⌘ 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 201–220 条 · 共 235 条
5月19日周二
  1. Google Gemini API Release Notes80

    Google 发布 Gemini 3.5 Flash 及托管智能体

    Google 正式发布 Gemini 3.5 Flash (gemini-3.5-flash) 并成为 gemini-flash-latest 的底层模型。Gemini API 推出了托管智能体功能，开发者可借此在安全隔离的 Google 托管环境中构建状态化自主智能体，同时发布了通用型 Antigravity Agent (antigravity-preview-05-2026)。

    推荐理由：新版 Gemini 3.5 Flash 正式成为默认模型并推出可自主规划执行的托管智能体，为开发者构建复杂 Agent 提供了底层基础设施。

  2. Google DeepMind64

    Co-Scientist 加速逆转细胞老化遗传研究

    Google DeepMind 的 Co-Scientist 工具帮助生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 解决老化研究瓶颈。该模型扫描数万篇论文后提出 20 余个潜在抗衰老基因因子，实验验证其可驱动细胞进入年轻状态并改善整体功能。在数据分析阶段，Co-Scientist 将原本需要研究员花费数月的文献关联分析工作缩短至仅几天。

    推荐理由：Co-Scientist 将遗传筛选数据分析周期从数月压缩至几天，验证了 AI 加速老化研究的核心潜力。

5月18日周一
  1. Google DeepMind68

    Project Genie 结合街景影像推出真实世界模拟功能

    Project Genie 推出了基于街景影像的功能，允许用户选择美国境内地点并应用风格生成可交互环境，如让金门大桥变成水下世界，该功能向 Google AI Ultra $200 订阅者全球开放。

    推荐理由：原文说明了如何利用街景影像训练AI智能体在虚拟世界中导航，并展示了全球订阅者可以探索新功能的入口。

  2. Google DeepMind77

    Google DeepMind 发布 Gemini Omni 及首个模型 Gemini Omni Flash

    Google DeepMind 发布 Gemini Omni，首个模型 Gemini Omni Flash 支持结合图像、音频、视频和文本输入生成高质量视频，并可通过对话式自然语言进行多轮编辑。Gemini Omni Flash 现已通过 Gemini app、Google Flow 向全球订阅者推出，并免费开放给 YouTube Shorts 和 YouTube Create App 用户。

    推荐理由：原文展示了从多模态输入到视频生成的具体能力，为理解原生多模态模型的创作边界提供了实例。

5月17日周日
  1. Google DeepMind61

    Google DeepMind 发布 Gemini for Science 科研工具集与 Science Skills

    Google DeepMind 推出 Gemini for Science 项目，包含 Google Labs 上的三项实验工具：基于 Co-Scientist 的假设生成、基于 AlphaEvolve 和 ERA 的计算发现、以及基于 NotebookLM 的文献洞察。

    推荐理由：官方展示了三大实验工具与Science Skills，并披露了与100多家机构的验证合作及BASF等企业应用案例。

5月16日周六
  2. Google DeepMind94

    Google DeepMind 发布 Gemini 3.5 Flash 模型

    Google DeepMind 发布了 Gemini 3.5 Flash，该模型为智能体任务和编码提供前沿性能，速度是其他前沿模型的 4 倍。它在 Terminal-Bench 2.1 上得分 76.2%，GDPval-AA 达 1656 Elo，MCP Atlas 得分 83.6%，成本低于其他前沿模型的一半。

    推荐理由：官方给出了3.5 Flash在长程编码任务上的基准数据与速度指标，帮助读者判断其智能体扩展能力。

5月15日周五
  1. 宝玉76

    FDE 岗位崛起：OpenAI、Anthropic、Google 的 AI 落地竞赛

    OpenAI 成立估值 140 亿美元的独立部署公司并收购拥有 150 名 FDE 的英国公司 Tomoro，Anthropic 联合黑石等成立合资公司主攻中型企业，Google 则简化 FDE 面试流程至两天。三家公司通过 FDE 推动 AI 在客户业务中落地，行业竞争从模型跑分转向实际部署与价值转化。

    推荐理由：文章拆解了 OpenAI、Anthropic、Google 围绕 FDE 岗位的商业布局差异，帮读者理解 AI 落地变现方式的转折。

5月12日周二
  1. Google DeepMind76

    Google DeepMind 发布多智能体系统 Co-Scientist，通过 Hypothesis Generation 工具加速科研假设生成

    Google DeepMind 发布多智能体 AI 系统 Co-Scientist，该工具旨在协助研究人员在生命科学等领域生成、辩论和演化科学假设。系统基于 Gemini 构建，包含生成、辩论和演化三个阶段，并通过模拟科学辩论和排名来筛选最优假设。目前已通过 Hypothesis Generation 工具向个人研究人员开放，并与多个机构合作验证了在肝病、ALS 和衰老研究中的应用效果。

    推荐理由：原文介绍了基于 Gemini 的多智能体系统架构，并通过具体科研案例展示了其在生成和优化假设方面的实际应用。

5月6日周三
  1. Google DeepMind64

    AlphaEvolve：基于 Gemini 的编码智能体在跨领域应用中的实际影响

    Google DeepMind 发布 AlphaEvolve 年度影响力报告，展示该基于 Gemini 的编码智能体在多个领域的算法优化成果。在基因组学中，AlphaEvolve 优化 DeepConsensus 模型，使变异检测错误减少 30%；在电网优化中，将 GNN 模型求解 AC Optimal Power Flow 问题的可行解率从 14% 提升至 88% 以上。

