谷歌“Ask Gemini” 功能已擴展至 Gmail，讓郵箱搜索變得輕鬆！
重點摘要
谷歌宣佈“Ask Gemini in Drive”功能擴展至Gmail，幫助用戶在海量郵件中快速查找特定信息。該功能於三月推出，現向符合條件的Google Workspace、AI Pro和Ultra用戶開放。用戶需在左側選擇Gmail為查詢來源，點擊“Ask Gemini”按鈕即可使用。
這篇消息由 AIBase 提供，主題聚焦於「谷歌“Ask Gemini” 功能已擴展至 Gmail，讓郵箱搜索變得輕鬆！」。根據目前可取得的資訊，事件重點可整理為：谷歌宣佈“Ask Gemini in Drive”功能擴展至Gmail，幫助用戶在海量郵件中快速查找特定信息。該功能於三月推出，現向符合條件的Google Workspace、AI Pro和Ultra用戶開放。用戶需在左側選擇Gmail為查詢來源，點擊“Ask Gemini”按鈕即可使用。
從 AI 產業角度來看，這類消息通常反映模型能力、產品落地、基礎設施、商業策略或市場需求的變化。它不只是單一新聞事件，也可能代表相關公司正在調整技術路線、產品節奏或資源投入方向。
對開發者而言，值得觀察的是這項變化是否會帶來新的工具鏈、模型能力、API 使用方式或部署成本變化。對企業而言，重點則在於它是否能轉化為更高效率、更低成本，或更明確的商業應用場景。
如果這項消息涉及模型、Agent、AI 工具或算力基礎設施，後續可以特別留意其實際效果、使用門檻、開放程度與生態整合能力。很多 AI 新聞在發布初期看似熱鬧，但真正的價值通常要等到開發者採用、企業測試或市場反饋後才會更清楚。
本站整理這類資訊時，會優先保留可驗證的事實與可追蹤的方向，避免把單一發布過度解讀為確定趨勢。讀者可以把它視為一個觀察節點：它可能是技術成熟、產品競爭、資本流向或監管環境變化的一部分。
後續可以持續關注相關技術是否進一步公開、產品是否擴大測試或商用，以及同類競爭者是否跟進。本文為站內 AI 整理稿，建議需要完整細節時再參考原始來源。
Related
相關文章
專家預測年底才到，Claude Mythos今天就跑出3小時6分
這篇消息聚焦「專家預測年底才到，Claude Mythos今天就跑出3小時6分」。原始導語提到：AI加速，超乎想象！ 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Nemotron 3.5 內容安全：為全球企業 AI 打造可自訂的多模態安全防護
回顧過去兩年，NVIDIA 的內容安全技術棧已從一個專注於英文的分類器，發展為一系列專業模型，逐步擴展至新的模態、語言與推論模式。2026 年 3 月推出的 Nemotron 3 Content Safety 首次在單一 4B 參數模型中整合多模態與多語言能力。今日我們發布 Nemotron 3.5 Content Safety，補齊最後一塊拼圖：一個統一處理多模態輸入的單一模型。
全球最強開源生圖 AI 模型：Ideogram 4.0 登場
Ideogram 於6月3日正式發表4.0版本，這是一款採用開放權重架構的文字轉圖片生成模型，官方宣稱其為「全球最佳開源生圖AI模型」。開發人員與研究人員可下載模型權重進行本地部署與二次開發，此舉有望進一步拉高開源模型的品質天花板。
全球首個！材科源圖發佈有機高分子應用智能體
