KeyFrame內部研究專用

NotebookLM Can Make TikTok-Style Videos Now (This Changes Studying)!

World of AI·7月5日週日·8 min英文

三句話摘要

Google 推出 Notebook LM 短視頻和可編輯 flashcards,同時評析 Gemini 3.5 Pro 洩漏中的性能聲稱。 Notebook LM 的短視頻與可編輯 flashcards 是實質性的摩擦移除,Gemini 3.5 Pro 的可靠亮點是上下文窗口加倍而非相互矛盾的性能聲稱。 Notebook LM 短視頻的設計目的與技術支撐 — 60 秒垂直視頻是專為碎片化學習場景(睡前、排隊)而設計,使用 Gemini 3.1 Flash Light 的快速圖像生成能力(4 秒每張),確保捲動時的流暢體驗,內容完全基於使用者上傳的原始資料而非通用解釋器。

重點整理

重點
  • 1

    Notebook LM 短視頻的設計目的與技術支撐 — 60 秒垂直視頻是專為碎片化學習場景(睡前、排隊)而設計,使用 Gemini 3.1 Flash Light 的快速圖像生成能力(4 秒每張),確保捲動時的流暢體驗,內容完全基於使用者上傳的原始資料而非通用解釋器。

  • 2

    Flashcards 可編輯性的實際價值 — 從無法修改到卡片級編輯的轉變看似小改進,但實際上移除了將自動生成的牌組匯出、編輯、再匯入的繁瑣流程,使用者可直接調整不恰當的卡片或補充遺漏項目,大幅降低摩擦,更容易維持長期使用。

  • 3

    Gemini 3.5 Pro 洩漏信息中的核心分歧 — 多方洩漏在上下文窗口(200 萬 token)上達成共識,但在性能聲稱上相互矛盾,一些報導稱其優於 Fable 5,另些則稱其落後 Fable 5 與 GPT 5.6,這表明洩漏資訊可能是訓練中的多個快照,不宜過度解讀。

  • 4

    評估未發佈模型性能聲稱的方法論 — 私有評測與公開基準不同,後者可驗證;多個相互矛盾的洩漏同時出現通常表明模型仍在訓練階段且資訊碎片化,應將發佈時間與功能性改進(如上下文窗口加倍)視為更可靠的指標。

實用技巧與重點

乾貨
  • Notebook LM 短視頻功能
  • 名稱:Short Video Overviews
  • 發佈日期:2026 年 6 月 30 日
  • 格式:60 秒垂直視頻
  • 驅動模型:Gemini 3.1 Flash Light
  • 圖像生成速度:約 4 秒/張
  • 存取限制:Ultra 與 Pro 訂閱用戶(網頁與行動版),免費用戶將來推出(暫無日期),僅限英文,需滿 18 歲
  • Flashcards 更新
  • 支援卡片級編輯(問題、答案、新增卡片)
  • 支援分享鏈接
  • 跨平台支援(桌面與行動版)
  • 自動從上傳源拉取內容
  • Gemini 3.5 Pro 洩漏資訊
  • 目標發佈日期:2026 年 7 月 17 日
  • 上下文窗口:200 萬 token(相較前版本加倍)
  • 新功能:深度思考模式、改進 UI、前端生成能力、更潔淨 SVG 輸出、更強大自主代理工作流
  • 性能聲稱(相互矛盾的報導):一方聲稱優於 Fable 5,另方聲稱落後 Fable 5 與 GPT 5.6(特別是推理、編碼、多步驟長任務)
  • 深度思考模式可能鎖定在更高端訂閱方案

結論

結論

Notebook LM 的短視頻與可編輯 flashcards 是實質性的摩擦移除,Gemini 3.5 Pro 的可靠亮點是上下文窗口加倍而非相互矛盾的性能聲稱。

完整解析

詳細

Notebook LM 在 6 月 30 日推出了一項新功能——短視頻概要(Short Video Overviews),這是一個頗具創意的設計選擇。此前,Notebook LM 已擁有傳統視頻概要和電影式長視頻兩種格式;新增的短視頻是垂直滾動格式的 60 秒視頻,每次聚焦一個概念,配合敘述與動畫,完全基於使用者上傳的源材料生成。這不是通用解釋器,而是對具體 PDF 或文章內容的精準提煉。

短視頻功能由新推出的 Gemini 3.1 Flash Light 模型驅動,該模型在同一天發佈。其關鍵優勢是快速圖像生成——約 4 秒生成一張圖,這對於確保垂直捲動內容的流暢體驗至關重要。目前功能限制較多:僅限 Ultra 與 Pro 訂閱用戶(網頁和行動版)存取,免費用戶將在未來推出,英文限定,需年滿 18 歲。儘管看似小功能,但它改變了人們開啟工具的方式——從深度學習到碎片化知識吸收(如睡前、排隊時)——可能會顯著改變用戶行為。

與此同時,Notebook LM 的 flashcards 功能也獲得重大改進。過去若想修改自動生成的卡片,必須匯出整個牌組為 CSV,外部編輯後再匯入——這對應該簡單的操作來說實在是麻煩。現在使用者可直接在應用中編輯每張卡片的問題和答案,新增自訂卡片,或分享已整理好的牌組至他人(透過生成的鏈接)。這個改進雖然字面上不起眼,但實際移除了導致人們放棄使用該功能的關鍵摩擦點——自動生成永遠不完美,總有措辭不當的卡片或遺漏項目,能即時修正意味著使用者會持續改進和使用,大幅提升功能的實用價值。

關於 Gemini 3.5 Pro 的洩漏,目前信息繁雜且相互矛盾。多個洩漏源聲稱該模型目標在 7 月 17 日發佈,具備 200 萬 token 的上下文窗口(相較前一版本翻倍,這一點在多方洩漏中保持一致),新增深度思考推理模式、改進的 UI 生成與 SVG 輸出,以及更強大的自主代理工作流。然而,性能聲稱引發關注——一些洩漏聲稱它在私有評測中優於 Fable 5,但其他洩漏報導則稱其在推理、編碼和長多步驟任務上落後於 Fable 5 和 GPT 5.6。這種矛盾通常表明多個洩漏可能捕捉的是訓練過程中的不同快照,或各自對未完成模型性能的推測填補了不同的空白。

對於未發佈模型的性能聲稱應保持謹慎。私有評測與公開可驗證的基準截然不同,前者只是一方說法,後者任何人都能複現驗證。上下文窗口翻倍是具體、可驗證且具有實際影響力的改進——它改變了模型在大型代碼庫或長文檔上的實際能力,遠比無法驗證的評測分數更值得關注。深度思考模式雖然在多方洩漏中出現,但也有報導指出它可能被鎖定在更高端的訂閱方案,這進一步增加了不確定性。因此,將發佈日期和上下文窗口視為更可靠的信息,而將性能聲稱(無論向哪個方向)視為未經證實的傳言,直到 Google 正式發佈並有用戶實際驗證為止。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。