⌘ K
… 读取采集状态 同步中...
雷

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。

235条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 181–200 条 · 共 235 条
7月30日周四
  1. Google Gemini API Release Notes67

    Google Gemini 发布 Gemini Robotics ER 2 预览版

    Gemini 发布两个具身推理模型端点：gemini-robotics-er-2-preview 支持空间推理、智能体代码执行、多步工具编排、视频时刻定位、进度分类和多机器人协作；gemini-robotics-er-2-streaming-preview 通过 Live API 支持实时文本流、双向音视频输入和低延迟机器人智能体。

    推荐理由：新模型支持空间推理、代码执行和工具编排等机器人任务，并保留上一版退役时间，方便评估部署与切换。

7月28日周二
  1. Google DeepMind77

    Google DeepMind 发布 Gemini Robotics 2 机器人模型

    Google DeepMind 发布 Gemini Robotics 2 系列模型，实现机器人智能全身控制、精细操作及多机器人协作。该版本包含 Gemini Robotics 2（VLA）、Gemini Robotics ER 2（具身推理）和 Gemini Robotics On-Device 2（端侧 VLA）三个模型。

    推荐理由：官方展示了 Gemini Robotics 2 的全身控制能力与多机器人协作功能，说明了其向物理世界通用人工智能的进展。

7月21日周二
  2. Google Gemini API Release Notes67

    Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 正式发布

    Google 发布 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 稳定版。Gemini 3.6 Flash 提升 token 效率和代码智能体规划能力，价格低于 3.5 Flash；Gemini 3.5 Flash-Lite 为低延迟、高性价比的子智能体选项，适合高吞吐量自动化场景。同时，采样参数 temperature、top_p 和 top_k 已弃用。

    推荐理由：原文提供了两个 Flash 模型正式版的关键能力与价格定位，便于开发者评估在低延迟自动化和代码智能体场景中的替换价值。

7月17日周五
  1. Google DeepMind76

    Google 发布轻量级网络安全模型 Gemini 3.5 Flash Cyber

    Google 发布基于 3.5 Flash 微调的轻量级网络安全模型 Gemini 3.5 Flash Cyber，旨在快速、高效地发现、验证并修复软件漏洞。该模型通过 CodeMender 以受限访问试点项目形式向政府和可信合作伙伴开放，并展示了在 CyberGym 基准和内部真实代码库中优于主线上游模型的独特漏洞发现能力。

    推荐理由：Google基于3.5 Flash微调的安全模型，通过高频调用和低成本优势，在发现关键漏洞和内部实际修复上展现出高效替代大型模型的潜力。

7月1日周三
  1. Google DeepMind77

    Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash

    Google DeepMind 发布图像模型 Nano Banana 2 Lite 和视频模型 Gemini Omni Flash，两者均已在 Google AI Studio 和 Gemini API 上线。Nano Banana 2 Lite 生成一张 1K 图像耗时 4 秒、成本 $0.034，Gemini Omni Flash 视频生成成本 $0.10/秒，目前最长支持 10 秒视频。

    推荐理由：原文给出了 Nano Banana 2 Lite 和 Gemini Omni Flash 的延迟、成本及组合工作流细节，读者可据此判断多模态生成应用的性能与预算边界。

6月30日周二
  1. Google Research70

    Google 推出 TabFM：面向表格数据的零样本基础模型

    Google 推出 TabFM，这是专门用于表格数据分类和回归的零样本基础模型。TabFM 将表格预测重构为上下文学习问题，通过单次前向推理即可在未见过的表格上生成预测，免去了传统方法中的超参数调优与特征工程。该模型采用混合注意力架构并在大规模合成数据上预训练，现已在 Hugging Face、GitHub 开源，并集成至 Google Cloud BigQuery 供直接调用。

    推荐理由：将表格数据预测转化为上下文学习问题，无需微调即可生成高质量预测，并直接集成至 BigQuery。

6月25日周四
  1. Google DeepMind91

    Google DeepMind 在 Gemini 3.5 Flash 中引入 computer use 功能

    Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，使其能跨浏览器、移动和桌面环境执行动作。该功能通过 Gemini API 和 Gemini Enterprise Agent Platform 开放，支持敏感操作确认与 Prompt 注入自动停止等企业级安全防护，开发者可使用 Browserbase 提供的 demo 环境快速测试。

    推荐理由：官方将 computer use 集成至 Gemini 3.5 Flash 主模型并开放 API 入口，开发者可据此构建跨平台自动化智能体。

6月24日周三
  1. Google Gemini API Release Notes75

    Gemini API 发布 Gemini 3.5 Flash Computer Use 工具的公开预览版支持

    Gemini API 更新日志显示，Gemini 3.5 Flash 现已推出 Computer Use 工具的公开预览支持。该版本包含基于意图的简化操作、对浏览器/移动端/桌面环境的内置支持、可配置的安全策略以及高级 Prompt 注入检测功能。

