Google Cloud представила масштабный пакет обновлений искусственного интеллекта

В марте 2026 года подразделение Google Cloud представило комплексное обновление своей экосистемы искусственного интеллекта, охватывающее новые мультимодальные решения, экономичные модели для генерации контента и расширенные инструменты кибербезопасности. Этот релиз направлен на обеспечение разработчиков и корпоративных клиентов гибкими инструментами для создания масштабируемых приложений. Важной частью мартовских анонсов стало не только внедрение новых генеративных нейросетей, но и публикация подробных практических руководств, которые помогают инженерам оптимизировать процессы обучения моделей и настраивать инфраструктуру под специфические задачи бизнеса.

Центральным элементом обновления платформы Vertex AI стал запуск Gemini Embedding 2, первой нативной мультимодальной модели эмбеддингов от Google. Этот инструмент, доступный в настоящее время в режиме публичного превью, решает сложную задачу объединения различных форматов данных в единую систему координат. Gemini Embedding 2 проецирует текстовую информацию, изображения, видеофайлы, аудиозаписи и комплексные документы в единое пространство эмбеддингов. Такой подход позволяет осуществлять кросс-модальный поиск и классификацию медиафайлов без необходимости использовать отдельные модели для каждого типа данных, хотя в опубликованных материалах не раскрываются точные параметры размерности этого единого векторного пространства.

Для решения задач, связанных с созданием динамического визуального контента, была представлена модель Veo 3.1 Lite, которая замыкает линейку генеративных решений семейства Veo 3.1. Эта нейросеть разработана специально для создания видеоприложений с большими объемами запросов, предоставляя разработчикам гибкость в выборе инструментов в зависимости от их текущих потребностей. Главным преимуществом Veo 3.1 Lite является ее экономическая эффективность, так как стоимость генерации снижена более чем на пятьдесят процентов по сравнению с версией Veo 3.1 Fast, при этом скорость обработки запросов остается на том же уровне. Для ускорения внедрения Google также выпустила специализированное руководство по составлению промптов для всей серии моделей Veo.

Существенные улучшения затронули и сферу обработки звука благодаря обновлению модели Gemini 3.1 Flash Live. Инженеры Google повысили общее качество работы системы, сделав ее более надежной базой для корпоративных клиентов и разработчиков, создающих голосовых ИИ-агентов. Эти агенты теперь способны выполнять комплексные многоэтапные задачи в промышленных масштабах. В качестве подтверждения возросшей эффективности приводится результат в 90,8 процента на специализированном бенчмарке ComplexFuncBench Audio, который оценивает способность модели к многошаговому вызову функций с учетом различных строгих ограничений, что превосходит показатели предыдущих поколений системы. При этом конкретные метрики прошлых версий для прямого сравнения в отчете отсутствуют.

На фоне развития генеративных технологий Google Cloud объявила об официальном завершении сделки по приобретению платформы Wiz, специализирующейся на безопасности облачных вычислений и искусственного интеллекта. Команда Wiz полностью переходит в структуру Google Cloud, однако сам бренд Wiz будет сохранен. Интеграция этих технологий направлена на переосмысление подходов к защите данных в эпоху развития ИИ. Объединенная экосистема предоставит клиентам комплексную платформу для обеспечения безопасности облачных и гибридных сред, а также позволит значительно ускорить процессы предотвращения, обнаружения и реагирования на возникающие киберугрозы в корпоративной инфраструктуре.

В рамках образовательной инициативы для инженерного сообщества команда Google опубликовала исчерпывающее руководство по работе с моделями Nano Banana 2 и Nano Banana Pro. Созданию этого документа предшествовали недели интенсивного тестирования, в ходе которых специалисты проверяли предельные возможности нейросетей на всевозможных сценариях использования. В руководстве раскрываются неочевидные механизмы получения наилучших результатов при генерации контента. В частности, разработчикам предлагается использовать выверенную формулу составления запросов, которая включает комбинацию эталонных изображений, инструкций по их взаимосвязи и описания нового сценария, что позволяет добиться максимального контроля над финальным результатом.

Вопросы оптимизации аппаратных ресурсов подробно разобраны в новом руководстве для разработчиков по обучению моделей с использованием тензорных процессоров Ironwood. Материал, подготовленный Лилиан Ю из отдела продуктовой стратегии и операций и менеджером по продукту Лиат Берри, описывает пять конкретных стратегий в рамках экосистем JAX и MaxText. Эти стратегии разработаны для того, чтобы помочь инженерам повысить эффективность процессов обучения и достичь пиковой производительности на специализированном оборудовании Ironwood, снижая тем самым временные и вычислительные затраты на подготовку крупномасштабных моделей.

Завершает мартовский цикл обновлений методическое руководство по созданию готовых к промышленной эксплуатации ИИ-агентов с использованием управляемых серверов MCP. В качестве практического примера в документе разбирается демонстрационный агент Cityscape, созданный с помощью комплекта разработки приложений Google ADK. Этот агент наглядно показывает процесс преобразования простого текстового запроса на генерацию городского пейзажа Киото в уникальное изображение, созданное искусственным интеллектом. Хотя руководство детально описывает логику работы агента, в нем не уточняются системные требования для развертывания серверов разработки на стороне клиента.