⌘ 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 121–140 条 · 共 235 条
9月3日周四
  1. Google Gemini API Release Notes66

    Google Lyria 3.5 音乐生成模型正式版上线

    Google 正式发布下一代音乐生成模型 Lyria 3.5 正式版。该模型支持全曲生成，提升音乐连贯性与自然人声表现，提供细粒度时长与结构控制，接受文本与图像输入，并生成 44.1 kHz 立体声高保真音频。

    推荐理由：Lyria 3.5 正式 GA，用户可直接调用其全曲生成、44.1 kHz 立体声音频与更细时长的官方入口。

  2. APPSO84

    Google发布Gemini 3.8 Flash及网络安全变体

    Google发布Gemini 3.8 Flash和Gemini 3.8 Flash Cyber。Flash在HLE-Verified得分54.9%，DeepSWE表现超越部分前沿模型，主打快速执行复杂Agent工作流。

    推荐理由：原文解析了Flash以低成本承担复杂Agent任务的技术路径，并展示了其在编码与安全场景的实际表现。

  4. 夕小瑶科技说90

    Gemini 3.8 Flash 发布，代码性能比肩旗舰

    谷歌发布 Gemini 3.8 Flash，单论写代码性能与 Claude Opus 5 和 GPT-5.6 Sol 基本持平，但在 DeepSWE 榜单上每题成本仅约 2.36 美元，远低于 Opus 5 的 11.84 美元。该模型综合智力排名第八，长程任务能力仍与旗舰有明显差距，且为了提升表现消耗了更多的 token。

    推荐理由：展示了 Flash 模型在代码任务上比肩旗舰但成本大幅降低的性能特点

  5. AGI Hunt83

    Google 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 模型

    Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber，前者在 DeepSWE 上达到 73.7% 并在 Terminal-bench 2.1 上微超 Opus 5。新模型输入价格维持 $0.75/1M tokens，约为 Opus 5 的 15%，已在 Gemini API 等平台上线。

    推荐理由：原文给出了 Flash 系列性能提升和价格对比，读者可以据此判断高吞吐量 Agent 任务的成本变化。

  6. Google DeepMind61

    Google DeepMind 发布 Fairwind Program 政企网络安全计划

    Google DeepMind 发布 Fairwind Program，为政府、关键基础设施运营者和核心科技平台提供有限访问权限，使用 Gemini 3.8 Flash Cyber 与 CodeMender 自主查找、验证并修复漏洞。计划已有超过 650 个全球合作伙伴，参与者须将访问权限限制在内部安全、应急响应或渗透测试团队，并部署多因素认证等保护措施。

    推荐理由：程序明确给出了受限入口与模型组合，读者可以据此判断它将如何改变漏洞修复流程。

  7. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全变体 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全变体 3.8 Flash Cyber，定位为当前推理和编码能力最强的模型。Gemini 3.8 Flash 在 DeepSWE v1.1 和 HLE-Verified 等基准测试中表现优于多数前沿大模型，输入定价为每百万 token 0.75 美元，输出定价为 3.75 美元。

    推荐理由：官方明确了 Gemini 3.8 Flash 在编码与多步推理上的基准成绩，以及网络安全变体的定向开放机制，提供了具体性能对比与调用入口。

9月2日周三
  1. Google Gemini API Release Notes89

    Google 发布 Gemini 3.8 Flash 模型正式可用

    Google 发布 Gemini 3.8 Flash 模型并宣布一般可用 (GA)，官方称这是其最智能的 Flash 模型。该模型旨在用于长程软件工程和自主智能体，同时支持复杂的企业工作流。

    推荐理由：明确了该模型针对长程软件工程和复杂企业工作流的工程目标，方便评估适用场景。

  2. Google Research60

    Google 发布基于深度学习的全球甲烷点源监测框架 MAPL-EMIT

    Google 在 PNAS 发表论文发布 MAPL-EMIT，这是一个用于利用卫星影像检测、增强预测和估算甲烷羽流的深度学习框架。该模型在专家标注的甲烷羽流数据集上达到了 84% 的召回率。Google 已在全球地球引擎（Earth Engine）、Kaggle 和 Github 上开源了相关羽流数据库、预训练模型和推理库。

    推荐理由：论文展示了基于视觉Transformer的深度学习模型如何用卫星影像识别全球甲烷点源泄漏，给出了84%召回率和相关开源资产入口。

  3. Google DeepMind75

    Google DeepMind 在 Gemini 中推出 Agentic Video Understanding 功能

    Google DeepMind 宣布在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型中推出 Agentic Video Understanding 功能，通过结合代码执行和原生视频工具动态搜索、扫描目标视频片段，将 Token 消耗最多降低 88%，成本降低最多 66%，同时将准确率提升最多 7%。

