Az elmúlt napokban a Google látványos újításokkal jelentkezett a mesterséges intelligencia terén. Egyes bejelentések már önmagukban elegendőek lennének egy teljes videóhoz, mégis egyszerre tucatnyi fejlesztést mutattak be, amelyek között szép számmal akadnak forradalmi és meglepő újdonságok is.
Felbukkant egy új videógenerátor, amely képes hangot és párbeszédet is létrehozni, így gyökeresen átalakulnak a videókészítési lehetőségek. Emellett különböző Gemini modellek – köztük a Gemini 2.5 Flash és a Pro Deep Think – is reflektorfénybe kerültek, amelyek teljesítményükkel és árukkal szintén új mércét állíthatnak fel a piacon.
Gyakorlatias és szórakoztató funkciók egyaránt szóba kerülnek: élő beszélgetés a Geminivel a kameraképen keresztül, natív többnyelvű audiogenerálás, valamint egy univerzális asszisztens, amely telefonhívások és online vásárlás lebonyolítására is képes lehet.
A keresőóriás szintén hangsúlyozta a felhasználói aktivitás növekedését, illetve finom kritikákat is megfogalmazott néhány versenytárssal szemben. A bemutatott AI modellek multimodális képességekkel, fejlett kutatási és kódolási lehetőségekkel, sőt, interaktív honlapok vagy podcastok generálásával is bővültek.
Az Imagine 4 elnevezésű, szövegképből képet generáló modell, egy váratlanul bemutatott, diffúziós elven működő nyelvi modell, illetve a Synth ID detektor, amellyel ellenőrizhető egy adott tartalom eredete, további izgalmas irányokat jelez elő.
Külön figyelmet kapott a Gemmaverse és az új, jelnyelvet értelmező és fordító AI is, ami a kommunikáció új dimenzióit nyithatja meg. Mindezek a fejlesztések együtt izgalmas kérdéseket vetnek fel a mesterséges intelligencia jövőjéről, alkalmazási lehetőségeiről és arról, hogy mennyire tudja a Google tartani a tempót vagy akár diktálni a fejlődést a szektorban.
