,並確保同一個核准不會重複執行。

  8. Dev.to Top Tech68

    長提示詞跨過費率門檻,GPT-6.1 Sol 和 Gemini 3.1 Pro 的費用差多少

    模型 API 的費率表常只看每百萬 token 的標價,但提示詞長度一跨過門檻,整筆請求可能改用較高費率。文章比較多款模型的門檻,例如 Gemini 3.1 Pro 在 200K token 後輸入費用加倍,GPT-6.1 Sol 的門檻則是 272K。用 199,999 和 200,001 個輸入 token、再加上 10K 輸出的例子,Gemini 費用從 $0.52 跳到 $0.98,GPT-6.1 Sol 都是 $0.50。作者建議逐次記錄輸入長度,特別檢視超過門檻的請求比例,並先用自己的用量測試長請求費率;若提示詞太長,也可考慮摘要或分段。

  9. 🚨 AI News | TestingCatalog72

    要讓 AI 助理持續推進一個產品目標,得先讓它瞭解專案、指標和相關資料。TestingCatalog 介紹 Google 的 Loop:使用者可連線 GitHub 專案,再加入檔案、連結、其他程式碼庫與外部服務;Loop 會整理專案資訊、建立可編輯的技能,並提出指標與目標。建立目標後,它會拆出待辦事項、解決方案和進度,也會列出資料來源,讓使用者檢視建議根據什麼內容而來。完成的任務還能追蹤上線後的指標變化。作者認為,這種做法讓使用者更像管理多個工程團隊的主管。

  10. Google Research70

    Google 把 Duplex 電話功能帶進 Gemini Tasks,替使用者聯絡商家

    訂位或預約常得打電話,商家可能臨時改口、提出別的時段,電話環境也常有背景雜音。Google 將 Duplex 整合進 Gemini App 的 Tasks,讓它能代替使用者打電話處理日常事務,並用 Gemini 理解需求、安排步驟和接續對話。這套系統從只能處理固定任務,逐步發展到能依文字描述應付不同需求,例如配合行事曆空檔安排汽車保養。每通電話一開始都會說明是 Google 的自動化系統,商家也能選擇不接這類電話。

    推薦理由:Duplex 從固定任務的專用模型,逐步演進為由 Gemini 統整理解、規劃與對話的系統,呈現它如何處理電話中的臨場變化。

  11. aihot74

    Google 把 Duplex 整合進 Gemini Tasks,讓 AI 助理替你打電話給商家

    訂餐、約時間常得直接打電話,但商家可能改口、背景又很吵,AI 得接得上話,也不能搶著開口。Google 回顧 Duplex 十年來的變化,並把它整合進 Gemini App 的 Tasks,讓 AI 助理依照使用者交代的事情致電商家;現在系統使用 Gemini 處理理解、規劃和對話,也能在商家提出其他時段時調整安排。電話一開始會說明是 Google 的自動系統,商家也能選擇不接這類電話。商家不用安裝軟體或改變原本接電話的方式。

    推薦理由:Duplex 從固定流程走向 Gemini 統一架構,也說明電話服務得同時處理對話節奏、背景噪音與商家拒絕等現場狀況。

  12. Dev.to Top Tech42

    如何打造即時語音翻譯 App

    出國和人聊天時,常得先聽懂對方說什麼,再想辦法翻譯,對話容易卡住。這篇教學示範怎麼把語音辨識、翻譯和文字轉語音接在一起:Deepgram 把麥克風錄下的話轉成文字,Google Translate 翻成目標語言,再由 ElevenLabs 念出來,也能讓譯音聽起來像原本說話的人。像是把一句話翻成韓文後,App 就能播放韓文語音。這個做法能當作原型,開發者也可以用串流 API 減少等待時間。

  13. Google Developers Blog69

    Google 推出 Semantic governance policies,在 AI 助理執行工具呼叫前檢查是否合規

    AI 助理有權讀取檔案和寄信,不代表每次操作都符合公司規定。Google 在 Gemini platform 預覽推出 Semantic governance policies,透過 Agent Gateway,在工具呼叫執行前檢查它是否符合使用者原本的要求和企業用白話寫下的規則。比如財報公開前,系統可以擋下把數字寄給投資人或私人信箱的要求,也能攔住檔案裡偷偷塞進、沒人要求的刪檔指令。每次判斷和理由都會記錄在 Cloud Logging;由於判斷使用 LLM,結果可能不同,Google 建議先用 dry run mode 檢查,再啟用阻擋。

