Масштабный апдейт Google: NotebookLM с облачным компьютером и новые инструменты Gemini

Масштабный апдейт Google: NotebookLM с облачным компьютером и новые инструменты Gemini

В экосистеме искусственного интеллекта Google произошло крупнейшее обновление за последние годы. Оно охватывает несколько направлений: от перестройки исследовательского пространства NotebookLM до презентации переводчика Gemini Live Translate, игровой лаборатории Project Genie и новой экспериментальной архитектуры DiffusionGemma. Эти анонсы знаменуют переход от простых чат-интерфейсов к автономным агентным средам. Пользователи получают изолированные вычислительные пространства, способные искать информацию, выполнять код и генерировать структурированные документы профессионального уровня.

Эволюция NotebookLM: автономный веб-поиск и изолированное выполнение кода

NotebookLM, создававшийся как блокнот для работы с локальными документами, получил самое масштабное обновление в своей истории. Главное изменение — переход от закрытой модели к активному исследованию. Ранее для начала работы требовалось вручную загрузить файлы. Теперь NotebookLM позволяет начать исследование с нуля, отталкиваясь от простой идеи. Алгоритмы поисковой системы Google самостоятельно находят релевантные источники в сети, добавляют их в блокнот и строят базу знаний с точными цитатами и ссылками.

В основе обновленной платформы лежит модель Gemini 3.5 и специализированная агентная система Antigravity. Ключевым прорывом стало выделение изолированного облачного компьютера (secure cloud computer) для каждого блокнота. Это меняет возможности работы с данными:

• Исполнение кода в песочнице: Для выполнения математических расчетов, очистки данных или построения графиков система пишет и запускает программный код в изолированном окружении. Это решает проблему математических галлюцинаций, свойственных обычным LLM.
• Безопасность данных: Использование персонального закрытого контейнера гарантирует, что конфиденциальные данные пользователя обрабатываются изолированно и не смешиваются с общими потоками данных.
• Специализированные микро-навыки: Система укомплектована инструментами для обработки данных, включая чтение хаотичных таблиц, сопоставление разнородных документов и извлечение параметров из неструктурированных PDF-файлов.

NotebookLM больше не ограничивается выводом ответов в чат. Пользователи могут экспортировать результаты работы во множество форматов: отчеты в PDF с графиками, документы Word, файлы разметки Markdown, таблицы с формулами, презентации, а также форматы CSV и JSON. Полученный файл можно дорабатывать, отправляя системе уточняющие запросы для редактирования конкретных блоков, изменения стиля или обновления диаграмм.

Gemini 3.5 Live Translate: синхронный аудиоперевод нового поколения

Google представила специализированную речевую модель Gemini 3.5 Live Translate, которая выводит технологию синхронного перевода на уровень естественного человеческого общения. Модель осуществляет прямой перевод в режиме «речь-в-речь» (speech-to-speech) и поддерживает более 70 языков.

Главное отличие новой технологии от классических переводчиков заключается в отказе от последовательного перевода с обязательными паузами. Gemini Live Translate автоматически распознает язык говорящего на лету, не требуя предварительного выбора языковой пары, и транслирует перевод с задержкой всего в несколько секунд. Алгоритмы модели сохраняют акустические характеристики исходной речи: тембр голоса, интонации, темп и высоту звука. Благодаря этому диалог звучит естественно.

Технология развернута на трех основных уровнях:

1. Пользовательский интерфейс: Функция интегрирована в приложение Google Translate для Android и iOS. На Android доступен режим прослушивания, позволяющий использовать смартфон как телефонную трубку во время разговора.
2. Корпоративные коммуникации: В сервисе Google Meet внедрена поддержка более чем 2000 языковых комбинаций, что позволяет проводить международные встречи, участники которых слышат перевод в реальном времени.
3. Среда разработки: Доступ к модели gemini-3.5-live-translate-preview открыт через Gemini Live API и Google AI Studio, что позволяет внедрять синхронный перевод в сторонние приложения.

Экспериментальные рубежи: миры Project Genie и скорость DiffusionGemma

Google также продемонстрировала прототипы, определяющие развитие ИИ в области симуляций и локальных вычислений.

