新代理API和研究代理(Gemini / 交互 / TEN)

DeepMind发布了基于Gemini 3 Pro的Gemini深度研究代理,并推出了统一的交互API,用于模型和代理的整合。- Gemini深度研究代理能够自主规划深度研究任务,将私人文档与网络数据结合,并返回有引用支持的报告。- 该代理在专有基准测试中获得了SOTA成绩:DeepSearchQA 66.1%,人类最后的考试46.4%,BrowseComp 59.2%。- 交互API为模型和代理提供了单一端点,允许开发者控制报告结构、JSON输出和工具编排。- Google通过Google AI Studio向开发者发布了该代理,并开源了用于深度研究评估的新测试集。- TEN框架引入了一个开源工业代理运行时,用于实时多模态代理,配备TEN Designer可视化流程、多语言运行时和边缘云编排,支持音频/视频与LLM管道。- TEN解决了语音/视频助手的延迟、胶水代码、多语言集成和实时可中断性问题。
Key insights
Gemini深度研究代理旨在成为自主研究助手
DeepMind推出了基于Gemini 3 Pro的Gemini深度研究代理,旨在实现自主深度研究:它规划搜索、读取结果、识别空白,并在整合私人文档和网络来源的同时迭代目标查询。该代理生成可报告的输出,并附有可验证的引用,经过多步强化学习训练,以减少幻觉并提高复杂调查任务的事实准确性。
交互API统一了开发者的模型和代理集成
DeepMind推出了交互API——一个用于处理模型和代理工作流的单一接口——允许开发者控制报告结构、请求机器可读的JSON,并编排多步骤的代理任务。该API是Gemini深度研究的集成点,通过Google AI Studio提供开发者密钥。
代理基准测试显示出最先进的深度研究性能
DeepMind发布了新的DeepSearchQA基准,并报告了Gemini深度研究代理的顶级成绩:DeepSearchQA 66.1%,人类最后的考试46.4%,BrowseComp 59.2%,声称在需要因果链、深度集成和难以定位的信息检索任务中表现领先。
TEN框架针对实时多模态代理工程
TEN框架提供了一个开源运行时和可视化设计器(TEN Designer),用于处理音频、视频、ASR、LLM和TTS的实时多模态代理。它提供了一个支持C++的多语言运行时用于低级媒体,支持Python用于LLM逻辑,支持Go用于高并发网络,并通过边缘云分区在边缘运行轻量级模型,在云中进行重推理,解决了胶水代码复杂性和延迟问题。