    推薦理由:文章以財務郵件為例,說明如何在工具呼叫執行前同時檢查使用者原意與企業規則,並留下可供稽核的判斷紀錄。

  14. Arena.ai44

    Arena 推出新的 Agent Arena Index,評比 AI 助理的表現。Gemini 4 Neon 首次上榜就以 1336 分拿下第 2 名;GPT-6.2 Astra 得第 6 名,GPT-6.2 Sol 得第 11 名,平均每項任務花費 $0.90。Qwen4-Max 排第 14 名,也是排名最高的中國模型。推文也列出其他榜單結果,例如 Muse Ember 在 Code Arena: WebDev 得 1608 分,排名升到第 1。這些成績和費用能幫大家比較不同 AI 助理的表現與成本。

  15. Ars Technica · AI64

    Google 改版搜尋首頁,加入 AI 對話紀錄並拿掉搜尋按鈕

    Google 搜尋首頁改版後,把更多 AI 功能放到搜尋框下方,也拿掉了原本的「Google 搜尋」按鈕。使用者可以從首頁選擇圖片生成、檔案分析,或用 Gemini 腦力激盪;登入 Google 後,左側還會顯示最近的 AI 對話,也能在搜尋結果頁開啟,方便接著先前的搜尋繼續查詢。作者認為,少了搜尋按鈕影響不大,因為輸入問題後按 Enter 就能搜尋;但 AI 功能變得更醒目,也顯示 Google 正把搜尋介面逐步轉向 AI。

  16. Dev.to Top Tech64

    Ahmed Negm 示範用 n8n 擷取發票資料並交由人工審查

    發票自動化可能讀錯金額,也可能把看似正確的資料直接送去執行不該做的商業動作。Ahmed Negm 設計了一套 n8n 示範流程,用 Gemini 從阿拉伯文或英文的 PDF、JPG、PNG 發票擷取欄位,再用程式檢查加總是否一致,並比對供應商和發票號碼是否曾出現。資料會先存進 n8n Data Table,標記為待審查,交由人員檢視;流程不會核准付款或送進 ERP。這套示範也需要設定憑證、資料表與子流程,並在實際環境重新測試,不能視為已可直接投入正式作業。

  17. Dev.to Top Tech69

    作者用 17 次查詢測試 Google Trends,整理出較可靠的讀法

    Google Trends 的搜尋熱度是 0 到 100 的相對分數,同一個小眾關鍵字重查時,數字可能差很多。作者把同一組「bali visa」查詢在 12 天內跑了 17 次,發現單週分數和「正在上升」的相關搜尋詞常會變動;例如「lidl near me」曾多次出現在清單,之後又消失。相較之下,國家排名和多週平均較穩定。作者建議把相隔數小時的多次結果取中位數,並統計搜尋詞出現的次數;若要看近期變化,改用較短的時間範圍。

  18. Gary Marcus54

    一項可能解決黎曼猜想的新成果引起討論,但目前還沒有獲得確認。Gary Marcus 認為,如果成果成立,確實非常令人佩服;他也把這類方法和純大型語言模型區分開來,指出它依靠複雜的符號定理證明技術。他認為,這種專用方法未必能用在日常推理,因此即使成果獲確認,也不會大幅改變生成式 AI 的經濟問題。他並重申,光靠神經符號 AI 的進步,還不足以帶來穩健的智慧。

  19. Google Developers Blog71

    Google 教你安全連線 Gemini Enterprise 與內部 Cloud Run MCP 服務

    企業把內部系統接到 Gemini Enterprise 時,得避免 MCP 服務暴露在公開網路,也要確認每次呼叫來自哪個服務和使用者。Google 說明如何用 Egress Agent Gateway、Private Service Connect 和精確網域的 Private Cloud DNS,讓 Gemini Enterprise 私下連到 Cloud Run;DNS 只套用在指定的 MCP 網址,避免影響共用 VPC 裡的其他 Cloud Run 服務。文章也說明兩層驗證的分工:Cloud Run IAM 確認呼叫服務的身分,MCP 程式則檢查使用者的 OAuth 2.0 權杖。文中附有參考程式和設定步驟,並介紹如何用 Cloud Logging 確認連線狀況。