Проект Project Genie, разработанный лабораторией Google Labs совместно с командой Google DeepMind на базе модели мира Genie 3, представляет собой систему генерации интерактивных виртуальных пространств. В отличие от систем генерации видеороликов, Project Genie создает трехмерную среду на основе текстового описания или загруженной картинки. Пользователь может исследовать полученную локацию в режиме первого или третьего лица: ходить, управлять транспортом или летать. Окружающий мир генерируется на лету в реальном времени, адаптируясь к действиям пользователя. Проект находится в стадии раннего исследовательского прототипа, поэтому физика объектов и четкое соответствие промптам могут быть нестабильными. Сейчас доступ открыт для подписчиков Google AI Ultra.

Вторым прорывом стал релиз экспериментальной модели DiffusionGemma с открытыми весами под лицензией Apache 2.0. Это принципиальный шаг в сторону от традиционных авторегрессионных языковых моделей (autoregressive LLMs), которые генерируют текст последовательно, токен за токеном, слева направо. DiffusionGemma использует диффузионный метод: модель создает черновой текстовый блок целиком и затем последовательно очищает его от информационного «шума», улучшая структуру и точность. Такой подход дает существенные преимущества:

• Экстремальная скорость: Производительность достигает более 1000 токенов в секунду на современных графических ускорителях, что примерно в четыре раза быстрее стандартных локальных моделей аналогичного класса.
• Редактирование в середине текста: Благодаря способности оценивать весь блок текста целиком, модель показывает отличные результаты в задачах заполнения пропусков (fill-in-the-middle) и интеллектуального редактирования кода.
• Локальный запуск: Оптимизированная квантованная версия модели занимает около 18 ГБ видеопамяти, что позволяет запускать ее локально на производительных домашних видеокартах с поддержкой библиотек vLLM, Transformers и MLX.

Разработчики предупреждают, что DiffusionGemma является экспериментальной моделью. Качество ее генерации в стандартных текстовых задачах пока уступает классическому семейству моделей Gemma, поэтому ее рекомендуется использовать для быстрого чернового проектирования, локальных тестов и специализированных задач разработки.

Практическое руководство по внедрению новых инструментов Google

Для эффективного и безопасного использования обновленной экосистемы рекомендуется придерживаться следующих практических алгоритмов и правил настройки.

Инструкция по работе в NotebookLM

1. Инициализация проекта: Откройте NotebookLM и сформулируйте вопрос. Используйте функцию встроенного веб-поиска для подбора источников.
2. Загрузка рабочих материалов: Добавьте во внутренний контекст блокнота собственные документы (PDF, записи встреч, таблицы).
3. Анализ данных: Сформулируйте задачу, требующую точных расчетов, например, сведение таблиц продаж. Убедитесь, что система запустила изолированную среду выполнения кода.
4. Форматирование и экспорт: Задайте конечный формат выгрузки (например, таблица с формулами или презентационный slide deck) и выполните экспорт.
5. Верификация результатов: Проверьте сгенерированные формулы и ссылки на источники.

Настройка Gemini Live API для разработчиков

Для создания приложений с синхронным аудиопереводом используйте следующую базовую схему интеграции:

1. Получите доступ к Google AI Studio и сгенерируйте API-ключ.
2. Настройте потоковую передачу аудиосигнала с поддержкой модели gemini-3.5-live-translate-preview.
3. Задайте параметры трансляции, включая исходный и целевой языки перевода:

   {
     "model": "models/gemini-3.5-live-translate-preview",
     "generationConfig": {
       "responseModalities": ["AUDIO"],
       "speechConfig": {
         "voiceConfig": {
           "prebuiltVoiceConfig": {
             "voiceName": "Aoede"
           }
         }
       }
     }
   }
   

4. Реализуйте обработку входящего аудиопотока и воспроизведение переведенного аудио на стороне клиента.

Запуск и тестирование DiffusionGemma

1. Загрузите веса модели с репозитория Hugging Face (zai-org/DiffusionGemma).
2. Подготовьте аппаратное обеспечение: для работы квантованной версии вам потребуется видеокарта с объемом видеопамяти не менее 24 ГБ или Mac с объединенной памятью от 32 ГБ.
3. Используйте фреймворк vLLM или библиотеку MLX для оптимизированного запуска на macOS.
4. Протестируйте модель в задачах автодополнения кода и быстрого редактирования текстов в середине блоков.