Vercel AI Gateway 新增视频生成,接入 Grok Imagine、Wan、Kling 和 Veo 四个模型
Vercel 的 AI Gateway 现已支持视频生成,可通过 AI SDK 6 以编程方式生成视频,或在 AI Gateway Playground 中无代码试用。
推荐理由:Vercel 官方说明 AI Gateway 新增视频生成,列出四家模型与四种生成方式,便于开发者判断能否接入现有 AI 流程。
Google 的动态:搜索算法与 SEO 规则、Gemini 模型与 API、Play 与广告政策,免费流量和付费获客都绕不开的一方。
Vercel 的 AI Gateway 现已支持视频生成,可通过 AI SDK 6 以编程方式生成视频,或在 AI Gateway Playground 中无代码试用。
推荐理由:Vercel 官方说明 AI Gateway 新增视频生成,列出四家模型与四种生成方式,便于开发者判断能否接入现有 AI 流程。
Bing Webmaster Tools 上线 AI Performance 公开预览,展示网站内容在 Microsoft Copilot、Bing 的 AI 生成摘要以及部分合作集成中被引用的情况。
推荐理由:Bing 官方发布 AI Performance 面板,让站长首次看到自己内容在 Copilot 等 AI 答案中被引用的次数与页面。
Vercel 发布 skills,一个用于安装和管理 agent skill 包的 CLI,安装命令为 npx skills add <package>。目前 skills 已被用于在 amp、claude-code、codex、cursor、gemini-cli、github-copilot、windsurf 等 17 个 agent 上安装 skill。
推荐理由:Vercel 发布 agent skill 包管理 CLI 与目录站,可了解 skill 生态当前的安装方式与收录范围。
OpenRouter 上线新功能 Response Healing,在结构化输出请求返回应用前自动修复 LLM 生成的畸形 JSON,该插件为可选开启且免费。官方称一周数据显示 Gemini 2.0 Flash 缺陷率下降 80%,Qwen3 235B 下降 99.8%;典型响应增加的延迟不到 1ms。该功能只修复 JSON 语法错误,不检查是否符合 schema,目前也仅支持非流式请求。
推荐理由:OpenRouter 上线自动修复 LLM 畸形 JSON 的插件,并给出各模型修复前后的成功率对比,可据此评估自家结构化输出的稳定性。
Vercel AI Gateway 现已支持 Google 的 Gemini 3 Flash,无需其他供应商账号即可调用。Vercel 称该模型在多数基准上超过 Gemini 2.5 Pro,token 用量减少 30%,速度提升 3 倍且成本更低。
推荐理由:Vercel AI Gateway 上线 Gemini 3 Flash,无需额外供应商账号即可调用,并给出 AI SDK 接入代码。
Google 发布 Gemini 3 Flash,定位为兼顾前沿智能与速度的模型,输入 $0.50/1M tokens、输出 $3/1M tokens(音频输入 $1/1M)。
推荐理由:Google 官方发布 Gemini 3 Flash,给出定价、跑分与默认入口,可据此判断是否替换现有模型。
Hugging Face 发布教程,展示如何让 OpenAI Codex 通过 Hugging Face Skills 仓库完成端到端模型微调,包括数据集校验、硬件选择、提交 Hugging Face Jobs、监控训练并生成报告。
推荐理由:Hugging Face 官方教程演示如何让 Codex 用 HF Skills 跑完整微调流程,含硬件与成本参考。
Hugging Face 发布 Hugging Face Skills,让 Claude Code、Codex、Gemini CLI 等编码 Agent 通过 hf-llm-trainer 技能完成模型微调全流程:校验数据集、选择 GPU、提交 Hugging Face Jobs、监控进度并把模型推到 Hub。
推荐理由:Hugging Face 官方演示用编码 Agent 完成微调全流程,含硬件选型与成本参考。
Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),这是基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型,已在 Google AI Studio 和 Vertex AI 以付费预览形式通过 Gemini API 逐步开放。
推荐理由:Google DeepMind 发布 Gemini 3 Pro Image,开发者可据此判断图像生成与编辑的接入方式和能力边界。
Replicate 发文介绍 Nano Banana Pro 的提示词用法,并展示社区用它生成的图像案例。文章称该模型具备内置逻辑推理能力,能读懂图中文字并作答,文字还原可逐字保持,最多可同时处理 14 张参考图以维持角色一致性。文中还给出用 JavaScript 和 Replicate API 调用该模型的方式,并提到模型本身不联网,实时信息需接入 Search 工具。
