谷歌推出Gemini 2.5 Pro升级预览版，开发者可通过AI Studio和Vertex AI试用。新版本在基准测试中表现优异，编码能力突出，预计几周后正式发布，API价格相较于ChatGPT和Claude更具优势。

在开发本土音频功能时，我们评估了潜在风险并制定了缓解策略。所有音频输出均嵌入SynthID水印技术，以确保透明性。Gemini 2.5模型为开发者提供本土音频输出，支持更丰富的应用开发，开发者可在Google AI Studio中试用音频对话和可控语音生成。

新的GenAI API已加入ML Kit，支持Android应用中的设备端推理，功能包括摘要、校对、重写和图像描述。用户可处理最多3000个英文单词的文档，确保数据保留在本地。API易于集成，提供高质量结果，支持多种设备的流式和非流式工作流程。开发者可通过官方演示应用快速上手。

Gemini 2.5 是一款多模态 AI，支持文本、图像、音频、视频和代码的生成与理解。其音频对话功能具备自然对话、风格控制和工具集成，能够实时响应用户语气，支持多语言交流。开发者可通过 Gemini API 创建丰富应用，确保音频输出的安全性和透明性。

谷歌Chrome浏览器新增基于Gemini AI的调试功能，包含AI助手面板、智能编码助手和控制台洞察，帮助开发者进行错误解释、性能分析、UI调试和无障碍改进，从而提升开发效率。

在Google IO上，Flutter与Firebase AI的结合引发了我的热情。David的Firebase Studio演示展示了AI在应用开发中的重要性。Gemini和Vertex AI等平台推动了医疗、烹饪等行业的智能化变革。我利用Flutter和Gemini开发了AI烹饪助手Snap2Chef，能够识别食材并提供详细食谱，提升了烹饪体验。

Gemini AI是谷歌DeepMind开发的多模态人工智能系统，能够处理文本、图像和音频，具备出色的推理和上下文理解能力，并注重安全伦理。它与谷歌生态系统深度整合，提升用户体验，将改变人们与技术的互动方式。

谷歌Drive的新功能为Workspace用户提供视频内容总结，Gemini AI可提取会议行动项和公告视频的重要更新，节省用户时间。此功能需启用视频字幕，适用于Google Workspace和Google One AI Premium用户。此外，Drive视频播放器将显示视频观看次数，帮助用户评估视频表现。

Claude Opus 4仅用33个提示词和一次重启，成功解决了一位资深程序员花费200小时未能定位的顽固bug，显示了其编程能力的显著提升，吸引了全球开发者的关注。

在第210期节目中，讨论了上周的AI新闻，包括谷歌Gemini技术提升文本生成速度与效率，Anthropic为Claude Opus 4启用AI安全保护，OpenAI回应加州检察长的指控，以及Mistral和Meta在模型发布上遇到的挑战。