⌘ 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 101–120 条 · 共 235 条
9月16日周三
9月15日周二
  1. 腾讯研究院79

    陶哲轩等25位菲尔兹奖得主警告AI批量攻克数学难题与数学共同体目标存在错位

    9月11日，陶哲轩与24位菲尔兹奖得主联合发表声明，警告AI公司通过攻克著名难题展示模型能力的竞赛与全球数学共同体追求的目标存在严重错位。声明指出，AI正在使数学研究从证明稀缺进入证明过剩，并可能逆转依赖开放交流的学术传统，导致科研过程中人类理解与解释能力相对匮乏。文章基于OpenAI近期解决纳维—斯托克斯方程千禧年难题等事件展开分析。

    推荐理由：原文梳理了AI攻克千禧年难题后的连锁反应，读者可以借此理解数学界对知识生产范式变化的深层忧虑。

9月13日周日
  1. 人工智能学家77

    Anthropic 与 DeepMind 核心安全团队请辞及行业趋势观察

    两周内，Anthropic 可扩展监督团队负责人 Joe Benton 及研究员 Jacob Coxon 请辞，并加入独立评估机构 METR；Google DeepMind 安全研究员 Josh Engels 也同期转投 METR。作者认为，前沿实验室安全团队的人才流失和 OpenAI 敦促官方出台强制法规的动态，显示行业内部安全防线出现裂痕，未来 AI 话语权将向独立第三方与硬性法规倾斜。

    推荐理由：文章基于核心安全人才流向METR及OpenAI新规诉求，梳理了前沿实验室安全困境与外部制衡机构的潜在影响。

9月12日周六
  1. 硅星人Pro88

    OpenAI 发布 Agents API，将 Codex 拆解为云端托管服务

    OpenAI 正式开放 Agents API 公测，将 Codex 核心能力转化为云端托管服务，开发者只需配置任务、模型、工具和运行环境即可创建 Agent。该架构通过解耦 Harness 托管与执行环境，使开发者可选择 OpenAI 沙盒或第三方基础设施运行。

    推荐理由：文章梳理了 OpenAI 将 Codex 从独立产品拆解为平台组件的完整演进路径，并对比了 DeepSeek 与 Anthropic 在 Agent 基础设施层的差异化策略。

  2. 新智元67

    谷歌和Meta模型被指刷榜，Gemini 3.8 Flash在Terminal-Bench 4.0表现暴跌

    分析机构SemiAnalysis指出谷歌的Gemini 3.8 Flash和Meta的Muse Spark 1.3在Terminal-Bench 4.0中成绩大幅下滑，被怀疑通过购买贴近考题的数据进行训练以优化旧榜单表现。文章同时披露了售卖模拟考题的灰色市场现状，以及Datacurve既卖数据又出榜的利益冲突问题。

    推荐理由：揭示了公开评测被商业数据污染的行业现象，展示了新榜单如何修正旧成绩的落差。

9月11日周五
  1. 新智元90

    AGI概念引发行业争议：OpenAI、芯片巨头与基准机构的分歧

    GPT-6 Astra发布后，AGI是否达成引发行业争议。芯片巨头黄仁勋宣布AGI已到来，基准机构ARC Prize则指出其高分依赖定制环境，不承认其为AGI。OpenAI总裁虽称AGI时代来临，但强调这是个人判断，且官方未正式确认。各方对AGI的定义、验收标准和商业认定存在显著分歧。

    推荐理由：原文梳理了各方对AGI的定义分歧和评测争议，为理解AI行业当前关于AGI的舆论与商业博弈提供了清晰的脉络。

  3. AI Business68

    Google 将投资 150 亿美元建设芬兰 AI 基础设施

    Google 将投资 $15B 建设芬兰 AI 基础设施，同期公布与芬兰电力运营商 Fortum 的核电合作合同，这是其首个美国境外的核电项目。

    推荐理由：谷歌首个美国以外核电站合作与 150 亿投资同批公布，提供 AI 算力基础设施扩张的一手财务线索。

9月9日周三
  1. 新智元86

    Google DeepMind 发布 AlphaGenome Atlas 基因组变异预测数据库

    Google DeepMind 正式发布 AlphaGenome Atlas，这是一个覆盖全基因组的可搜索预测数据库，穷尽了 90 亿种单碱基突变并针对每种突变生成了约 27000 项预测指标。