推荐理由:Replicate 实测 Nano Banana Pro 的逻辑推理、文字还原与角色一致性,并给出 API 调用方式。
AnyLanguageModel 是一个 Swift package,作为 Apple Foundation Models 框架的 drop-in replacement,支持多个模型提供方。
推荐理由:AnyLanguageModel 用同一套 Swift API 统一本地与云端模型,开发者可据此评估在 Apple 平台接入开源模型的迁移成本。
Replit 发布 Design Mode,由新的 Gemini 3 模型驱动,可在两分钟内生成可交互的设计稿和静态网站。用户通过自然语言命令编辑和迭代设计,设计稿起初仅含前端,提出登录、结账或表单等功能需求时 Agent 会生成对应的视觉版本,点击 Convert to App 即可转为带后端逻辑和数据库的完整应用。
推荐理由:Replit 官方发布 Design Mode,说明其由 Gemini 3 驱动、两分钟出可交互设计稿并一键转应用。
Google 发布 Gemini 3 Pro,称其在各项主流 AI 基准上超过此前版本,编码能力强于 2.5 Pro,可通过 Google AI Studio 和 Vertex AI 的 Gemini API 以预览版使用,20 万 token 以内输入 $2/百万 token、输出 $12/百万 token,Google AI Studio 中限速免费。
推荐理由:Google 官方公布 Gemini 3 Pro 的 API 价格、基准成绩与配套工具,开发者可据此评估接入成本与工作流改动。
Google 发布 agent 优先的开发平台 Google Antigravity,即日起公开预览且免费,对 Gemini 3 Pro 的使用给出较宽松的速率限制。
推荐理由:Google 发布 agent 优先的开发平台 Antigravity,公开预览免费,可了解其四大设计原则与多模型接入方式。
Gemini 3 Pro Preview 发布当天即可通过 Vercel AI Gateway 和 v0.app 使用,支持 Google AI Studio 与 Google Vertex AI。
推荐理由:Vercel 公开了 Gemini 3 Pro Preview 在 Next.js evals 上的成功率与耗时数据,可与其他模型横向比较。
Datalab 的文档解析与文本提取模型 Marker 和 OCR 现已上线 Replicate。Marker 可把 PDF、DOCX、PPTX、图片等转成 markdown 或 JSON,支持表格、数学公式、代码排版,传入 JSON Schema 还能抽取指定字段;OCR 支持 90 种语言并返回阅读顺序和表格网格。
推荐理由:Datalab 的文档解析模型上线 Replicate,附基准对比与按页计价,方便评估替代现有 OCR 方案。
Bing 推出对 data-nosnippet HTML 属性的支持,网站主可标记页面中不希望出现在 Bing 搜索摘要和 AI 生成回答里的内容,被标记部分仍正常索引并参与排名。
推荐理由:Bing 官方说明 data-nosnippet 的用法与收录规则,做 SEO 的开发者可据此控制付费内容是否出现在摘要里。
Replit 发布 Connectors,让开发者无需为每个服务单独创建开发者账号和管理凭证,登录一次即可在应用中接入外部服务。首批支持 Google、Dropbox、Salesforce、Linear、Notion 等 20 多个连接器,官方称后续还会增加。该功能基于 Replit 近期对 OpenInt 的收购,未来计划扩展到数据库与数据仓库连接器,并支持 webhook 事件。
推荐理由:Replit 官方发布 Connectors,把外部服务的凭证管理收敛成一次登录,可了解其对集成开发流程的简化方式。
OpenRouter 上线了平台首个图像模型 Gemini 2.5 Flash Image Preview,输入 token 价格为 $0.30 每百万。该模型支持图像生成与编辑、跨场景角色一致性,并可在单次调用中生成多张图片,上下文长度为 32k。OpenRouter 表示这是与 Google DeepMind 的发布合作,可用于生成网页页面、角色一致的漫画分镜和批量 logo 迭代等场景。
推荐理由:OpenRouter 上线首个图像模型 Gemini 2.5 Flash Image Preview,并给出输入 token 价格与可用场景。
Mistral 发布 Voxtral 语音理解模型,提供 24B 和 3B 两个版本,均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文,可处理最长 30 分钟转写或 40 分钟理解,具备问答、摘要、多语言和语音触发函数调用能力,API 定价 $0.001 每分钟。
推荐理由:Mistral 发布两款开源语音理解模型,给出与 Whisper、GPT-4o mini 等竞品的价格和错误率对比。