    推荐理由：官方明确列出 Computer Use 在 Gemini 3.5 Flash 的预览细节，读者可据此判断该工具在多端环境下的自动化能力与安全边界。

6月19日周五
  1. The Batch67

    The Batch 358 期：Claude 限制争议、SWE-bench 之后与 Nvidia Nemotron 3 Ultra

    Anthropic 对 Claude Fable 5 实施访问限制及美国出口管制措施引发了对AI主权的广泛讨论，加速了全球对开源替代方案的关注。文章同时介绍了用于替代 SWE-bench 的新基准 DeepSWE、ProgramBench 和 ITBench-AA，以及 Nvidia 发布的 5500 亿参数开源模型 Nemotron 3 Ultra。

    推荐理由：文章梳理了前沿模型访问限制对全球AI主权与开源生态的冲击，并展示了替代评测基准和开源模型的最新进展。

6月16日周二
6月11日周四
6月9日周二
  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型

    Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate，支持 70+ 语言的近实时语音到语音翻译，自动检测语种并保留说话者的语调、节奏和音高，连续生成译文，仅比说话者落后几秒。

    推荐理由：原文说明了从逐句等待到连续生成的机制差异，读者可据此理解它为何能做到低延迟。

  2. Google DeepMind76

    Google DeepMind 发布 Gemma 4 12B：无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，定位为可在笔记本本地运行的多模态模型，介于 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模模型，Gemma 4 系列下载量已超 150 million。

    推荐理由：原文说明了无编码器统一架构的具体做法与本地运行门槛，便于评估其对端侧工作流的适配性。

6月8日周一
  1. Google DeepMind62

    Google DeepMind 公布塞拉利昂 AI 数学学习预注册试验结果

    Google DeepMind 公布在塞拉利昂开展的 Guided Learning 预注册试验结果：使用该工具的学生数学成绩较对照组提升 +0.258 个标准差，约相当于八周内 1.2 至 1.7 年的学习进展；教师将 Gemini 纳入约一半课程（目标 12 小时）的班级提升更大，约 1.8 至 2.5 年。

    推荐理由：原文给出了预注册试验的量化结果与开放材料，读者可据此评估 AI 辅助教学的实际效果与可复制性。

6月5日周五
  1. Google Research66

    Google 发布 Gemini Enterprise Agent Platform 的 Agentic RAG 功能

    Google 在 Gemini Enterprise Agent Platform 推出 Agentic RAG 功能，通过多智能体协作处理复杂多源查询。该系统在跨语料库测试中准确率达到 90.1%，并新增了“充分上下文”智能体机制，能在信息缺失时自动发起二次搜索以补齐证据，目前处于公开预览阶段。

    推荐理由：该功能通过多智能体协作实现跨语料库检索，在混合干扰数据集上准确率达90.1%，目前已在Gemini企业平台提供公开预览。

  2. Google Research62

    Google 发布基于智能手机摄像头被动监测心率的研究

    Google 发布发表于 Nature 的研究“Passive Heart Rate Monitoring During Smartphone Use in Everyday Life”，提出被动心率监测系统（PHRM），通过前置摄像头在人脸解锁后拍摄短视频并结合深度学习算法，实现日常使用中被动测量心率（HR）和静息心率（RHR）。

    推荐理由：该研究展示了手机前置摄像头在日常生活被动监测心率与静息心率的可行性，并开放了包含多样肤色人群的大规模数据集供研究使用。

5月29日周五
  1. Google Research78

    Google Research 在 I/O 2026 发布 Gemini for Science 与 Gen 2.0 等核心科研工具

    Google Research 在 I/O 2026 发布了面向科学研究的 Gemini for Science 套件，包括基于 ERA 的 Computational Discovery 与基于 Co-Scientist 的 Hypothesis Generation。

    推荐理由：原文展示了Google Research在I/O发布的一系列核心技术与工具，涵盖了从科学发现、医疗健康到端侧硬件的完整落地路径。

5月28日周四
  1. Google Gemini API Release Notes72

    Google 正式发布 Gemini 3.1 Flash 和 3 Pro 图像模型，支持视频转图片生成

    Google 发布 Gemini 3.1 Flash Image 和 Gemini 3 Pro Image 正式 GA 版本，并停止预览模型服务。新增视频转图片生成能力，支持通过视频文件或 YouTube 链接结合文本提示生成缩略图、海报或信息图，该功能仅限 gemini-3.1-flash-image 使用。

    推荐理由：提供视频转图片原生功能支持及正式版模型入口，便于快速集成生成高质量视觉资产。

5月20日周三
  1. Google Research84

    Google 在 Nature 发表 ERA 论文并推出 Computational Discovery 工具

    Google 在 Nature 发表 ERA 系统论文并开放 Computational Discovery 工具。该系统利用 Gemini 编写和优化科学代码，在基因组、流行病学等基准上达到专家级性能。应用 ERA 的八个研究项目包括流感预测、加州径流预测和大气 CO2 映射。

    推荐理由：原文展示了 ERA 在流行病预测、碳监测等八个科学问题的实证结果，读者可据此判断其计算发现的可靠性。