2
里程碑
27
重要更新
12
常规动态
CodeMender 更新支持 Gemini 3.6/3.7 Flash 及新增无限制验证标志
CodeMender 发布更新，新增对 Gemini 3.6 Flash 和 3.7 Flash（默认）模型的支持。同时引入 --unrestricted 标志用于 cm verify，允许在隔离环境中绕过命令策略限制进行漏洞利用验证。此外，修复了长时间会话可靠性、跨操作系统 Shell 解析及权限拒绝错误消息可读性等多项问题。
智谱 GLM 5.2 模型在 Google Model Garden 提供公共预览
Z.ai（智谱）的 GLM 5.2 模型现已在 Google Cloud Vertex AI Model Garden 中作为完全托管模型（MaaS）提供公共预览。该模型面向长周期智能体和编程任务，支持 100 万 token 上下文窗口。此举表明 Vertex AI 继续扩展第三方模型生态，引入中国 AI 公司的长上下文模型，强化在智能体和工作流自动化领域的模型选择。
xAI Grok 4.6 模型在 Vertex AI Model Garden 提供预览
xAI 的 Grok 4.6 模型现已在 Google Cloud Vertex AI 的 Model Garden 中以预览版形式提供。这标志着 xAI 模型首次通过 Google Cloud 平台向企业开发者开放，丰富了 Model Garden 的第三方模型生态。开发者可直接在 Google Cloud 生态内发现和试用该模型，无需切换平台。目前具体能力参数、定价及正式 GA 时间尚未披露。
CodeMender 移除 Gemini 3 Flash 并支持 3.5 Flash 与 3.1 Pro
Google Cloud 的 CodeMender 工具更新了其支持的底层模型，不再支持 Gemini 3 Flash（gemini-3-flash-preview）作为模型后端。当前默认支持的模型已升级为 Gemini 3.5 Flash，并同时支持 Gemini 3.1 Pro Preview。这一变更表明 Google 正在推动代码修复等场景向新一代模型迁移，使用旧版模型的开发者需要将其工作流和集成迁移至新版本。
Gemini 旧版模型评估指标保留但定价显著高于新版
Google Gemini Enterprise Agent Platform 仍保留旧版模型评估指标（包括 Coherence、Fluency、Safety 等），但定价为输入 $0.005/千字符、输出 $0.015/千字符，远高于新版计算指标。Google 通过显著的价格差异信号引导用户从旧版模型评估指标迁移到新版 Gemini 2.0 Flash 评估体系，旧版保留可能仅为兼容性考虑。仍依赖旧版评估指标的开发者面临显著更高的成本压力。
Gemini Agent Platform 推理支持全系列机器类型及 Spot VM
Google Gemini Enterprise Agent Platform 推理服务现支持 E2、N1、N2、N4、C2、G4、A2、A3 等全系列机器类型，同时提供 Spot VMs 和预留实例选项，TPU v2/v3 也可用于推理。此举将推理服务与训练服务纳入同一硬件定价体系，用户可根据延迟和成本需求灵活选择不同机器类型，Spot VMs 尤其适合批量和非实时推理场景，使 Google 在主流云平台中 AI 推理成本弹性方面处于领先水平。
Gemini Enterprise Agent Platform Ray 分布式训练独立定价公布
Google 为 Gemini Enterprise Agent Platform 上的 Ray 分布式训练框架公布了独立定价方案。定价涵盖 n1/n2/e2/c2/m1/a2/a3/a4 机器类型以及 A100/H100/T4/V100/TPU 加速器，价格与标准自定义训练略有差异。Google 将 Ray 作为 Agent Platform 的一等公民进行独立定价，表明其正积极拥抱 Ray 生态以吸引分布式 AI 训练工作负载。这使得使用 Ray 框架的团队可直接在 Agent Platform 上运行分布式训练，无需额外管理 Ray 集群基础设施。
Gemini Enterprise Agent Platform 自定义训练支持广泛机器类型与加速器
Google 公布了 Gemini Enterprise Agent Platform 自定义训练的硬件支持范围。支持 n1/n2/n4/e2/c2/m1/g4/a2/a3/a4 系列机器类型，GPU 加速器涵盖 H200/H100/A100/L4/T4/V100 等最新型号，同时支持 TPU。平台还支持 Spot VMs 和预留实例，为不同预算和性能需求的 AI 训练团队提供灵活选择。Spot VMs 可大幅降低非关键训练任务的成本。这是业界最广泛的自定义训练硬件选项之一，涵盖最新的 H200 和 A4 GPU。
Gemini Enterprise Agent Platform AutoML 表格训练与预测分层定价公布
