6/5/2025 AI速递 | AI新进展：Gemini、Claude Code和ChatGPT功能升级

最新消息，Google DeepMind的Gemini-2.5-Pro（06-05版本）再次在所有竞技领域中占据首位。

该模型在文本处理、视觉识别、Web开发等多个领域中表现卓越，特别是在难度较高的编码、数学、创意写作及多轮对话等任务中，均取得了第一名的成绩。此次更新不仅提升了其在编程能力、逻辑推理和创意写作方面的性能，还进一步增强了其处理复杂指令和长查询的能力。

Gemini 2.5 Pro是目前最智能的模型之一，在多个关键领域表现出色：

• 编程能力更强，能够处理更复杂的代码任务。
• 逻辑推理能力提升，能够更好地理解并解决复杂问题。
• 创意写作能力增强，能够生成更具创造性的内容。

此次更新标志着Gemini系列模型在人工智能领域的又一次重要突破，为未来的应用提供了更多可能性。

祝贺Google DeepMind团队取得这一重大成就！

Claude Code 结合 Opus 4 被誉为目前市场上最优秀的编程工具之一，它为未来的编程提供了前所未有的视角。

作为一款全方位的开发工具，Claude Code 拥有卓越的产品设计感，使开发者能够轻松应对各种复杂的应用场景。其特点包括：

• 全面支持全栈开发
• 出色的产品设计感
• 令人愉悦的用户体验
• 简洁易用的操作界面

无论你是初学者还是经验丰富的开发者，Claude Code 都能为你提供高效、便捷的编程体验。如果你还没有开始使用这款工具，你可能已经落后于技术潮流。

为了更直观地了解 Claude Code 的强大功能和使用技巧，你可以观看一个长达72分钟的构建演示视频，了解更多实用技巧和最佳实践。

OpenAI近日推出了ChatGPT的一系列新业务功能，旨在提升企业的生产力和效率。这些新功能包括内部工具连接器、会议记录、自定义集成以及更新的企业定价模式。

此次更新中，ChatGPT新增了对多种内部工具的支持，如Google Drive、SharePoint、Dropbox和Box等，这些连接器能够实现实时访问并提供引用，适用于团队、企业和教育客户，管理员可以在设置中控制连接器的访问权限。

深度研究功能现在可以生成长篇且带有引用的回复，结合内部资源和网络资源进行综合分析，支持Google Drive、SharePoint、Dropbox、Outlook、Gmail等多种平台，适用于全球范围内的团队、企业、教育客户以及Pro和Plus用户（不包括HubSpot用户及瑞士、欧洲经济区和英国的用户）。

此外，谷歌云端硬盘同步连接器能够提前索引组织的云端内容，通过语义搜索实现文档、幻灯片和表格等的快速高质量响应，并支持o4-mini、o3和GPT-4o等模型，管理员可以根据用户需求进行权限分配。

针对企业客户的灵活定价模式也进行了调整，引入了基于信用额度的高级ChatGPT模型和功能访问机制，企业工作空间可以购买共享信用池，所有用户在使用高级功能时将从该池中扣除信用点数，同时保持核心ChatGPT模型和功能的无限访问权。

我们最新发布了生产就绪的电子表格代理工具！

审计公司、税务团队、保险公司和企业金融部门等行业每周需要花费10多个小时手动处理数百个电子表格文件，仅是复制和粘贴数字。这种低效的工作方式不仅浪费时间，还容易出错。

我们的代理工具采用”先解析后推理”架构，能够理解视觉结构和上下文，并且具备以下功能：

• 将混乱的电子表格转换为标准化格式
• 直接在电子表格内容上提供自然语言问答
• 处理合并单元格和复杂布局
• 在转换过程中保持数据关系

在测试中，该代理工具的表现甚至优于人类基线，准确率达到96%，而OpenAI Code Interpreter (GPT 4.1)仅为75%。

更多详情请访问我们的博客：https://t.co/zO0ZXvsjZ7

目前，电子表格代理工具处于私人预览阶段。如需试用，请联系我们：https://t.co/YFCL9weLWU

同时，您也可以尝试我们最先进的文档处理技术LlamaCloud，立即注册：https://t.co/D2LIAXZZB0

近日，谷歌AI开发者团队发布了一个新的开源项目，旨在通过微调Gemma 3模型实现图像目标检测任务。

Gemma 3是Google DeepMind开发的一个多模态模型，具备视觉处理能力，但初始状态下无法执行如目标检测和语义分割等特定图像任务。受到PaliGemma (@giffmana et. al.)项目的启发，该项目展示了如何将图像特定任务转换为自回归任务，从而实现更高效的任务处理。

