165 결과
2025년 7월 24일 / Google Labs
Opal은 Google Labs가 선보이는 새로운 실험용 도구로, 코드 없이 자연어만을 사용하여 프롬프트를 역동적인 다단계 미니 앱으로 변환할 수 있도록 지원합니다. 사용자는 강력한 기능은 물론 기존 Google 도구와 원활하게 통합하여 공유가 가능한 AI 앱을 제작하고 배포할 수 있습니다.
2025년 7월 23일 / Firebase
Firebase Studio의 인기 프레임워크를 위한 새로운 AI 기능에는 AI에 최적화된 템플릿, Firebase 백엔드 서비스로 간소화된 통합, 실험 및 협업을 위한 작업공간 분리 기능이 포함됩니다. 이러한 기능을 사용하면 전 세계 개발자가 AI 지원을 받아 앱을 개발하는 과정이 더 직관적이고 빨라집니다.
2025년 7월 22일 / Gemini
이전에 미리보기로 제공되었던 Gemini 2.5 Flash-Lite가 안정화 단계에 진입하여 정식으로 출시되었습니다. 이 비용 효율적인 모델은 2.0 Flash-Lite 및 2.0 Flash보다 최대 1.5배 더 빠르며, 고품질을 제공하고, 백만 토큰 맥락 범위 및 다중 모달성 등 2.5 제품군 특징을 포함합니다.
2025년 7월 21일 / Gemini
Gemini의 고급 기능인 대화형 이미지 분할 기능을 사용하면 복잡한 문구와 조건부 로직, 추상적인 개념을 파악하고, 개발자 경험을 간소화하며, 미디어 편집, 안전 모니터링 및 피해 평가를 위한 새로운 애플리케이션의 가능성을 열어 시각적 데이터와 직관적으로 상호작용을 할 수 있습니다.
2025년 7월 17일 / Gemini
Google의 최신 AI 동영상 생성 모델인 Veo 3가 현재 Gemini API 및 Google AI Studio를 통해 유료 미리보기로 제공됩니다. Google I/O 2025에서 공개된 Veo 3는 대화, 배경 소리, 동물 소리까지도 포함해, 동영상과 이에 동기화된 오디오를 모두 생성할 수 있습니다. 이 모델은 화면상의 동작과 일치하는 정확한 립 싱크 및 사운드로 사실적인 비주얼, 자연스러운 조명, 물리 표현을 제공합니다.
2025년 7월 16일 / Gemini
업데이트된 ADK(에이전트 개발 키트)는 CLI에 ADK 프레임워크에 대한 심층적이고 비용 효율적인 이해를 제공함으로써 AI 에이전트 개발 프로세스를 간소화하고 가속화합니다. 덕분에 개발자는 대화형 프롬프트를 통해 신속하게 기능적인 에이전트에 대한 아이디어를 구상하고, 에이전트를 생성하고, 테스트하고, 개선할 수 있으며, 방해 요소를 없애고, 생산적인 작업의 '흐름(flow)' 상태를 유지할 수 있습니다.
2025년 7월 14일 / Gemini
Gemini Embedding 텍스트 모델이 Gemini API 및 Vertex AI에서 정식 출시되었습니다. 이 다용도 모델은 3월에 시험 출시된 이후 MTEB 다국어 리더보드에 지속적으로 1위를 차지했으며, 100개 이상의 언어를 지원하고, 입력 토큰 길이가 최대 2,048입니다. 이 모델의 가격은 백만 입력 토큰당 0.15달러입니다.
2025년 7월 10일 / Cloud
Firebase Studio의 업데이트에는 새로운 에이전트 모드, MCP(Model Context Protocol)에 대한 기본적인 지원, Gemini CLI 통합이 포함됩니다. 이 모든 것은 AI 지원 개발을 재정의하도록 설계되어 개발자가 단일 프롬프트에서 풀 스택 애플리케이션을 만들고 강력한 AI 기능을 워크플로에 직접 통합할 수 있도록 합니다.
2025년 7월 9일 / Gemma
T5Gemma는 Gemma 2 프레임워크를 기반으로 사전 학습된 디코더 전용 모델을 변환 및 조정하여 개발된 새로운 인코더-디코더 LLM 제품군입니다. 특히 요약 및 번역같이 입력 데이터에 대한 심층적 이해가 필요한 작업을 할 때 디코더 전용 모델에 비해 뛰어난 성능과 효율성을 제공합니다.
2025년 7월 7일 / Gemini
Gemini API의 새로운 일괄 모드는 처리량이 많고 지연 시간이 중요하지 않은 AI 워크로드를 위해 설계되었습니다. 일괄 모드는 예약 및 처리를 수행하여 대규모 작업을 단순화하고 데이터 분석, 대규모 콘텐츠 생성, 모델 평가와 같은 작업을 한층 비용 효율적이고 확장 가능하게 만들어 개발자가 대량의 데이터를 효율적으로 처리할 수 있게 합니다.
