Google Just WON The A.I Race.. (Wow)

Google hat die Key Welt komplett übernommen. Im heutigen Video gehe ich auf die wichtigsten Ankündigungen ein, die ihr kennen solltet, denn es gab eine ganze Menge. Eine der ersten Ankündigungen, die wirklich unglaublich war, ist Google Beam. Das ist eine Videokommunikationsplattform, die mehrere Kameras verwendet, um euch eine D-Visualisierung der Person zu liefern, mit der ihr einen Videoanruf führt. Das ist extrem immersiv und könnte die Zukunft der Kommunikation werden. Heute sind wir bereit und unser nächstes Kapitel anzukündigen. Wir stellen Google Beam vor, eine neue Key Videokommunikationsplattform. BEME verwendet ein neues, hochmodernes Videomodell, um D Videostreams in ein realistisches D Erlebnis umzuwandeln. Hinter den Kulissen nimmt euch eine Reihe von sechs Kameras aus verschiedenen Blickwinkeln auf und mit Hilfe von KI können wir diese Videostreams zusammenführen und euch auf einem D Lichtfeld Display mit nahezu perfekte Head Tracking auf den Millimeter genau und mit 60 Bildern pro Sekunde in Echtzeit darstellen. Das Ergebnis ist ein viel natürlicheres und noch intensiveres Gesprächserlebnis. Wir freuen uns, diese Technologie weiterzugeben. In Zusammenarbeit mit HP werden die ersten Google Beam Geräte noch in diesem Jahr für Frühkunden erhältlich sein. HP wird in ein paar Wochen noch viel mehr zu verkünden haben. Bleiben Sie dran. Als nächstes kommt etwas, das ich für absolut unglaublich halte. Wir alle wissen, wie verrückt KI geworden ist, wenn es um KI Stimmen geht. Aber Google geht noch einen Schritt weiter und führt die Echtzeit Sprachübersetzung ein. Mit Gemini können Sie jetzt in Meetings und Anrufen die Sprachübersetzung aktivieren und andere verstehen, selbst wenn sie eine andere Sprache sprechen. Ich denke, das wird Wunder bewirken, um Grenzen zu überwinden. Wir haben die zugrundeliegende Technologie von Starline in Google Meet integriert, die eine Echtzeit Sprachübersetzung umfasst, um Sprachbarrieren zu überwinden. Hier ist ein Beispiel dafür, wie dies nützlich sein könnte, wenn Sie eine Ferienwohnung in Südamerika buchen und die Sprache nicht sprechen. Schauen wir es uns an.

Hallo Camila. Ich schalte die Sprachübersetzung ein. Schön endlich mit dir zu sprechen. Ich werde es lieben, die Stadt zu besichtigen. Das Haus liegt in einer sehr schönen Gegend mit Blick auf die Berge. Das klingt wunderbar. Es gibt einen Bus in der Nähe, aber ich würde empfehlen, ein Auto zu mieten. Damit sie die Natur erkunden und genießen können.

Das klingt großartig. Sie sehen, wie gut die Sprachausgabe zum Tonfall und sogar zum Ausdruck des Sprechers passt. Wir sind dem natürlichen, fließenden Gespräch über Sprachen hinweg näher und heute führen wir diese Echtzeit Sprachübersetzung direkt in Google Meet ein. Die Übersetzung ins Englische und Spanische ist ab sofort für Abonnenten verfügbar. Weitere Sprachen werden in den nächsten Wochen folgen. Als nächstes haben wir den absolut unglaublichen KI Assistenten. Darauf habe ich mich riesig gefreut und das ist Projekt Astra. Im Grunde genommen können Sie hier eine Key haben, die sich ansehen kann, was Sie auf Ihrem Mobiltelefon sehen. Und sie kann Ihnen buchstäblich bei allem helfen. Das ist absolut unglaublich. Sehen Sie sich die echte Demo an. Ihr frühes Forschungsprojekt, das auf der IO Stage vorgestellt wurde, war Projekt Astra. Es erforscht die zukünftigen Fähigkeiten eines universellen KI Assistenten, der die Welt um Sie herum verstehen kann. Wir beginnen heute damit, ihn in unsere Produkte zu integrieren. Gemini Live nutzt die Kamera und Bildschirmfreigabefunktionen von Project Astra, damit Sie über alles sprechen können, was Sie sehen. Die Leute verwenden es auf so viele Arten, egal ob sie für ein Vorstellungsgespräch über üben oder für einen Marathon trainieren. Wir freuen uns über das Feedback unserer zuverlässigen und weniger zuverlässigen Tester. Schauen Sie es sich an.

