Google DeepMind 向 Genesis Mission 承诺 4000 万美元 AI tokens 与云额度
Google DeepMind 在 DOE Genesis Mission Summit 2026 上宣布向 Genesis Mission 承诺 4000 万美元的 AI tokens 和云额度,支持美国科研人员。
Google DeepMind 在 DOE Genesis Mission Summit 2026 上宣布向 Genesis Mission 承诺 4000 万美元的 AI tokens 和云额度,支持美国科研人员。
Google DeepMind 发布三款 Gemini 新模型:Gemini 3.6 Flash 主打编码、知识工作与多模态,按 Artificial Analysis Index 输出 token 消耗比 3.5 Flash 少 17%。
推荐理由:原文给出三款模型的定价与基准对比,可据此评估其在智能体工作流中的成本与能力取舍。
Google DeepMind 发布 Gemini 3.5 Flash Cyber,一款基于 3.5 Flash 微调的轻量网络安全模型,用于快速发现、验证和修补漏洞,通过 CodeMender 以限量试点方式先向政府和可信伙伴开放。
推荐理由:原文说明了轻量模型在代码安全场景相对大模型的成本与调用优势,以及受限开放策略的考量。
Google DeepMind 与 Isomorphic Labs 发布联合的生物韧性(bioresilience)方案,将 AI 模型与智能体开放给可信伙伴,覆盖预防、检测、响应三个环节。
Google Research 在 ICLR 2026 论文 "On the Interpolation Effect of Score Smoothing in Diffusion Models" 中指出,扩散模型的创造力源于神经网络训练中正则化导致的 score smoothing,使去噪过程在训练数据点之间插值而非记忆。
Google DeepMind 联合 Atal Innovation Mission 上线 ATL Saathi 实时试点,这是一款由 Gemini 驱动的 Web 应用,为印度 Atal Tinkering Labs 教师提供 24/7 备课与培训助手。
Google Research 发布大型传感器基础模型 SensorFM,用 500 万名同意参与者、超过 1 万亿分钟的多模态传感器信号做自监督预训练,学习可迁移到心血管、代谢、睡眠和心理健康的通用生理表征。
推荐理由:原文给出了预训练规模与下游任务收益的对应关系,读者可据此判断通用表征在可穿戴健康场景的迁移空间。
Google Research 在 Nature Cities 发表研究,通过修改 Google Maps 算法在美国 10 个大城市进行为期六个月的实验,仅改变不到 2% 的行程路线,就使目标路段车速中位数提升约 2%、燃油消耗率中位数下降 0.5% 至 1.0%。
Google DeepMind 与 A24 宣布建立首个研究合作伙伴关系,双方将围绕多个项目展开长期深度研发合作,帮助创作者开发新的工作流与技术。Google 同时对 A24 进行了投资。合作初期聚焦于弥合前沿技术与下一代娱乐的差距,具体目标与技术产出将随时间演进。
Hugging Face 与 Cerebras 合作推出基于 Gemma 4 的实时语音 AI 演示,将开放的级联语音管线与 Cerebras 的推理速度结合,实现更自然的对话响应。
Google Research 发布覆盖 50+ 全球城市、9 个国家的建筑级屋顶反照率数据集,并上线高分辨率 Heat Resilience Earth Engine App 供公众使用。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)图像模型与 Gemini Omni Flash(gemini-omni-flash-preview)视频生成与对话式编辑模型。
推荐理由:原文给出了两款模型的定位分工与串联用法,读者可据此判断如何组合图像与视频生成搭建工作流。
Google Research 发布面向表格数据分类与回归的基础模型 TabFM,将表格预测建模为上下文学习问题,无需手动训练、超参调优和特征工程,单次前向传播即可在未见过的表格上生成预测。
推荐理由:原文说明了混合注意力架构与合成数据训练如何替代传统特征工程和调参流程,便于评估其对现有工作流的替代空间。
Google Research 宣布将 Multi-Token Prediction (MTP) 架构改造后接入已冻结的 Gemini Nano v3 模型,并已部署到 Pixel 9 和 10 系列,让 AI Notification Summaries 和 Proofread 等端侧功能生成更快、更省电。
Google Research 在 CIDR 发布论文提出线性弹性缓存(linear elastic caching),将页面淘汰建模为 ski rental 问题,用轻量级决策树模型动态预测页面 TTL,在内存占用与缓存未命中之间权衡以降低总拥有成本(TCO)。
Google Research 将在 COLM 2026 发表的论文指出,即使对简单单跳事实问题,开启推理也能召回关闭推理时几乎无法得到的答案。
Google DeepMind 宣布 computer use 现已成为 Gemini 3.5 Flash 的内置工具,此前该能力仅作为独立的 Gemini 2.5 computer use 模型提供,如今原生集成进主 Gemini Flash 模型。
推荐理由:原文说明了 computer use 从独立模型变为内置工具的路径变化,以及配套的两项企业防护机制,便于评估其在自动化任务中的落地方式。
Google DeepMind 与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 三地规划部门合作,推出基于 Gemini 的 AI 规划审批原型,目标把房主规划申请的决策时间缩短 50%。
Google Research 联合牛津大学发布英国全境树篱、石墙与小片林地的矢量数据集,将此前的 Farmscapes 2020 像素级地图转化为可用于景观修复与碳核算的可操作清单。
Google DeepMind 发布 AI Control Roadmap,一套用于构建和管理 Google 内部部署的先进 AI 的纵深防御框架,即使模型对齐不完美也能提供系统级安全保障。
推荐理由:原文给出了威胁建模、监督机制和分级响应的具体设计,可迁移为部署内部智能体时的安全参考框架。
Google Research 分享了关于消费者如何用AI理解皮肤问题的两项研究。其中发表于 JAMA Dermatology 的大规模调查纳入 2,345 名参与者,使用AI工具时参与者尝试命名病症的比例超过 62%(对照组为 41%),命名准确率达 23%,约为对照组 8% 的三倍;但下一步就医决策的准确率在标准AI组未见统计显著提升。
