速報 NotebookLM Gemini 3.5 雲端電腦 AI 筆記

Google NotebookLM 升級至 Gemini 3.5 添加雲端運算與自動搜尋功能

Google 於 2026 年 6 月推出 NotebookLM 的全新升級，全面採用 Gemini 3.5 大型語言模型，提升回應的準確度與可靠性。新功能包括可直接在聊天介面發起研究、透過 Google 搜尋自動找出相關來源、以及將筆記本連結至安全的雲端電腦，讓應用程式能即時撰寫與執行程式碼。

09 6月 2026 — 2 min read

Google 宣佈 NotebookLM 全面升級，核心模型換成 Gemini 3.5，據官方部落格指出，這讓 AI 筆記應用在回應資訊時更精確可靠。

即時研究與自動搜尋

新版 NotebookLM 允許使用者只要在聊天視窗提出研究主題，就能自動利用 Google 搜尋找出相關來源，並在「discover」功能基礎上協助挑選有用的網路資源。使用者可自行決定要匯入哪些來源，省去手動整理筆記的步驟。

此版本在 Google 的 Antigravity 代理程式平台上運行，每本筆記本都連結到一部「安全雲端電腦」，讓 NotebookLM 能即時產生並執行程式碼，協助使用者完成資料處理或分析工作。

除了文字摘要，NotebookLM 現在支援輸出 PDF、PNG／SVG 圖表、Nano Banana 產生的影像（PNG、JPG、GIF）、Excel、PowerPoint、CSV 等檔案，讓研究成果更易於分享與報告。

目前此功能先行於 Google AI Ultra 計畫與 Workspace 用戶開放，未來將逐步擴展至其他方案。

原始來源：The Verge

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。

Vector-Bench 是一個針對 SVG 指令式編輯的嚴謹基準測試，包含 40 個修復任務，每個任務配對一個損壞的 SVG 程式碼與作者撰寫的視覺指令、隱藏的目標程式碼、平均 5.05 個註釋修復和 60.55 個保護物件。指令僅描述可見缺陷，不暴露元素識別碼、座標、顏色碼或路徑資料。

大型語言模型（LLM）的流暢生成常被批評缺乏真正的語法結構。本文提出一個神經符號框架，利用組合範疇語法（CCG）對 LLM 的輸出進行後設的「提升」（lifting），將自然語言轉換為具型別的組合推導式。

大型語言模型體積龐大，難以用於機器人即時決策。Athena-Brain-8B 透過通用微調、強化學習、具身專家訓練與模型合併四階段後訓練，在 80 億參數內同時保留通用智慧與具身技能。實驗顯示，它在機器人導航任務上超越 GPT-5.5 等大模型，證明緊湊模型可勝任機器人大腦。

個人AI正從純對話擴展至手機、汽車等持續服務場景，記憶需從快取轉為連續性與治理基礎。Mi-Memory框架以結構化、擴展、演進與部署四大角色管理記憶生命週期，並透過審計合約連結各角色。MemStack在LoCoMo與LongMemEval上分別達93.59%與87.47%。