Das ist ein ziemlich schickes Cabrio. Ich glaube, Sie haben den Müllwagen mit einem Cabrio verwechselt. Kann ich Ihnen sonst noch weiterhelfen? Was macht dieses dünne Gebäude in meiner Nachbarschaft? Das ist eine Straßenlaterne, kein Gebäude. Warum sind diese Palmen so kurz? Ich mache mir Sorgen um Sie. Sie sind nicht kurz. Sie sind eigent ziemlich hoch. Krasses Cabrio. Schon wieder ein Müllwagen. Sonst noch etwas? Warum liefern die Leute immer wieder Pakete auf meinen Rasen? Das sind keine Pakete. Das ist ein Verteilerkasten. Warum folgt mir diese Person, wohin ich auch gehe?

Ihnen folgt doch niemand. Das ist nur Ihr Schatten. Gemini ist ziemlich gut darin, Ihnen zu sagen, wenn Sie falsch liegen. Wir führen das ab heute für alle Android und iOS Geräte ein. Wir haben die Sprachausgabe mit nativem Audio natürlicher gestaltet. Wir haben den Speicher verbessert und eine Computersteuerung hinzugefügt. Schauen wir uns das mal an. Hier ist der neueste Prototyp von Project Astra. Mal sehen, ob er mir beim Reparieren meines Fahrrads hilft. Hey, geh online und suche nach einer Bedienungsanleitung für ein Hafi Mountainbike.

Ich habe eine Bedienungsanleitung für dich gefunden. Was möchtest du darüber wissen?

OK, super. Scrolle jetzt, bis du den Abschnitt über die Bremsen findest.

Alles klar, ich suche jetzt nach dieser Seite.

Ich glaube, ich habe die Schraube überdreht. Kannst du auf YouTube gehen und ein Video finden, wie man das repariert?

Natürlich. Ich öffne jetzt YouTube. Das sieht nach einem guten Video aus.

Lege ein Gummiband über den Kopf der Schraube und drücke es fest nach unten. Welche Sechskantmuttergrösse brauche ich? Schau in meine E Mails mit dem Laden.

Gerne. Laut der E Mail von Bicycle Habitat brauchst du eine 3 8 Zoll Sechskantmutter für dein Kettenrad. Ich habe den richtigen Behälter für Sie markiert.

Anscheinend brauche ich eine Ersatzspannschraube. Fragen Sie den nächsten Fahrradladen nach dem Lagerbestand.

Ja, ich rufe jetzt an. Ich sage Ihnen Bescheid, was vorrätig ist.

Ich glaube, meine Bremsbeläge sind abgenutzt. Können Sie noch einmal in der Anleitung nachsehen, ob er irgendwo erwähnt wird?

Laut Anleitung, wenn Sie auf Seite 24.

Nachsehen, möchten Sie vielleicht zum Mittag essen? Ja, geben Sie mir fünf Minuten. Können Sie bitte zu Ende sagen, was Sie sagen wollten?

Wie ich schon sagte, wenn Sie auf Seite 24 Abschnitt 2 nachsehen, sehen Sie, wie man die Bremsbeläge austauscht. Hey, gibt es Neuigkeiten zu diesem Anruf? Ja, ich komme gerade aus dem Fahrradladen. Sie haben bestätigt, dass Sie Ihre Spannschraube auf Lager haben. Soll ich eine Abholung bestellen?

Können Sie mir ein paar Beispiele für Hundekörbe zeigen, die ich an meinem Fahrrad befestigen kann?

Gerne, da kann ich Ihnen helfen. Geben Sie mir einfach einen Moment.