Google Research 与 University of California San Diego 合作探索 phone cluster computing,把退役智能手机的主板取出组集群,作为通用计算平台复用。
Google Research 在 AISTATS 2026 上提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests,通过相对距离测试衡量遗忘后模型更接近安全重训模型还是原始受污染模型。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次并行生成整段文本,在专用 GPU 上文本生成速度最高提升 4 倍,单张 NVIDIA H100 可达 1000+ tokens per second,NVIDIA GeForce RTX 5090 可达 700+ tokens per second。
推荐理由:原文给出了速度、显存与质量取舍的具体数据,读者可据此判断它是否适合本地交互场景。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持,宣布面向全球研究者、最高 $10M 的多智能体 AI 安全研究资助。
Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate,支持 70+ 语言近实时语音到语音翻译,可自动检测语言并保留说话者的语调、节奏和音高,持续生成语音且仅比说话者落后几秒。
推荐理由:原文说明了从五种语言到 70+ 语言的跨度变化,读者可据此判断它对会议翻译场景的实际影响。
Google DeepMind 发布 Gemma 4 12B,定位为可在 16GB RAM 消费级笔记本本地运行的智能体多模态模型,是该系列首个支持原生音频输入的中等规模模型。
推荐理由:原文说明了无编码器架构如何省下延迟与显存,读者可据此判断本地多模态部署的可行性。
Google DeepMind Accelerator: Robotics 项目本周在伦敦启动,从欧洲遴选 15 家早期机器人初创公司加入为期 3 个月的计划,入选者可使用 Google DeepMind 的 AI 技术栈、技术专家支持和 Gemini robotics 模型。
Google DeepMind 公布了在塞拉利昂开展的 Guided Learning 预注册试验结果,学生数学成绩相对对照组提升 +0.258 个标准差,约相当于八周内 1.2 至 1.7 年的学习进度;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的教师培训材料,读者可据此评估 AI 辅助教学的实际效果与可复用做法。
Google 宣布 Gemini Enterprise Agent Platform 托管版 Cross-Corpus Retrieval(由 Agentic RAG 驱动)进入公开预览,通过规划、改写、路由等多智能体协作处理多源多跳查询。
Google Research 在 Nature 发表论文介绍 PHRM 系统,可在日常使用手机时通过前置摄像头在人脸解锁后拍摄视频,被动估计心率与静息心率,心率 MAPE < 10%,日均静息心率相对可穿戴设备 MAE < 5 bpm。
推荐理由:原文给出了跨肤色非劣性标准与真实场景验证方法,可迁移用于评估rPPG类健康监测模型的公平性。
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架,让各国气象水文部门把 AI 洪水预测接入自有工作流。
Google Research 发布 I/O 2026 综述,介绍其在科学发现、健康、边缘计算、天气预测、Gemini 核心能力、开发者生产力、隐私保护和量子计算等方向的研究与产品进展。
推荐理由:官方长文系统梳理了研究到产品的转化路径,读者可据此理解其各条线的布局重点。
Google Research 推出基于零信任聚合的私有分析服务,结合新的格基密码聚合协议与 TEE,实现设备单次消息提交即可完成聚合,无需多轮在线交互。该方案已集成到 Google 机密联邦分析系统,用于改进 Android SafetyCore 分类器准确率,同时保证用户内容仅保留在设备端。
Google DeepMind 启动首届亚太 Accelerator 项目,聚焦 "AI for the Planet",面向该地区的初创公司、研究团队和非营利组织,用前沿 AI 解决自然、气候、农业、能源等领域的环境问题。
Google 发布基于 Gemini 的科研工具 ERA,其论文今日刊于 Nature,同时开始通过 Gemini for Science 更广泛开放由 AlphaEvolve 和 ERA 构建的实验工具 Computational Discovery。
推荐理由:原文列出 ERA 在多个学科基准和五个开放科学问题上的具体结果,读者可据此判断这类工具当前能覆盖的研究范围。
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室如何用 Co-Scientist 加速衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新颖的候选遗传因子,其中部分假设经实验室验证,能成功推动细胞进入更年轻状态。它还把原本最长需耗时六个月的筛选数据与文献对照分析工作压缩到几天。
推荐理由:原文给出 Co-Scientist 在真实实验室中把文献分析从数月压缩到数天的具体用法,可迁移至其他科研数据解读场景。
Google DeepMind 在 Project Genie 中推出由 Street View 支撑的新能力,可将生成世界的起点锚定在真实地点影像上,并向全球符合条件的 Google AI Ultra $200 订阅者(18+)逐步开放。
Google DeepMind 发布 Omni 家族首个模型 Gemini Omni Flash,可将图像、音频、视频和文本组合作为输入,生成基于 Gemini 真实世界知识的高质量视频,并支持通过自然语言对话编辑视频,每次指令在上一次基础上延续,保持角色一致和场景记忆。
推荐理由:原文说明了 Omni 与 Gemini 推理能力的结合方式和开放入口,读者可据此判断它会怎样改变视频创作工作流。
Google DeepMind 推出 Gemini for Science,包含 Google Antigravity 中的 Science Skills 以及 Google Labs 上三个实验工具。
推荐理由:原文列出了三个实验工具的具体能力与开放入口,读者可据此判断它会怎样嵌入现有科研工作流。