    推荐理由：汇总了AlphaEvolve在基因、电网、量子物理及商业应用中的优化成果，展示了该编码智能体在算法设计领域的跨领域落地价值。

5月2日周六
  1. Google Research60

    Google Research 阐述开源工具与数据在科学领域的应用及生态建设

    Google Research 强调开源软件和开放数据集是科学进步的核心，过去十年已赋能全球 25 万多名研究人员。其在基因组学、神经科学、地球大气模型、生物多样性及医疗领域（如 MedGemma 模型）的开源工具已被用于多项重大发现。

    推荐理由：展示了开源工具在基因组、气候、医疗等领域的具体应用及 2.5 万研究者生态的影响。

4月30日周四
  1. Google DeepMind83

    Google DeepMind 发布 AI co-clinician 研究计划及多模态医疗能力评估

    Google DeepMind 宣布推出 AI co-clinician 研究计划，旨在探索 AI 作为医疗团队的协作成员。系统基于 Gemini 和 Project Astra 实现实时多模态交互，在 98 个初级保健查询盲测中记录到 97 次零关键错误，并优于其他主流 AI 系统。

    推荐理由：原文展示了在 98 个病例和 140 项评估中 AI 与医生表现的具体对比，并明确提出了双智能体架构的安全保障方案。

  2. 宝玉75

    Demis Hassabis：AGI 还缺什么，智能体到底行不行，下一个科学突破长什么样

    Demis Hassabis 认为当前范式距离 AGI 有一两个未解关键，他判断百万 token 上下文处理实时视频仅够 20 分钟且是临时方案，AlphaGo 时代技术正在重新引入基础模型。他指出智能体处于实验阶段投入产出比失衡，AI 科学突破需满足大组合空间、清晰目标函数和足够数据三个条件，并提出了用 1901 年物理知识训练系统以验证能否产出 1905 年狭义相对论的测试方法。

    推荐理由：Hassabis 给出了 AGI 剩余拼图、记忆瓶颈与科学突破模式的量化判断，为深科技路径提供了可参考的架构逻辑。

4月29日周三
  1. 宝玉86

    Karpathy 访谈：Vibe Coding 开启 Agentic Engineering 时代

    Karpathy 在访谈中指出 AI 编程范式已越过 2025 年 12 月转折点，进入 Agentic Engineering 阶段，核心是通过 prompt 和 context 操作 LLM 这一解释器（Software 3.0），而非单纯自然语言写代码。

    推荐理由：解读 Karpathy 访谈核心观点，阐明从 Vibe Coding 到 Agentic Engineering 的工程纪律转变及 LLM 锯齿状智能边界。

4月23日周四
  1. Google Research63

    Google Photos 推出 Auto frame 3D 视角重构功能

    Google Photos 新功能 Auto frame 利用 3D 场景估计和生成式 AI 自动重构照片视角。该功能可调整相机位置和焦距，补全原画面外区域，并自动纠正广角镜头透视畸变。

    推荐理由：该方法将照片视为3D场景，通过生成式AI重新调整视角并补全隐藏内容，改变了传统修图局限。

4月16日周四
4月13日周一
  1. Google DeepMind73

    Gemini Robotics-ER 1.6 发布：通过增强具身推理驱动现实机器人任务

    Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其首个主打推理的具身模型的重大升级，旨在让机器人以更高精度理解物理环境。该模型显著提升了空间与物理推理能力，新增仪表读取功能，可解析复杂压力计和液位计，并通过 Google API 向开发者开放，用于驱动下一代物理智能体。

    推荐理由：Gemini Robotics-ER 1.6 引入仪表读取等新能力，展示了多视角空间推理在机器人自动化任务中的实际效用。

4月3日周五
  1. The Batch76

    Claude Code 源码泄露揭示架构细节，OpenAI 停止 Sora 并整合桌面应用，Google 推出 Lyria 3 音乐生成器

    Claude Code 因 npm 包误包含 source map 文件导致超过 51.2 万行代码泄露，暴露其多智能体结构、三层记忆系统及隐藏功能；OpenAI 宣布停止 Sora 视频生成服务。

    推荐理由：Claude Code 源码意外泄露揭示了其内部智能体架构与未发布功能，为理解前沿编码代理的工程细节提供了直接参考。

4月2日周四
4月1日周三
  1. 宝玉70

    OpenAI 总裁 Greg Brockman：AI 自我改进、Super App 豪赌、通往 AGI 之路、算力扩张

    宝玉深度解读 OpenAI 总裁 Greg Brockman 关于砍掉 Sora、构建 Super App 及 1100 亿美元融资的访谈。Brockman 称砍掉 Sora 是为了聚焦技术主线，并将 AGI 进度自评至 70-80%，但面临 Anthropic 在市场份额上的竞争压力。

    推荐理由：深度拆解 OpenAI 砍掉 Sora 与推出 Super App 背后的算力取舍，并直面 1100 亿美元融资的商业风险。