113 条精选近 30 天 48条共收录 319条
更新Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式一次性并行生成整块文本，在专用 GPU 上文本生成最高提速 4 倍，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：Google DeepMind 开源文本扩散模型，给出速度与硬件门槛的具体数字，可据此判断本地交互式推理的可行性。
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款支持 70 多种语言的近实时语音到语音翻译音频模型，能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：Gemini 3.5 Live Translate 把同传从逐句等待改为连续生成，并给出开发者、企业、消费端三条落地路径。
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，介于边缘端 E4B 与 26B MoE 之间，也是其首个支持原生音频输入的中等规模模型。
推荐理由：Gemma 4 12B 去掉多模态编码器并把视觉音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Google DeepMind 发布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度，八周内完成。
推荐理由：原文给出塞拉利昂随机对照试验的量化结果与交互数据，读者可据此判断 AI 辅助教学在真实课堂中的效果边界。
Google 在 Gemini Enterprise Agent Platform 上推出由 Agentic RAG 驱动的 Cross-Corpus Retrieval 公开预览版。
推荐理由：原文给出多智能体 RAG 的完整流程与跨语料评测数据，读者可据此判断复杂多跳查询的检索方案。
Google Research 在 Nature 发表 PHRM 研究系统，利用手机前置摄像头在面部解锁后的数秒内拍摄视频，通过深度学习在后台估算心率和静息心率。
推荐理由：Google 用手机前摄在解锁后被动测心率，并公开迄今最大规模手机视频数据集与预训练模型。
在 Google I/O 大会上，Oriol Vinyals 宣布推出 Gemini 3.5 Flash，并称其目标是在前所未有的速度下实现前沿级智能。他表示，3.5 Flash 在几乎所有基准测试中都胜过 3.1 Pro，同时保持 Flash 级速度。
推荐理由：这篇文章说明了新模型的定位，以及它相较于 3.1 Pro 的基准测试表现，可让人快速了解谷歌 Flash 系列在速度与能力之间的取舍。
Google 宣布把基于 Gemini 的科学代码工具 Empirical Research Assistance（ERA）开放给科学家使用，相关成果已发表在 Nature。
推荐理由：Google 把 ERA 从 Nature 论文推进到可申请使用的工具，读者可据此判断 AI 写科学代码的落地边界。
Google DeepMind 的生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 辅助衰老研究，该工具扫描数万篇论文后提出 20 多个新的候选遗传因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。Co-Scientist 还用于分析大规模基因筛选数据，把原本需要长达六个月的数据与文献关联分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与耗时对比，可了解 AI 智能体参与科研假设生成的实际方式。
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 场景锚定能力，可基于美国真实地点生成可交互世界，并可选 Ocean World、Desert Sands、Stone Age、B&W film 等风格。
推荐理由：原文给出了 Genie 与 Street View 结合后的能力边界和开放范围，读者可据此判断世界模型落地路径。
Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并支持用自然语言多轮对话编辑视频。
推荐理由：原文给出 Omni 系列首个模型的输入输出能力与上线渠道，读者可据此判断多模态视频生成的实际可用范围。
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三个实验性工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：原文给出三类科研智能体原型与 Science Skills 的开放入口，读者可据此判断科研工作流会怎样被拆分和加速。
Google 宣布把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud，其中 Gemini 应用已支持图像、视频和音频的 SynthID 验证，累计使用 5000 万次，该能力今日起进入 Search，未来几周进入 Chrome。
推荐理由：原文给出 SynthID 与 C2PA 验证在 Search、Gemini、Chrome 的落地范围，可据此判断内容溯源工具的实际可用性。
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加，置信度达 80%，三天前升至接近 100%。
推荐理由：原文给出 WeatherNext 在飓风路径与强度双预测上的实际表现，读者可了解 AI 天气模型在极端事件中的落地方式。
Google DeepMind 发布 Gemini 3.5 系列首个模型 Gemini 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 以及 Gemini Enterprise 等渠道开放。
推荐理由：Gemini 3.5 Flash 在编码与智能体基准上超过 3.1 Pro，并给出速度与成本对比，可据此判断长程任务的落地空间。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，能迭代生成、辩论和演化科学假设。
推荐理由：原文给出多智能体系统的三阶段架构与多个实验室落地案例，可了解 AI 参与科学假设生成的具体机制。
Google DeepMind 发布 AlphaEvolve 一年影响汇总，这款由 Gemini 驱动的编码智能体已从数学与计算机科学的开放问题探索，扩展为 Google 基础设施的核心组件。
推荐理由：官方汇总 AlphaEvolve 一年落地案例，读者可据此判断算法智能体在科研与基础设施中的实际渗透程度。
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中，该系统 97 个未出现关键错误，医生对其回答的偏好高于现有证据综合工具；在 OpenFDA 的 RxQA 开放式用药问答上超过其他前沿模型。
推荐理由：Google DeepMind 公开 AI co-clinician 研究计划，给出医生盲评、RxQA 与远程问诊模拟的具体结果，可了解医疗 AI 当前能力边界。
Google Research 总结了科学家使用 Empirical Research Assistance（ERA）的四个方向：公共卫生领域，团队每周为美国各州提交流感。
推荐理由：Google 用四个真实科研项目展示 ERA 在流行病预测、宇宙学、碳监测和神经科学中的落地方式，可看 AI 辅助科研的具体边界。
Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种拍照后调整视角的方法，把照片理解为 3D 场景并自动改变虚拟相机位置与焦距。该方法分两步：先用内部 3D 点图估计模型重建人体与面部并估算原相机焦距，再用生成式潜在扩散模型补全新视角下露出的空白区域。该功能已面向含人物的照片自动提供第二个重构版本，可修正广角自拍的透视畸变。
推荐理由：Google Photos 把 3D 场景估计与生成式补全结合，读者可了解拍照后调整视角这一新编辑范式的实现路径。