    推薦理由:文章整理 Cloud Run 內部 MCP 服務的私有連線與雙重驗證做法,也說明如何避免 DNS 設定影響共用 VPC 中的其他服務。

  20. Google Developers Blog75

    Google 說明如何在 Gemini Enterprise 自訂介面處理使用者與工具授權

    企業把 Gemini Enterprise 放進自家入口網站時,原本內建介面會處理的登入和資料授權,就得由自訂介面接手。Google Developers Blog 整理了三部分做法:呼叫 StreamAssist API 時,依需求使用 Google Identity、Workforce Identity Federation 或 Workload Identity Federation;讓使用者替 Google Drive、SharePoint 等連接器完成 OAuth 授權;以及讓自訂 ADK AI 助理在真正呼叫受保護的工具時才要求授權。若要依員工身分限制檔案和工具許可權,應使用代表個人的登入方式;共用機器人則可使用 Workload Identity Federation。文中也附上可執行的程式範例,展示授權後如何把憑證存入 Google 管理的 Keystore 或 Token Vault。

    推薦理由:自建介面會接手處理登入、連接器授權與 AI 助理工具授權,本文比較三種登入方式並說明如何依個人許可權需求選用。

  21. Google Developers Blog55

    Google 擴大 Agent Anomaly Detection 監看其他雲端的 AI 助理

    AI 助理在不同雲端執行時,異常操作可能藏在一連串看似正常的工具呼叫裡。Google 的 Agent Anomaly Detection 現已開放私人預覽,可讀取送到 Google Cloud 的追蹤紀錄和日誌,分析 AI 助理的整段對話,不必接觸它實際運作的環境。測試中,它找出 AWS Lambda 上大量翻查商品目錄的行為,也標記出 Microsoft Foundry 上受訂單備註影響、退還 $999 款項的操作。分析會另外執行,不會拖慢 AI 助理;目前支援以 ADK for Python 建置的 AI 助理。

  22. hackernews10064

    Google 員工要求公司別懲罰不使用 AI 的學校

    Google 宣佈,從明年起,關閉 Gemini AI 工具的學校可能無法使用 Google 搜尋,引發家長、學生和社群抗議。數百名 Google 員工透過工會發起請願,要求公司撤回這項政策,並表示學校應能自行決定怎麼在課堂使用 AI。紐約市、洛杉磯和芝加哥的學區正在討論改用其他搜尋引擎。Google 管理層已收到請願,但尚未回應其中的具體要求。

  23. Dev.to Top Tech74

    Google AI Overviews 會讓網站流量下滑嗎?先查資料再下結論

    網站流量突然下滑,不一定是 Google AI Overviews 害的;搜尋排名、季節變化和網站設定也可能有影響。文章建議分開檢視 Google Search Console 的曝光與點選,以及分析工具記錄的訪客和營收,再按頁面、搜尋字詞和日期找出變化。文中提到,一項隨機實驗發現,在研究條件下,出現 AI Overview 時,外部網站的自然搜尋點選少了 39.8%;這不代表每個網站都會流失相同比例的流量。作者也提醒,可用主題和用途相近、受 AI 搜尋影響程度不同的頁面互相比較,並檢查搜尋需求和網站變更,讓判斷有更多依據。

  24. Rohan Paul57

    AI 助理做機器學習研究時,常只反覆修改程式、比較分數,遇到難題可能一直修補方向錯誤的方案。Pro2 Agent 會先記下它認為卡住進度的原因、可能的解法和信心,再一次只改一個地方做實驗,根據結果更新判斷。文中提到,它在 75 項 MLE-Bench 任務上用 48 小時達到 76.0% 獎牌率;在 MLE-Bench Lite 上,第一個方案的獎牌率為 57.6%,MARS 則為 28.8%。這提供了一種設計研究型 AI 助理的方法:先找出瓶頸,再用小實驗檢查。

  25. The Decoder75

    Google Gemini 可在 Mac 背景操作應用程式,幫忙完成多步驟工作

    手動在不同 Mac 應用程式間切換,處理多步驟工作可能很花時間。Google 在 Gemini Mac app 加入 Computer Use,使用者說明目標後,Gemini 就會操作桌面應用程式、檔案和網站,例如從 PDF 填寫寄件表單或製作簡報。工作會在獨立的背景視窗進行,不會佔用螢幕和滑鼠;使用者能選擇 Gemini 可用哪些應用程式、即時檢視操作過程、隨時暫停,並事先核准重要動作。這項功能先在美國以英文推出。