    推荐理由：该数据库将90亿种基因突变的预测结果压缩为可即时查询的静态图谱，大幅降低了非编码区变异研究的计算与工程门槛。

9月8日周二
  1. Google DeepMind66

    Google DeepMind 发布 AlphaGenome Atlas 全基因组 DNA 变体影响预测平台

    Google DeepMind 发布 AlphaGenome Atlas，预计算了人类基因组中 90 亿个单核苷酸变体的分子影响，并生成综合的 AlphaGenome Variant Impact (AVI) 评分。

    推荐理由：平台预计算了 90 亿个 DNA 变体的分子影响，并配合单一 AVI 评分，为研究者提供从罕见病到群体遗传学的快速变异解释方法。

9月7日周一
  1. 深度学习与NLP92

    谷歌发布 Gemini 3.8 Flash 及网络安全专用变体

    谷歌发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，单任务成本为 0.58 美元，输入成本 0.75 美元/百万 Tokens，在 Artificial Analysis 智能指数中得分 59，生成速度达 305 tokens/s。

    推荐理由：原文展示了低成本模型在特定基准上逼近旗舰性能的数据，以及网络安全变体的实战表现，有助于评估性价比对智能体工作流的影响。

9月5日周六
  1. 深思SenseAI82

    Claude成入口Salesforce握数据，垂直AI靠完整工作过程突围

    Salesforce与Anthropic推出Claudeforce，将客户数据、权限与37项销售技能接入Claude，使销售人员无需打开Salesforce即可执行核心任务。文章结合a16z合伙人Seema Amble观点分析指出，老牌软件掌控记录与权限，大模型公司争夺入口，垂直AI公司的机会在于掌握某项工作从开始到结果的完整过程，而非仅依赖数据或界面。

    推荐理由：原文将企业AI竞争拆解为记录、入口与完整工作过程三类资产，为判断垂直AI公司生存空间提供了清晰框架。

9月4日周五
  2. 大模型智能92

    谷歌发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber

    谷歌发布 Gemini 3.8 Flash 和网络安全版 Gemini 3.8 Flash Cyber，输入成本 0.75 美元/百万 Tokens，输出成本 3.75 美元/百万 Tokens，单任务成本 0.58 美元，生成速度 305 tokens/s。

    推荐理由：原文将3.8 Flash的基准成绩与旗舰模型对比，并补充了网络安全版本漏洞发现能力，读者可据此判断低成本模型在代码与安全场景的可用性。

9月3日周四
  1. Google DeepMind84

    Google DeepMind 发布高精度全球气象 AI 模型 WeatherNext 3

    Google DeepMind 和 Google Research 发布了最新的全球气象模型 WeatherNext 3，该模型引入了实时卫星数据、每小时更新机制和更高的空间分辨率，并整合到 Search、Gemini 和 Maps 等生态中。模型能够以 5 公里分辨率提供全球预报，并针对清洁能源和风能预测进行了专门的工程设计。在中期降水预报评估中，该模型的预测准确率最高提升了 60%。

    推荐理由：官方详细说明了 WeatherNext 3 在实时卫星数据和高精度降水预测上的技术突破。

  5. APPSO67

    谷歌发布 Gemini 主动视频理解功能

    谷歌于 9 月 1 日为其 Flash 系列模型接入「主动视频理解」功能，让模型自主决定视频关注点与分析速度。官方基准显示，该功能最多可降低 88% 的 token 消耗和 66% 的分析成本，同时准确率提升最多 7%，该能力将通过 Gemini API 开放，并计划应用于 YouTube 的问答功能。

    推荐理由：原文详细展示了主动视频理解如何通过降低 token 消耗和成本提升准确率，并给出了多场景应用对比。

  6. AIGC开放社区85

    Google发布Gemini 3.8 Flash与Cyber双版本模型

    Google发布Gemini 3.8 Flash和Gemini 3.8 Flash Cyber两款模型。3.8 Flash面向编程、智能体和企业工作流，支持约100万Token上下文窗口，已上线Gemini API等多个渠道；Cyber版专用于发现和修复软件漏洞，通过Fairwind计划向经过审核的政府及关键基础设施机构开放。

    推荐理由：两个版本采用不同的开放方式，展示了智能体与高风险安全模型在部署边界上的差异。