Google 公布了 Gemini Enterprise Agent Platform 中 AutoML 表格模型的定价。分类和回归训练费用为 $21.252/节点小时。预测采用分层定价策略：前 100 万次调用 $0.20/千次，100 万至 5000 万次 $0.10/千次，5000 万次以上降至 $0.02/千次（相比首层折扣达 90%）。ARIMA+ 预测定价为 $5.00/千次，显著高于 AutoML Forecasting。分层定价为大规模预测场景提供了显著的成本优势，但 ARIMA+ 的高定价需要用户自行评估其预测质量是否匹配溢价。
Gemini Enterprise Agent Platform AutoML 图像训练与部署定价公布
Google 公布了 Gemini Enterprise Agent Platform 中 AutoML 图像模型的定价细节。图像分类和目标检测训练费用为 $3.465/小时，Edge 设备端训练费用为 $18.00/小时（约为云端训练的 5 倍，反映设备端模型优化的额外计算成本）。在线预测部署费用为 $1.375-$2.002/小时，批量预测为 $2.222/小时。该定价为使用 AutoML 进行图像模型开发的团队提供了明确的成本基线，但 Edge 场景成本显著高于云端部署。
Google Gemini Enterprise Agent Platform 定价体系公布
Google 公布 Gemini Enterprise Agent Platform 完整定价体系，该平台取代旧版 AI Platform 和 AutoML，统一整合 AI 训练与推理服务。核心变化包括：不再支持低成本低性能机型推理和 scale-to-zero，新增 TensorFlow 运行时优化、模型共托管及 30 秒增量计费。Agent Runtime 和 Sandbox 环境中轮次间空闲等待时间不计费，使用量按秒取整。Skill Registry 于 2026 年 9 月 1 日起按存储和读写操作计费，费率与 Memory Bank 一致，Vulnerability Analysis 模型 Token 另计。Semantic Governance Policy（用于自然语言约束 Agent 工具调用）将于 2026 年晚些时候开始按评估 Token 计费。
Gemini 语义治理策略引擎内置监控指标上线预览
Google Cloud 宣布 Gemini Enterprise Agent Platform 的语义治理策略引擎内置 Cloud Monitoring 指标现已提供预览版。用户可在 Metrics Explorer 中观察策略引擎的请求吞吐量、评估次数、延迟、裁决分布（ALLOW vs DENY）以及 LLM token 消耗等关键指标，并支持通过 Cloud Monitoring v3 API 和 PromQL 进行查询，还可配置告警策略。这一进展提升了企业级 AI 治理的可观测性，有助于合规审计和运维效率提升，降低了企业自建监控体系的成本，使 Google Cloud 在 AI 治理领域形成差异化竞争。目前该功能尚处于预览阶段，实际性能与稳定性有待验证，预览期间可能存在功能变更或使用限制。
Gemini 3.7 Flash 正式发布，默认启用 Agentic 视频处理
Google 于 2026 年 8 月 13 日正式发布 Gemini 3.7 Flash（GA），可用于生产环境。该模型是首个默认启用 agentic 视频处理能力的模型，将视频理解从被动分析推向主动代理模式，意味着模型不仅能理解视频内容，还能基于视频信息自主规划和执行操作。这一特性可能推动行业对视频 Agent 能力的基线预期提升，为需要视频处理的企业开发者和产品团队提供直接可用的生产级 agentic 视频能力。
Gemini Agent Runtime 支持 ADK 遥测指标并遵循 OpenTelemetry 规范
部署到 Agent Runtime 并使用 ADK 2.6.0 或更高版本的 Agent 现可发出遵循 OpenTelemetry 生成式 AI 语义规范的 gen_ai 应用指标。此举将 Agent 可观测性纳入 OpenTelemetry 标准生态，降低了企业监控 Agent 生产行为的集成门槛，推动行业 Agent 可观测性标准化。
CodeMender CLI 引入进程级沙箱并默认启用
CodeMender CLI 于 2026 年 8 月分两阶段推出进程级沙箱功能。8 月 4 日预览版首次引入沙箱能力（默认关闭）及自动更新检查，允许开发者提前体验隔离执行环境以保护工作站免受意外文件修改。8 月 12 日正式将沙箱设为默认启用状态，所有命令在进程级沙箱中运行，体现从 opt-in 到 secure-by-default 的安全策略转变。用户可通过 config.yaml、--sandbox=false 或 --unrestricted 标志禁用沙箱，提供灵活的退出机制。该功能强化了 AI 编码工具在本地执行场景下的安全基础设施。