Hier sind ein paar Möglichkeiten. Ich glaube, zuka würden diese wirklich toll aussehen. Weiter geht's mit Computernutzung durch Agenten und diese ist wirklich interessant. Project mariner fortschrittlicher KI Agent für Ihren Computer Browser. Er wird also Dinge tun und bis zu 10 Aufgaben gleichzeitig ausführen können. Dies wird zunächst für Entwickler eingeführt. Daher ist es sehr wahrscheinlich, dass diese die besten Anwendungsfälle dafür herausfinden werden. Dies ist wirklich sehr interessant. Da Google den Bereich der KI Agenten vorangetrieben hat. Agenten sind Systeme, die die Intelligenz fortschrittlicher KI Modelle mit Tool Zugriff kombinieren. Sie können in ihrem Namen und unter ihrer Kontrolle Maßnahmen ergreifen. Die Computernutzung ist eine wichtige Fähigkeit von Agenten. Sie ermöglicht es Agenten, mit Browsern und anderer Software zu interagieren und diese zu bedienen. Project Marina war ein früher Schritt nach vorn beim Testen der Fähigkeiten zur Computernutzung. Wir haben es im Dezember als frühen Forschungsprototyp veröffentlicht und seitdem viele Fortschritte gemacht. Erstens führen wir Multitasking ein und es kann jetzt bis zu zehn Aufgaben gleichzeitig überwachen. Zweitens verwendet es eine Funktion namens teachnrepeat. Hier können Sie ihm einmalig eine Aufgabe zeigen und erlernt einen Plan für ähnliche Aufgaben in der Zukunft. Wir stellen Entwicklern die Computernutzungsfunktionen von Project Marina über die Gemini API zur Verfügung. Vertrauenswürdige Tester wie Automation Anywhere und UiPath beginnen bereits mit der Entwicklung und in diesem Sommer wird es für eine breitere Öffentlichkeit verfügbar sein. Die Computernutzung ist Teil eines notwendigen Toolsets für ein florierendes Agenten Ökosystem mit unserem offenen Agent zu Agent Protokoll zur Agentenkommunikation auf der Cloud Next vorgestellt mit über 60 Technologiepartnern. Wir erwarten steigende Zahlen. Dann gibt es noch das von Anthropic eingeführte Model Context Protocol, damit Agenten auf andere Dienste zugreifen können. Heute freuen wir uns bekannt zu geben, dass unser Gemini SDK jetzt mit MCP Tools kompatibel ist. Apropos Wir haben tatsächlich einen Agentenmodus. Dies ist im Grunde genommen Surfen auf Steroiden. Wenn Sie etwas tun müssen, wird Ihr Browser eine Reihe von KI Agenten aufrufen, die Aufgabe für Sie ausführen und Sie werden im Hintergrund für Sie arbeiten. Stellen Sie sich vor, Sie müssen bei Google nach Tickets suchen, nur dass die App das Ganze jetzt viel effizienter macht. Dank der Zusammenarbeit dieser Technologien werden Makler noch nützlicher. Wir beginnen bereits damit, die Chrome Suche und die Gemini App mit Maklerfunktionen auszustatten. Ich zeige Ihnen, worauf wir uns bei der Gemini App freuen. Wir nennen das den Maklermodus. Nehmen wir an, Sie möchten für sich und zwei Mitbewohner eine Wohnung in Austin finden. 1200 US Dollar sind es monatlich für jeden. Sie möchten eine Waschmaschine mit Trockner oder zumindest einen Waschsalon in der Nähe. Normalerweise müssten Sie viel Zeit damit verbringen, durch endlose Angebote zu scrollen. Im Maklermodus arbeitet die Gemini App im Hintergrund. Sie findet Angebote auf Websites wie Zillow, die ihren Kriterien entsprechen, und verwendet bei Bedarf Project Marina, um ganz bestimmte Filter anzupassen. Wenn Sie sich für eine Wohnung interessieren, greift Gemini über MCP auf die Angebote zu und plant sogar eine Besichtigung für Sie. Und es sucht so lange nach neuen Angeboten, wie Sie es benötigen, sodass Sie sich auf andere Dinge konzentrieren