在人工智能重塑科研範式的科技浪潮中，因體系複雜、配方變量多，長期面臨高度依賴專家經驗、試錯成本高、知識難以沉澱複用等行業瓶頸，研發效率提升亟待突破。近日，據雷峰網瞭解，蘇州材科源圖（MatSource)正式發佈全球首個有機高分子材料研發應用智能體（Organic Polymer Agent）。該智能體依託自主構建的通用材料科學智能體框架（Materials Agent Framework），面向高分子材料研發場景打造專家級人工智能系統，推動“人工驅動”向“人工智能協同驅動”加速躍遷，為高新材料的高效自主研發提供了關鍵的技術支撐。01 面向複雜研發場景，構建高分子材料研發“智能中樞”作為材科源圖（MatSource) 材料科學智能體體系的重要組成部分，有機高分子應用智能體聚焦高分子材料研發中的關鍵痛點，融合材料知識圖譜、多模態數據理解、大模型推理與領域機理模型能力，構建覆蓋“設計-預測-優化-決策”的全流程智能研發體系。依託這一技術架構，系統可實現高分子分子結構設計與性能預測、配方體系智能生成與多目標優化、工藝參數推薦與實驗路徑規劃，以及文獻知識解析、研發知識沉澱等核心功能，推動專家經驗向數字化能力轉化。通過“知識+模型+工具”的深度協同，顯著提升研發效率與決策質量，為行業由傳統“經驗驅動”向“智能驅動”轉型提供新的技術路徑。02 率先落地光刻膠，完成產業級驗證作為有機高分子材料中技術壁壘最高、研發難度最大的典型代表，光刻膠成為該智能體的首個驗證場景。目前，系統已完成在ArF光刻膠研發場景中的實測驗證，實現從樹脂設計、配方篩選到性能預測的全流程支持，並完成關鍵指標驗證，證明瞭其在複雜有機高分子體系中的工程化能力與應用價值。這意味著，材科源圖（MatSource)不僅驗證了“AI+高分子材料”的技術可行性，也打通了從實驗室研發到產業應用的關鍵路徑。03 從ArF到EUV，持續拓
不卷價格和參數，中國汽車如何賣到5000萬輛？
2026年，國內新能源汽車滲透率突破60%，中國汽車品牌的售價提升到80萬元。中國乘聯會秘書長崔東樹說，國產車未來要達到5000萬輛銷售規模，在全球市場中，佔比超過50%。中國汽車越過規模大關，但高速發展之下，行業參數內卷、體驗同質化、盈利承壓等痛點日益凸顯。第四屆未來汽車先行者大會上，奇瑞副總經理王琅直言，行業進入新的“無人區”，不能再卷參數了。跳出價格與參數之外，國產車如何尋找下一個增長點？01元戎啟行周光：智駕幾十公里接管一次和1000公里接管一次，是兩個物種最近幾年，智駕行業的技術重心從端到端、VLA向著大模型、基座模型和物理AI快速迭代。元戎啟行CEO周光分享了他對物理AI基座模型的思考。他認為，過去5年，智駕行業走的是小模型路線，已經到了能力的上限，投入越來越多，提升越來越慢。這個現象可以用“蹺蹺板效應”來形容：在小模型系統裡，當一個版本解決了上海、武漢等城市的問題，可能就會在深圳、廣州等地效果變差，引入新問題。版本之間因此要反反覆覆地修改。周光說，這種蹺蹺板效應在行業中非常普遍，這也是用戶難以長期信任這個系統的原因。2026年，行業認知進入到大模型階段。周光解釋，大模型並不是一個更大的小模型，而是有一整套技術邏輯，在技術棧、網絡結構、訓練方式和模式上都有變化。他舉了一個例子，來說明大模型和小模型的認知區別。假設一條狗被染上斑馬的條紋，小模型會識別為一隻斑馬；但大模型會作出這是一隻狗的判斷。“小模型擅長條件反射、局部特徵相應，大模型擅長高級認知”，周光總結。自動駕駛從一開始的被激活，城區安全接管，再到更高的認知理解，做到像人一樣的整體判斷和泛化能力，需要從執行系統升級到認知系統。周光判斷，今年年底到明年初，行業裡會迎來從小模型到大模型、基座模型的轉換浪潮。技術陡峭升級，大模型成為智駕發展的下一個技術範式。他透露，元戎啟行很早就判斷要全面擁抱大模型和多模態，202
奧爾特曼：OpenAI 內部有人每月用掉約 1000 億個詞元
從六年前月耗十萬詞元到如今月耗千億，OpenAI 的詞元消耗量呈爆炸式增長。公司內部設有消耗排行榜，員工甚至曬圖炫耀，與亞馬遜等嚴控成本的企業形成鮮明對比。奧爾特曼承認成本已成難題，正尋求降本增效。 #AI 成本# #詞元消耗#