標籤：gemini

AI Agent 普及的底層訊號：文件辨識、MCP 無狀態、成本、支付與本地部署正在補齊

AI 郵報 Threads 與原文整理一週 AI Agent 相關訊號：Codex 週活躍用戶破千萬但相對 ChatGPT 週活躍 9 億仍小；Unlimited-OCR 33 億參數、32K context、MIT 授權；Gemini 3.6 Flash / 3.5 Flash-Lite / 3.5 Flash Cyber 的 token 與多模態主張；MCP session ID 管理朝無狀態設計；Natural 挑戰 Stripe 的 agent payment；Kimi K3 開放權重；紐約州用 AI 清查法規。本文把它整理成 Agent 普及缺口清單，所有 benchmark/數字以 AI 郵報/來源宣稱呈現，未重跑驗證。

audio-transcribe-skill：用 agy/Gemini 轉錄音檔並只回路徑，避免逐字稿灌回 Claude Code 燒 token

Jerry Lin 分享 lazyjerry/audio-transcribe-skill：Claude Code/Codex 呼叫時委派 agy -p 讓 Gemini 原生多模態音訊理解轉錄，逐字稿與 SRT 寫檔，stdout 只回路徑，避免大量 transcript 回流到 Claude Code context。本文查核 README 與授權 caveat，整理可用場景。

Gemini 的殘存高價值場景：把原生多模態音訊理解當高速轉錄 subagent

Threads 討論用 Gemini / Antigravity CLI 的原生音訊理解能力，要求模型直接讀音檔轉逐字稿，而不是呼叫 Whisper/ffmpeg。本文整理這個 workflow 的價值、限制與 Allen/Hermes 可用的安全邊界。

Nano Banana 2 Lite + Gemini Omni Flash：Google 把低成本快產圖與對話式影片生成串成多媒體 pipeline

Google 發表 Nano Banana 2 Lite 與 Gemini Omni Flash。前者主打高速、高吞吐、低成本圖像生成；後者面向高品質影片生成與對話式影片剪輯。重點是把 image → video → conversational edit 串成更短的創作循環。

Noam Shazeer 轉往 OpenAI：模型趨同下的廣告投手 AI 工具配置

Noam Shazeer 從 Google Gemini 轉往 OpenAI 是 AI 人才戰訊號；對廣告投手與營運團隊來說，重點不是押 Gemini 或 GPT，而是建立可替換、可驗證的多模型 workflow。

Apple AFM 3 架構重點：200 億參數地端模型、Google/NVIDIA PCC，和容易被誤讀的地方

Threads 貼文整理 Apple 第三代 Foundation Models：AFM 3 Core Advanced 是 200 億參數、每次啟用 10–40 億參數的地端模型；AFM 3 Cloud Pro 透過 Google Cloud 的 NVIDIA GPU 擴展 Private Cloud Compute。但官方細節也顯示，並不是所有雲端模型都跑 NVIDIA，AFM 3 Cloud 與 ADM 3 Cloud 仍為 Apple silicon，訓練則提到 cloud TPU。

Gemini 影片剪輯 Prompt 工作流：從剪輯藍圖、爆款拆解到留存率審計

這則 Threads 整理 7 個可直接用於 Gemini / 多模態模型的影片製作 prompt：剪輯藍圖、爆款風格拆解、腳本節奏優化、導出參數、素材分揀、發布前終檢、留存率審計。真正價值不是「Gemini 自動取代剪映」，而是把影片後期拆成可審核、可交接的 production workflow。

Google I/O 2026：從 Gemini 模型升級到搜尋、開發與日常代理的全平台重構

Google I/O 2026 的核心不是單一模型，而是 agentic Gemini era：Gemini 3 Flash/3.5、Antigravity、Search generative UI、Gemini Spark、Omni 與 Workspace/消費端代理體驗共同形成 Google 的全平台 AI 重構。

把 Gemini 免費額度包成 OpenAI / Whisper 相容接口：這類玩法真正有價值的，不只是省月費，而是把既有 app 的後端能力重新接管

這篇真正值得記的，不只是用 Gemini 取代付費語音轉錄服務，而是它示範了一種非常實戰的技巧：不用改前端產品，就能用 proxy 重接底層模型供應商。

Gemini Flash TTS 真正往前跨的一步，不是『更自然』，而是用 audio tags 把語音從輸出層拉回可控制的表演層

這篇真正值得記的，不是 TTS 又更像真人，而是文字指令已經能直接控制語音情緒與演繹方式，讓語音產品的製作門檻從聲音工程問題轉向內容設計問題。

Gemini 3.1 Flash Lite Preview：比它快的沒它聰明，比它聰明的沒它快

Gemini 3.1 Flash Lite Preview：比它快的沒它聰明，比它聰明的沒它快

Gemini 專業提問提示詞再更新：做成 Gem 並直接貼上使用說明

Gemini 專業提問提示詞再更新：做成 Gem 並直接貼上使用說明

化學元素翻譯白話文 - 營養白話小精靈

化學元素翻譯白話文 - 營養白話小精靈

用 Gemini 做旅遊計劃 APP - 完整教學

用 Gemini 做旅遊計劃 APP - 完整教學

Gemini 幫你建立自然發文系統：從卡文到接到客戶

Gemini 幫你建立自然發文系統：從卡文到接到客戶

Google AI 三連發：個人智能下放免費用戶、五合一多模態 Embedding 模型、Genie 3 一鍵生成 3D 世界

Gemini Tool Combinations：Google Search + Maps + 自訂 Function 一次呼叫搞定，做 LINE Bot 不用再寫判斷邏輯