können, wie zum Beispiel die Planung der Einweihungsparty. Toll für Firmen wie Zillow. Neukunden gewinnen, Konversionsraten steigern. Eine experimentelle Version des Agentenmodus in der Gemini App wird bald für Abonnenten verfügbar sein. Es ist ein neuer, vielversprechender Bereich. Wir freuen uns darauf, Agenten, Nutzern und dem Ökosystem bestmöglich verfügbar zu machen. Als Nächstes möchte ich mich sehr freuen, dass Google die Funktion Persönlicher Speicher hinzugefügt hat. Eine der wichtigsten Funktionen von ChatGPT ist der umfassende Kontext vergangener Unterhaltung. So weiß man genau, wer ich bin, um personalisierte Empfehlungen aussprechen zu können, und Google setzt hier alles daran. In der Präsentation wird das sogar mehrfach erwähnt. Dies erwecken wir mit unserem persönlichen Kontext zum Leben. Mit ihrer Erlaubnis können Gemini-Modelle relevanten Kontext in ihren Google Apps auf eine Weise verwenden, die privat, transparent und vollständig unter Ihrer Kontrolle ist. Ich zeige Ihnen ein Beispiel in Gmail. Möglicherweise sind Sie mit unseren KI gestützten intelligenten Antwortfunktionen vertraut. Es ist Es ist erstaunlich, wie beliebt Sie sind. Stellen Sie sich nun vor, diese Antworten könnten wie sie klingen. Das ist die Idee hinter personalisierten intelligenten Antworten. Nehmen wir an, mein Freund schreibt mir und bittet mich um Rat. Er macht einen Roadtrip nach Utah und erinnert Das habe ich schon einmal gemacht. Wenn ich ehrlich bin, würde ich wahrscheinlich nur kurz und wenig hilfreich antworten. Tut mir leid, Felix. Doch mit smarten Antworten bin ich besser befreundet. Das liegt daran, dass Gemini fast die gesamte Arbeit für mich erledigen kann. Meine Notizen und Fahrten durchsuchen, frühere E Mails nach Reservierungen durchsuchen und meinen Reiseplan in Google Docs finden, Meinen Ausflug in den Zion Nationalpark. Gemini gleicht meine typischen Begrüßungen aus früheren E Mails ab, erfasst meinen Tonfall, Stil und meine bevorzugten Wortwahlen und generiert dann automatisch eine Antwort. Mir gefällt, dass es Details wie die Einhaltung der Fahrzeit von unter 5 Stunden pro Tag. Enthält und mein Lieblingsadjektiv aufregend verwendet. Sieht toll aus. Vielleicht möchten Sie noch ein paar Änderungen vornehmen und auf Senden klicken. Das wird für Abonnenten ab diesem Sommer in Gmail verfügbar sein. Was die neuen Sprachmodelle angeht, ist es verrückt, dass Sie tatsächlich ein neues großes Sprachmodell namens Gemini 2.5 Flash veröffentlicht haben. Und das ist besser als jede andere Key in fast jeder Dimension und das zu einem Bruchteil der Kosten und zehnmal so schnell. Das ist der Wahnsinn. Gemini Flash ist unser effizientestes Arbeitspferdmodell. Entwickler schätzen seine Geschwindigkeit und niedrigen Preis. Heute freue ich mich bekannt zu geben, dass wir eine aktualisierte Version von 2.5 Flash veröffentlichen. Das neue Flash ist in fast jeder Dimension besser und hat sich in wichtigen Benchmarks für argumentation, Code und langen Kontext verbessert. Tatsächlich liegt es auf der LM Arena Bestenliste nur hinter 2.5 Pro auf Platz 2. Ich freue mich bekannt geben zu können, dass Flash Anfang Juni allgemein verfügbar sein wird und Pro kurz darauf. Eine Sache, von der ich wirklich überrascht war, war Google Gemini Deep Think. Ich wusste, dass Modelle, die länger denken, sich als intelligenter Erweisen, aber Gemini 2.5 Pro war bereits intelligent genug. Es stellte sich heraus, dass sie es noch länger nachdenken ließen und es den Gesamtbenchmark zerschlug. Das war also ein Schock für mich.