    推荐理由：该功能通过智能体循环动态检索视频片段，在保持准确率的同时将 Token 消耗最多降低 88%，为长视频分析提供了更经济的工程方案。

9月1日周二
  1. 新智元65

    DeepMind AlphaEvolve再破纪录：矩阵乘法指数降至2.371177

    谷歌DeepMind与Alman、Vassilevska Williams等科学家利用Gemini驱动的编码智能体AlphaEvolve，将矩阵乘法的最快理论速度指数上限从2.371339刷新至2.371177。

    推荐理由：文章解析了AlphaEvolve将矩阵乘法指数上限刷新至2.371177的三层优化逻辑，揭示了AI在理论计算机科学中最经典开放问题上的人机协作模式。

8月31日周一
  1. 新智元80

    Google DeepMind 联合杜克大学发布 Co-Scientist 升级，AI 在实验室一次生长三种单层半导体

    Google DeepMind与杜克大学发布Co-Scientist重大升级，该系统基于Gemini构建，首次实现假设生成、实验执行到论文撰写的完整闭环。在材料科学领域，Co-Scientist对接真实CVD设备，数分钟内生成配方，一次性成功生长出单层MoS₂、MoSe₂和WS₂，并将原本需数月摸索的工艺压缩至数小时。

    推荐理由：Co-Scientist升级实现AI科研闭环，在真实实验室成功生长出单层半导体。

8月29日周六
  1. 新智元86

    谷歌 Gemini Omni 1.1 Flash 视频生成功能更新，登顶 Arena 全球榜首

    谷歌更新 Gemini Omni 1.1 Flash，其文生视频功能登顶 Arena 全球第一，图生视频排名第二。该模型引入场景延展、首尾帧控制、视频参考、360p 草稿及 4K 放大等五项能力，支持连续生成最长 40 秒视频，草稿生成速度比 720p 提升 60% 且成本降低至三分之一，全功能当日向全球开放。

    推荐理由：谷歌此次更新将视频生成从单次抽卡改为可连续扩展的流水线，通过明确首尾帧、场景延展和低成本草稿机制，让创作者能够直接指挥镜头运动与转场。

8月28日周五
  1. Google DeepMind70

    Google DeepMind 发布 Gemini Omni 1.1 Flash，新增视频生成控制能力

    Google DeepMind 发布 Gemini Omni 1.1 Flash，为生成式视频提供场扩展、首尾帧插值、4K 上采样和 360p 快速草稿等控制能力，可通过 Gemini API 在 Google AI Studio 使用。

    推荐理由：官方发布 Gemini Omni 1.1 Flash，给出了场扩展、首尾帧控制和 4K 上采样等视频能力，以及 API 与订阅入口的可用性说明。

8月27日周四
  1. AIGC开放社区84

    Google 发布新一代语音转写模型 Gemini 3.5 Transcribe

    Google 发布 Gemini 3.5 Transcribe 语音转写模型，支持 85 种以上语言，实时版延迟低于 1 秒，非实时版词错误率 2.6%。该模型通过 Gemini API 开放，具备智能转写功能可自动清理口误，一小时录音处理成本最低约 0.30 美元。

    推荐理由：原文提供了 Gemini 3.5 Transcribe 在延迟、准确率及实时与录音模式下的功能差异，有助于评估其在不同场景的可用性。

  2. Google Gemini API Release Notes64

    Gemini Omni Flash 模型正式版发布

    Gemini 官方发布 gemini-omni-1.1-flash 模型正式版，支持视频延长与首尾帧插值生成，并在 video_config 中新增分辨率参数，支持 360p、720p、1080p 和 4K 输出。原有的 gemini-omni-flash-preview 端点将于 2026 年 9 月 30 日弃用。

    推荐理由：新模型正式版支持视频延长与首尾帧插值，并开放多档分辨率参数，可直接用于视频生成工作流。

8月26日周三
  1. Google Gemini API Release Notes65

    Google 发布 Gemini 3.5 Transcribe 及 Live 实时语音转写模型

    Gemini 3.5 Transcribe 正式推出，包含两款专用语音转写模型。Gemini 3.5 Transcribe 支持 85 种以上语言的无流式高精度低延迟转写，提供说话人分离、词级时间戳及最多 1000 条自定义词汇偏置。

    推荐理由：官方提供了两款专用模型的能力差异与技术参数，便于开发者按非流式与流式场景选型。

8月22日周六
  1. 大模型智能76

    深度解析 dLLM：能否取代 AR 以及其核心优势与局限

    Junbo Zhao 在 LLaDA 系列回顾中指出，离散扩散语言模型（dLLM）与自回归模型（AR）并非互斥替代关系，而是一条取决于块大小和提交策略的连续谱。

    推荐理由：作者通过数学推导和工程实践对比，揭示了离散扩散模型在并行速度与联合一致性上的固有矛盾，为理解生成范式竞争提供了量化视角。