该项目的主要贡献者包括Sergio Paniego等人，他们共同创建了这个轻量级的代码库，以方便用户快速调整参数并开始微调过程。具体步骤包括：

1. 创建一个带有“标签的目标检测数据集；
2. 从Hugging Face Hub下载Gemma-3模型；
3. 对模型进行微调；
4. 可视化预测结果。

尽管目前生成的图像质量尚不理想，但Gemma 3在仅有少量数据点的情况下已能生成位置标签，这足以构建基本的边界框。这一成果促使团队决定公开此项目。

未来计划中，团队希望通过优化进一步提升结果，并欢迎社区成员贡献代码或提出改进建议。

Morph V2，一款每秒可处理1600个token的代码修改模型，现已在playground平台上线。该模型专为提高代码修改效率而设计，适用于软件开发、代码审查和自动化测试等多个领域。

Morph V2采用了先进的自然语言处理技术，能够快速理解并生成高质量的代码片段。其高效的处理速度使得开发者能够在短时间内完成大量代码的修改和优化工作。

主要特点：

• 每秒处理1600个token，显著提高代码修改速度；
• 支持多种编程语言，包括Python、JavaScript、Java等；
• 提供直观的用户界面，易于上手。

这一新工具将极大地提升开发人员的工作效率，并有望成为代码管理和优化的重要工具。

Anthropic公司近日发布了一款全新的网络搜索工具，旨在为用户提供更高效、更精准的信息检索体验。该工具利用了先进的自然语言处理技术，能够理解复杂的查询语句，并从海量数据中快速筛选出最相关的结果。

这款搜索工具不仅适用于普通用户，还特别适合科研人员和企业用户。它通过深度学习算法优化搜索结果的质量，能够显著提高工作效率。

主要功能包括：

• 智能语义理解：能够准确解析用户的查询意图
• 多语言支持：覆盖多种常见语言，满足全球用户需求
• 实时更新：持续更新数据源，确保信息的时效性

Anthropic的这一创新工具为现代信息检索带来了新的突破，值得关注。

近日，人工智能技术公司@xai宣布其最新的实时搜索功能正式上线。这一新功能通过结合先进的自然语言处理和机器学习算法，为用户提供更加精准和即时的搜索结果。

实时搜索不仅能够快速响应用户的查询需求，还能根据用户的搜索历史和行为模式进行个性化推荐，极大地提升了用户体验。

主要特点包括：

• 实时反馈：用户输入关键词后，系统立即返回相关结果。
• 智能推荐：基于用户的历史搜索记录和行为数据，提供个性化建议。
• 多模态支持：支持文本、图片和视频等多种内容形式的搜索。

该功能的应用场景广泛，涵盖电子商务、在线教育、新闻资讯等多个领域。对于企业来说，实时搜索不仅能提高用户满意度，还能在竞争激烈的市场中脱颖而出。

随着技术的不断进步，实时搜索功能将进一步优化，为用户提供更加智能化的服务。

v0 最新版本现已支持内联代码生成功能。

这一更新使得用户在进行快速、精准的代码编辑时，可以按下 ⌘+K 快捷键，直接修改已知需要变更的代码段。这对于开发者来说，不仅提高了工作效率，还减少了手动输入错误的可能性。

主要特点包括：

• 实时代码生成：无需切换到其他工具或页面，直接在当前编辑器中完成代码修改。
• 智能建议：系统能够根据上下文提供相关代码片段，进一步提高开发速度。
• 兼容多种编程语言：无论是 JavaScript、Python 还是其他主流语言，v0 都能提供相应的支持。

此外，v0 团队还发布了一段视频，展示了如何使用该功能进行实际操作。感兴趣的开发者可以通过下面的链接了解更多详情：观看演示视频。

在这次动手示例中，我们将展示如何使用LlamaExtract和代理工作流来自动化SEC Form 4的提取。

SEC Form 4在市场透明度中扮演着重要角色，要求公司高管、董事和大股东披露他们的股票交易。这不仅有助于监管机构监控内幕交易，还为投资者提供了重要的信息来源。

在这个Colab中，我们将：

• 创建一个可以从未结构化的Form 4文件中提取结构化信息的提取代理
• 构建一个可扩展的工作流程，从道琼斯工业平均指数中的所有公司的SEC Form 4文件中提取交易信息

通过这种方式，我们可以高效地处理大量数据，并确保信息的准确性和一致性。

探索完整示例：https://t.co/fJwoSHYfvo