Wir waren damit beschäftigt, die Grenzen der Denkfähigkeiten in Gemini 2.5 auszuloten. Bessere Reaktionen der Modelle erreichen wir wie bei Alfgo mit mehr Denkzeit. Heute machen wir 2.5 Pro noch besser, indem wir einen neuen Modus einführen, den wir Deep Think nennen. Er bringt die Modelleistung an ihre Grenzen und liefert bahnbrechende Ergebnisse. Deep Think nutzt unsere neuesten Spitzenforschungen in den Bereichen Denken und Argumentation einschließlich paralleler Techniken. Bisher haben wir eine unglaubliche Leistung gesehen. Es erzielt eine beeindruckende Punktzahl bei USA MU derzeit einer der schwierigsten Maßen Benchmarks. Es führt bei Life Code Benchmark, einem schwierigen Benchmark für Co Wettbewerbslevel Codierung. Und da Gemini von Anfang an nativ multimodal war, ist es keine Überraschung, dass es auch beim Mahaupt Benchmark, der diese MMU misst, herausragt. Da wir mit 2.5 Pro Deep Think neue Maßstäbe setzen, nehmen wir uns etwas mehr Zeit, um weitere Sicherheitsbewertungen von Frontier durchzuführen und weiteres Feedback von Sicherheitsexperten einzuholen. Wir stellen sie vertrauenswürdigen Testern über die Gemini API zur Verfügung, um Feedback zu erhalten, bevor sie öffentlich zugänglich ist. Als Nächstes haben wir Gemini Diffusion, das die Twitter Welt im Sturm erobert hat. Das ist ein experimentelles Google DeepMind Modell mit Diffusionsmodellierung. Diese Technik, bekannt aus Bild und Videogenerierung, wird auf Text und Code angewendet. Im Gegensatz zu herkömmlichen LLMs, die Text tokenweise generieren, generiert Gemini Diffusion Text, indem es iterativ zufälliges Rauschen zu kohärenten Ausgaben verfeinert und ganze Sequenzen parallel verarbeitet, was es wesentlich schneller macht. Wie Demi erwähnte, verbessern wir unsere Modelle stetig durch innovative Ansätze fokussiert auf Effizienz und Leistung. Wir haben die Bild und Videogenerierung zunächst durch bahnbrechende Diffusionstechniken revolutioniert. Ein Diffusionsmodell lernt Ausgaben zu generieren, indem es Rauschen schrittweise verfeinert. Heute bringen wir mit unserem neuesten Forschungsmodell die Leistungsfähigkeit der Diffusion in den Text. Es eignet sich daher ideal zum Bearbeiten auch von Mathematik und Code. Da es nicht nur von links nach rechts generiert, kann es sehr schnell eine Lösung iterieren und während des Generierungsprozesses Fehler korrigieren. Gemini Diffusion ist ein hochmodernes experimentelles Textdiffusionsmodell, das diese parallele Generierung nutzt, um eine extrem niedrige Latenz zu erreichen. Die Version von Gemini Diffusion, die wir heute veröffentlichen, generiert beispielsweise fünfmal schneller als flashlight unser bisher schnellstes Modell und das bei gleicher Codierungsleistung. Nehmen wir also dieses mathematische Beispiel bereit. Los geht's. Wer geblinzelt hat, hat es verpasst. Vorhin haben wir die Dinge beschleunigt, aber dieses Mal werden wir sie etwas verlangsamen. Es ist ziemlich cool zu sehen, wie das Modell zur Antwort 39 kommt. Dieses Modell wird derzeit mit einer kleinen Gruppe getestet und wir werden unsere Arbeit an verschiedenen Ansätzen zur Reduzierung der Latenz in allen unseren Gemini Modellen mit einem schnelleren 2,5 Zoll Flashlight fortsetzen, das bald verfügbar sein wird. Jetzt haben wir auch eine native Audioausgabe, die absolut herausragend ist. Ich wusste, dass die Audioausgabe von Google wirklich gut sein würde, aber als ich sie hier zum ersten Mal hörte, wurde mir klar, wie schnell Google ist. Zusätzlich zum neuen 2,5 Zoll Flash, das Demi erwähnte, führen wir auch neue Vorschauen für Text to Speech ein. Diese verfügen jetzt über eine einzigartige Multi Effekt Unterstützung für zwei Stimmen, die auf nativer Audioausgabe basiert. Das bedeutet, dass das Modell sich ausdrucksstärker unterhalten kann. Es kann die wirklich subtilen Nuancen unserer Sprache erfassen. Es kann sogar nahtlos in ein Flüstern wechseln, wie hier. Das funktioniert in über 24 Sprachen und kann sogar problemlos zwischen Sprachen wechseln. Das Modell kann also anfangen auf Englisch zu sprechen und dann mit derselben Stimme zurück wechseln.

Die 2.5 Pro Modelle von Google Gemini sind wirklich unglaublich gut im Code. Hier wird eine richtig schöne Demo gezeigt.

Wie Demi bereits berichtet hat, ist Gemini 2.5 Pro beim Coden unglaublich gut. Jetzt zeige ich euch, wie ihr jede Idee zum Leben erwecken könnt. Das New Yorker Museum für Naturkunde bietet beeindruckende Ausstellungen, wenn ihr schon mal dort wart. 2.5 Pro hat für mich in Google I Studio eine einfache Web App zum Teilen von Fotos und zum Lernen programmiert. Das ist es, was ich bisher habe. Ich möchte sie aber noch interaktiver gestalten. Das Design brainstorme ich noch, aber Ideen habe ich schon. So etwas habt ihr doch schon einmal gesehen, oder? Jemand kommt mit einer brillanten Idee auf eine Serviette gekritzelt zu euch. Als Projektmanager bin ich oft so jemand. Standardmäßiges zweidimensionales Webdesign ist eine Sache, aber ich wollte es in D machen. In D einzusteigen war nicht.