  26. Arena.ai44

    LMSYS Arena 更新了 Arena Alignment Index,調整偵測 AI 助理出錯的方式,希望涵蓋更多情況、判斷更可靠。這份指數會看 AI 助理在真實使用情境中,是否擅自做事、謊稱工作已完成,或把使用者沒說過、沒做過的事算到使用者頭上。新版排名中,OpenAI 包辦前七名;Claude Fable 5.2 首次上榜排第 8,Kimi K3.1 Pro 是進步幅度最大的開放模型,也排在第 9。這提醒我們,模型排名不只看能不能回答問題,也要看它會不會越權或誤報工作狀態。

  27. Google AI50

    Google 整理了近幾週推出的多項 AI 更新:Gemini 4 Neon 主打處理複雜軟體工程、知識工作與科學任務;Hydrogen 著重日常寫程式和 AI 助理工作流程的速度與效率;Carbon 則面向長時間的大型專案和深入研究。其他更新包括可即時編輯場景的 Genie 4、能用聲音一步編輯、改寫或翻譯文字的 Gemini 3.5 Transcribe,以及 Gemini Robotics 2.5 和協助科學家研究疾病成因的 AlphaGenome 2。這些工具涵蓋開發、研究與機器人等用途,也讓開發者能透過 Gemini API 使用更多功能。

  28. Dev.to Top Tech73

    怎麼確認 API 供應商提供的真的是它宣稱的模型?

    透過第三方 API 買模型時,外界很難確認服務實際接上的模型是不是供應商宣稱的那一個。作者整理一篇研究,檢查轉售前沿模型的 17 個服務:24 個端點中,有 11 個未通過模型身分檢查,另有 3 個雖通過標示檢查,指紋仍與官方模型差距很大。研究也用測試環境量出指紋辨識和分佈測試的誤判率,但提醒黑箱測試只能找出替換的線索,不能證明模型身分真實。作者建議供應商公開模型版本、請求紀錄與原始回應,並定期重測;使用者也要先看清楚模型不可用時是否會改接其他模型,以及如何計費。

  29. Dev.to Top Tech52

    從 75% 失敗警示到凍結訴訟:作者分析 AI 安全門檻怎麼設

    警示門檻設得太高,問題可能累積到造成損害才被人發現。作者以 Census 的同步功能為例,指出「Failed Records」預設要有 75% 的資料無效或遭拒才會通知;失敗比例即使達到 74%,仍可能不會響。作者建議重要同步改成任何一筆出錯就通知,並在第一次違規時提醒,再搭配資料筆數偏離平常狀況的警示。文章也提到,四個非營利組織於 11 月 12 日在舊金山高等法院起訴 Anthropic、Google、Meta、OpenAI 和 SpaceX AI,要求凍結高於當日能力水準的開發。作者將訴訟爭議連到警示門檻,認為門檻實際決定了問題何時會被處理。

  30. Dev.to Top Tech45

    Apigee 如何使用 Target Servers:設定與管理後端連線的逐步指南

    如果把後端網址直接寫進 API 設定裡,網址一變,就得修改並重新部署每個相關設定。Apigee 的 Target Server 可以把網址集中管理:API 設定只記住一個名稱,Apigee 再依照目前環境找到真正的後端。像開發、測試和正式環境都能使用同一個名稱,各自連到不同的主機;後端搬家時,改 Target Server 就會套用到使用它的設定,不必重新部署。也可以設定多臺後端分擔流量,遇到故障時改走其他主機,並集中管理連線安全設定,讓後端更換和日常維護省事一些。

  31. BlockTempo 動區動趨48

    美股 AI 與半導體股重挫,Anthropic 上市第二天跌逾 10%,比特幣跌破 6 萬美元

    美股週五走勢分歧:道瓊上漲,標普 500 和那斯達克下跌,AI 與半導體股賣壓特別重。半導體指數跌 6.40%,輝達、AMD 和台積電 ADR 也都下跌;剛上市的 Anthropic,股價在第二個交易日比前一天收盤價跌了 10.80%。 比特幣和以太坊也跟著走弱,本文撰稿時,比特幣已跌破 6 萬美元,以太坊則跌破 1,700 美元。市場表現顯示,投資人仍看好 AI,但開始更仔細衡量相關公司的股價是否太貴;不過,大型科技股走勢不一,Google 母公司 Alphabet 當時逆勢上漲。