มีรายงานจาก The Information อ้างแหล่งข่าวที่เกี่ยวข้อง พูดถึงเหตุการณ์ที่เกิดขึ้นในเดือนมีนาคม กูเกิลได้แจ้ง Meta ว่าไม่สามารถจัดสรรทรัพยากรรัน Gemini ให้ Meta ได้เพียงพอตามคำสั่งซื้อ

รายงานบอกว่าปัญหาดังกล่าวส่งผลให้ Meta ต้องเลื่อนแผนโครงการ AI หลายอย่างออกไป รวมทั้งจำกัดการใช้โทเค็นซึ่งเคยมีข่าวออกมา ปัญหานี้ไม่ได้จำกัดแค่ Meta แต่ลูกค้ากูเกิลหลายรายก็เจอปัญหานี้ เพียงแต่ผลกระทบอาจน้อยกว่า เพราะคำสั่งซื้อ Meta นั้นสูงกว่าลูกค้าอื่นมาก

Noam Shazeer หนึ่งในหัวหน้า Gemini ของกูเกิล ประกาศว่าเขาตัดสินใจย้ายไปทำงานที่ OpenAI โดยยอมรับว่าเป็นการตัดสินใจที่ยากลำบาก และภูมิใจกับทีมงานของกูเกิลตลอดช่วงที่ผ่านมา

Shazeer เริ่มทำงานกับกูเกิลมาตั้งแต่ปี 2000 ผลงานที่โดดเด่นของเขาคือการเป็นหนึ่งในผู้ร่วมสร้างสถาปัตยกรรม Transformer ที่เป็นพื้นฐานของการพัฒนาโมเดลปัญญาประดิษฐ์ภาษาขนาดใหญ่ (LLM)

กูเกิลอัปเดตโมเดลสำหรับการแปลภาษารุ่นใหม่ Gemini 3.5 Live Translate โดยมีจุดเด่นในการประมวลผลเสียงพูดแบบเรียลไทม์ สามารถจัดการกับอินพุทภาษาต่าง ๆ ได้เองอัตโนมัติมากกว่า 70 ภาษา รวมถึงแยกแยะเสียงรบกวนได้ดี ผลลัพธ์ที่ออกมาให้เสียงพูดแปลที่เป็นธรรมชาติ รักษาโทนเสียง จังหวะของต้นฉบับเอาไว้ และดีเลย์จากเสียงต้นฉบับเพียงเล็กน้อยเท่านั้น ทำให้เกิดความต่อเนื่องกว่าโมเดลการแปลแบบเดิมที่ต้องรอให้พูดจบประโยคก่อนจึงแปล

กูเกิลประกาศความร่วมมือกับแอปตัดต่อวิดีโอยอดนิยม CapCut เพื่อนำความสามารถของแอปนี้มาอยู่ใน Gemini ทำให้ผู้ใช้งานสามารถสั่งแก้ไขไฟล์วิดีโอและไฟล์รูปภาพได้โดยตรงผ่านแอป Gemini อย่างไรก็ตามทั้งกูเกิลและ CapCut ยังไม่ได้อธิบายว่าการทำงานจะเป็นอย่างไร และทำได้มากน้อยแค่ไหน บอกเพียงรายละเอียดจะตามมาเร็ว ๆ นี้

ที่ผ่านมา CapCut มีฟีเจอร์การแก้ไขวิดีโอด้วย Gemini AI อยู่แล้ว ประกาศนี้จึงเป็นการเพิ่มช่องทางใช้งานให้สะดวกขึ้น

ทั้งนี้ Gemini มีส่วนเชื่อมต่อกับแอปแต่งรูปอยู่ก่อนหน้านี้แล้วทั้ง Adobe และ Canva

กูเกิลประกาศปรับปรุงแอป Gemini ครั้งใหญ่ เพื่อให้เป็นแอปผู้ช่วยที่มีความสามารถทำงานโหมด active มากขึ้น รองรับโมเดลใหม่ที่เปิดตัวในงาน Google I/O ล่าสุด

การเปลี่ยนแปลงที่จะสังเกตได้คือการออกแบบแอปใหม่แบบ ซึ่งกูเกิลเรียกภาษาออกแบบนี้ว่า Neural Expressive ที่ดูลื่นไหลมีชีวิตชีวามากขึ้น ทั้งกล่อง prompt แบบใหม่, UI ที่รวมโหมดคุยเสียง (voice) และโหมด Gemini Live ไว้ในหน้าหลักทั้งหมด ไม่มีการสลับไปมา

นอกจากประกาศเพิ่มแพ็คเกจใหม่ Google AI Ultra ราคา 100 ดอลลาร์ แล้ว กูเกิลยังประกาศปรับวิธีคำนวณโควต้าใช้งาน Gemini จากเดิมที่จำกัดระดับจำนวน prompt ต่อวัน มาใช้แนวทางเหมือนกับ AI ค่ายอื่นคือนับปริมาณการประมวลผล (compute-used)

กูเกิลบอกว่าปริมาณการประมวลผลจะมากหรือน้อยขึ้นกับหลายปัจจัย เช่น ความซับซ้อนของ prompt, ฟีเจอร์เสริมที่เรียกใช้งาน, ความยาวของแชท ซึ่งวิธีคำนวณใหม่นี้ทำให้การจัดสรรทรัพยากรประมวลผลทำได้ดีขึ้น โควต้าใช้งานจะรีเฟรชคืนให้ทุก 5 ชั่วโมง จนกว่าจะครบโควต้าใช้งานในระดับสัปดาห์

กูเกิลเปิดตัว Gemini Omni โมเดลปัญญาประดิษฐ์ใหม่ที่ระบุว่าสามารถสร้างผลลัพธ์ได้ทุกรูปแบบ จากข้อมูลอินพุทใดก็ได้ ทำให้การสร้างสรรค์ขยายขอบเขตมากยิ่งขึ้น โดยในช่วงเริ่มต้นนี้ความสามารถจำกัดไว้ที่การสร้างวิดีโอก่อน

โมเดล Omni รองรับอินพุทผสมผสานทั้งภาพ เสียง วิดีโอ ข้อความ เพื่อสร้างผลลัพธ์เป็นวิดีโอคุณภาพสูงบนความสามารถของ Gemini และสามารถ prompt ปรับแก้ไขวิดีโอได้เพิ่มเติม ตัวอย่างที่กูเกิลนำเสนอ เช่น ให้วิดีโอที่บันทึกเปลี่ยนบรรยากาศรอบตัวเป็นไปตามต้องการ, ปรับหมุนมุมกล้องของวิดีโอ, สั่งการเคลื่อนที่วัตถุให้เป็นตามกฎฟิสิกส์, กำหนดทิศทางการเคลื่อนที่วัตถุ, ผสมผสานหลายภาพให้เป็นผลลัพธ์เดียว เป็นต้น

กูเกิลเปิดตัวแพ็คเกจสมัครใช้งาน AI ใหม่ในชื่อ Google AI Ultra 100 ดอลลาร์ ราคา 100 ดอลลาร์ต่อเดือน ที่มีราคาถูกกว่า AI Ultra ตัวเต็ม (วิธีนี้คุ้น ๆ นะ) โดยบอกว่าแพ็คเกจนี้เหมาะสำหรับนักพัฒนา หัวหน้าทีม คนทำงานที่ใช้ความรู้เฉพาะทาง ไปจนถึงครีเอเตอร์ที่ทำงานขั้นสูง