2025 年 Google I/O AI 公告回顾：视频、模型、搜索与水印

2025 年 5 月，AI Explained 盘点 Google I/O 的公告，涵盖视频与音频生成、搜索、编程工具和开放权重模型。节目同时包含已发布功能、计划功能和讲解者的个人判断。

讲解者从 Veo 3 开始，强调它能随视频生成对白和音效。他引用 Google 与早期模型的比较，并介绍当时公布的有限访问范围和价格。

展示的视频样例是宣传演示。偏好评分和可用性只对应所测试提示与 2025 年发布时的情况，不能假设适用于每次生成或今天的方案。

随后讲解者讨论更新的 Gemini 2.5 Flash，包括模型成本和原生音频生成。与竞争模型的比较取决于基准选择和当时的价格。

他介绍一个拟议中的通用助理，可能执行打电话或购物等任务。他明确将更宏大的能力视为演示或未来计划，而非全部已经交付的功能。

Google 报告 Gemini 使用量增长，另一段演示展示助理纠正错误假设。讲解者将后者与模型过度迎合、该提出异议时却不反驳的担忧联系起来。

视频介绍 Gemini 2.5 Pro Deep Think 和 Google 报告的基准结果。讲解者说，要接受某个模型全面领先的说法，仍需要独立测试。

他讨论并行采样：它可能让系统在困难问题上投入更多推理计算。他将其与所发布产品的关系描述为根据公开讨论作出的推测，而非已经披露的实现。

讲解者对 AI 生成的搜索概述仍持怀疑态度，因为其中可能有错误。他讨论 Google 更新模型及对话式 AI Mode 的计划，并强调核对结果的必要性。

Deep Research 可以使用提供的文件，并将报告连接到画布，生成图表或互动页面等形式。讲解者认为这些输出可能比单独的长报告更有用。

他简要介绍可以在云端处理代码仓库的编程智能体 Jules，以及 Google 用于构建和部署简单应用的工具。视频中的使用限额对应 2025 年的公告。

谈到 Imagen 4，讲解者比较视觉样例并引用 Google 发布的基准。他指出单张图像不足以支持全面结论，并提到速度与质量的取舍。

Gemini Diffusion 被介绍为一种不同的语言生成方法。讲解者将自回归逐 token 生成与迭代改进较大输出的扩散过程作比较。

他介绍 Google 的早期速度说法，并表示不同领域的性能需要进一步测试。一次演示不能证明该方法在所有任务中都更快或同样准确。

Google 还展示了使用图像模型进行虚拟服装试穿。讲解者将其视为把图像生成适配到具体消费工作流的例子。

Google 宣布 SynthID 检测器，帮助研究人员和记者检查受支持的 Google 水印。检测取决于内容是否带水印及其如何被修改，并不是通用的作者身份测试。

最后一部分提到 Gemma 系列，包括用于手语翻译的 SignGemma 研究，以及其他专门用途的模型。讲解者指出其所述重点是美国手语和英语。

节目以更多包含生成声音和场景的 Veo 3 样例收尾。讲解者邀请观众判断哪些公告最重要。