跳到正文

Google / Gemini

Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。

118条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 81–100 条 · 共 118 条
2月10日周二
  1. Google DeepMind74

    Google DeepMind 发布两篇论文，用 Gemini Deep Think 推进数学与科学发现

    Google DeepMind 发布两篇论文，介绍在数学家、物理学家和计算机科学家指导下，用 Gemini Deep Think 模式解决数学、物理与计算机科学领域的专业研究问题。

    推荐理由：DeepMind 公开了 Gemini Deep Think 在数学、物理与计算机科学研究中的两篇论文，读者可了解其智能体工作流与分级标准。

2月4日周三
1月30日周五
  1. Google DeepMind66

    Google DeepMind 向美国 AI Ultra 订阅用户开放 Project Genie 世界模型原型

    Google DeepMind 开始向美国 18 岁以上的 Google AI Ultra 订阅用户开放 Project Genie，这是一个由 Genie 3、Nano Banana Pro 和 Gemini 驱动的实验性研究原型，可创建、探索和 remix 交互式世界。

    推荐理由：原文给出 Project Genie 的三项核心能力与已知限制，读者可据此判断世界模型原型当前能做什么、还差什么。

1月28日周三
  1. Google Research60

    Google Research 发布智能体系统扩展研究：多智能体并非越多越好

    Google Research 发布论文《Towards a Science of Scaling Agent Systems》，对 180 种智能体配置做大规模对照评测，覆盖 Finance-Agent、BrowseComp-Plus、PlanCraft、Workbench 四个基准和 GPT、Gemini、Claude 三个模型家族。

    推荐理由：通过 180 种智能体配置的对照实验，给出多智能体架构在并行与串行任务上的量化差异，可据此调整编排策略。

1月16日周五
  1. Google DeepMind62

    Google DeepMind 发布 D4RT 模型，统一 4D 场景重建与追踪

    Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），一个统一 4D 场景重建与追踪的 AI 模型，采用编码器-解码器 Transformer 架构和查询机制，可同时完成点追踪、点云重建和相机位姿估计。

    推荐理由：D4RT 把动态场景重建统一进单一查询式框架，读者可了解其速度提升与机器人、AR 等落地方向。

1月14日周三
1月13日周二
12月17日周三
12月16日周二
  1. Google DeepMind60

    Google DeepMind 发布 Gemma Scope 2，为 Gemma 3 全系列提供开源可解释性工具

    Google DeepMind 发布 Gemma Scope 2，一套覆盖 Gemma 3 全系列（270M 到 27B 参数）的开源可解释性工具，结合稀疏自编码器（SAEs）和 transcoders 查看模型内部计算。

    推荐理由：Gemma Scope 2 覆盖 Gemma 3 全尺寸并新增跨层工具，读者可了解开源可解释性工具当前能审计哪些模型行为。

  2. Google Research62

    Google 为 STOC 2026 推出 Gemini 论文助手 PAT

    Google Research 为 STOC 2026 打造实验性 Paper Assistant Tool（PAT），基于 Gemini 2.5 Deep Think 的推理扩展方法，在投稿后 24 小时内给出结构化预审反馈。

    推荐理由：Google 披露 PAT 在 STOC 2026 的试用数据，读者可据此判断 AI 预审在数学证明类写作中的实际边界。

12月13日周六
  1. Google DeepMind71

    Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，并推出实时语音翻译

    Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，在函数调用、指令遵循和多轮对话三方面做了改进。

    推荐理由：官方给出 Gemini 2.5 Flash Native Audio 在函数调用、指令遵循和多轮对话上的具体提升数据，可据此判断语音智能体的可用性变化。

12月5日周五
11月25日周二
11月24日周一
  1. Google DeepMind62

    Google DeepMind 支持美国能源部 Genesis 计划，向 17 个国家实验室开放 AI 科研模型

    Google DeepMind 宣布支持白宫 Genesis Mission，并与美国能源部合作，向 DOE 全部 17 个国家实验室提供前沿 AI for Science 模型和智能体工具的加速访问计划，首批上线的是基于 Gemini 的 AI co-scientist。

    推荐理由：Google DeepMind 与 DOE 的合作给出了 AI for Science 从模型到国家实验室落地的具体路径，可观察前沿模型在科研场景的接入方式。

11月20日周四
  2. Google DeepMind74

    Google DeepMind 发布 Gemini 3 Pro Image（Nano Banana Pro）图像模型

    Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 面向企业以付费预览形式逐步开放。

    推荐理由：Google DeepMind 发布 Gemini 3 Pro Image，开发者可据此了解其分辨率、文本渲染与 Google 搜索接地等能力边界。

  3. Google DeepMind84

    Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型

    Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建，主打更强推理与世界知识、图像内多语言文字渲染，以及最多融合 14 张图像、保持 5 人一致性的编辑能力，支持 2K 和 4K 分辨率与多种画幅。

    推荐理由：官方给出 Nano Banana Pro 的能力边界与各产品上线节奏，读者可据此判断图像生成在自身工作流中的可用性。

11月19日周三
  1. Google Research75

    Google 发布端到端实时语音到语音翻译模型，延迟降至 2 秒

    Google Research 发布端到端语音到语音翻译（S2ST）模型，直接在原说话人音色下生成翻译音频，延迟仅 2 秒，而此前的级联方案延迟为 4–5 秒且会累积误差。

    推荐理由：Google 端到端语音翻译把延迟从 4–5 秒压到 2 秒，并已落地 Meet 与 Pixel 10，可据此了解实时同传的技术取舍。