Google Research 2025 年度回顾：更大胆的突破，更深远的影响
Google Research 发布 2025 年度回顾，称其基础 AI 突破让生成模型更高效、更真实、更多语言与多元文化，并推出 generative UI。
#多模态
Google ResearchAI 评分4444
Mistral AIAI 评分5656 Mistral AI 发布 Mistral OCR 3 文档解析模型
Mistral AI 发布 Mistral OCR 3（模型名 mistral-ocr-2512），在表单、扫描件、复杂表格和手写内容上对 Mistral OCR 2 的整体胜率达 74%，并称其精度超过企业级与 AI 原生 OCR 方案。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3 Flash 模型
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度兼得、成本更低，已在 Gemini API、Google AI Studio、Gemini CLI、Google Antigravity、Vertex AI、Gemini Enterprise 开放预览，并成为 Gemini app 与 Search AI Mode 的默认模型。
推荐理由：原文给出多项基准分数、定价与速度对比，读者可据此判断它在成本与能力上的取舍位置。
OpenAI NewsAI 评分5656 迪士尼与 OpenAI 达成合作，200 多个角色将登陆 Sora
迪士尼与 OpenAI 达成协议，将 Disney、Marvel、Pixar 和 Star Wars 的 200 多个角色引入 Sora，用于粉丝创意短视频。协议强调娱乐领域的负责任 AI，并包含迪士尼全公司使用 ChatGPT Enterprise 和 OpenAI API 的内容。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.2
OpenAI 发布 GPT-5.2，称其是面向日常专业工作的最先进前沿模型，具备 state-of-the-art 的推理、长上下文理解、编码和视觉能力。该模型已在 ChatGPT 和 OpenAI API 中可用，用于驱动更快、更可靠的 agentic workflows。
推荐理由：官方定位说明它面向日常专业工作，读者可据此判断与既有模型的取舍。
Google DeepMindAI 评分5656 Google DeepMind 加深与英国政府合作，2026 年在英设立首个自动化科学实验室
Google DeepMind 宣布加深与英国政府的合作，向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist、WeatherNext 等 AI for Science 模型，并将于 2026 年在英国建立首个专注于材料科学的自动化实验室，由 Gemini 深度集成、机器人每天合成和表征数百种材料。
Google DeepMindAI 评分5555 Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite 评测大语言模型事实性
Google DeepMind 联合 Kaggle 推出 FACTS Benchmark Suite，包含 Parametric、Search、Multimodal 三个新基准及更新版 Grounding v2，共 3,513 个样例并公开发布，Kaggle 负责管理私有集、测试主流 LLM 并运营公开榜单。
OpenAI NewsAI 评分1818 Virgin Atlantic 如何用 AI 提升旅行各环节体验
Virgin Atlantic CFO Oliver Byers 分享了该航司如何用 AI 加速开发、改进决策并提升客户体验。
Google DeepMindAI 评分5656 Google DeepMind：AlphaFold 助力改造光合作用酶以培育耐热作物
密歇根州立大学 Berkley Walker 团队用 AlphaFold 预测光合作用关键酶 GLYK 的三维结构，结合分子模拟发现植物版 GLYK 有三个柔性 loop 在高温下变形失稳。研究者将耐热藻类 GLYK 中更刚性的 loop 替换进去，得到一种在 65 °C 下仍保持稳定的杂合酶，为培育耐热作物提供了路径。
Google ResearchAI 评分4747 Google Research 推出 Massive Sound Embedding Benchmark（MSEB）：面向听觉智能的新基准
Google Research 在 NeurIPS 2025 推出 Massive Sound Embedding Benchmark（MSEB），标准化评测转写、分类、检索、推理、分割、聚类、重排、重建八项听觉核心能力。
OpenAI NewsAI 评分1818 OpenAI 与 NORAD 合作为“NORAD Tracks Santa”带来三个 ChatGPT 节日工具
OpenAI 与 NORAD 合作，为“NORAD Tracks Santa”推出三个 ChatGPT 节日工具，让家庭可以制作节日精灵、玩具涂色页和自定义圣诞故事。
Google DeepMindAI 评分5656 Google DeepMind 回顾 AlphaFold 五年影响力
Google DeepMind 发文回顾 AlphaFold 自 2020 年以来五年的影响：AlphaFold 2 在 CASP 14 上以高精度预测蛋白结构。
Google DeepMind精选AI 评分6363 AlphaFold 助力解析心脏病关键蛋白 apoB100 结构
Google DeepMind 宣布借助 AlphaFold，密苏里大学研究者解析了赋予“坏胆固醇”形态的关键蛋白 apoB100 的结构。研究者先用冷冻电镜（cryo-EM）拍摄 LDL 颗粒图像，再用 AlphaFold 生成原子级分辨率预测并对照实验数据精修，得到包裹 LDL 颗粒的笼状外壳及维持颗粒完整的带状结构，为高胆固醇和动脉粥样硬化性心血管疾病的防治提供了新可能。
推荐理由：原文说明了冷冻电镜与 AlphaFold 结合如何突破 50 年未解的结构难题，读者可了解这一方法的迁移价值。
Google DeepMindAI 评分5858 Gemini 应用上线 AI 图片验证功能，基于 SynthID 水印
Google DeepMind 宣布从当日起在 Gemini 应用中上线图片验证功能，用户上传图片并提问即可由 Gemini 检测 SynthID 水印并结合自身推理返回内容来源信息。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），一款基于 Gemini 3 Pro 的高保真图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 通过 Gemini API 开启付费预览。
推荐理由：原文列出了分辨率、输入数量和文字渲染等具体能力边界，便于开发者判断是否迁移。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro，主打更强推理与世界知识带来的精准图像生成与编辑。
推荐理由：原文列明了能力变化与各产品线的开放范围，读者可据此判断它会怎样接入现有工作流。
Google Research精选AI 评分7474 Google Research 发布端到端实时语音到语音翻译模型
Google Research 介绍了一种端到端实时语音到语音翻译（S2ST）模型，可保留原说话人声音进行实时翻译，延迟仅 2 秒，而现有级联式方案通常有 4–5 秒延迟并存在误差累积。
推荐理由：原文对比了级联方案的延迟与误差累积问题，读者可据此理解端到端流式架构带来的改进方向。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3 并推出智能体开发平台 Google Antigravity
Google DeepMind 发布 Gemini 3，其中 Gemini 3 Pro 在 Gemini API 中以 preview 提供，200k tokens 及以下提示词定价为 $2/百万输入 tokens。
推荐理由：原文给出定价、基准分数和接入入口，读者可据此评估它能否接入现有编码与智能体工作流。
Google DeepMindAI 评分3838 Google DeepMind 在新加坡开设新研究实验室，推进亚太 AI 发展
Google DeepMind 宣布在新加坡开设新研究实验室，团队将由研究科学家、软件工程师和 AI impact 专家组成，聚焦 Gemini 核心能力与语言文化包容性研究。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 3 系列模型
Google DeepMind 发布 Gemini 3，先推出 Gemini 3 Pro preview，并同步上线 Gemini app、AI Studio、Vertex AI、Gemini CLI 及 Search 的 AI Mode，首次在 Search 第一天接入。
推荐理由：官方给出了各基准的具体分数与开放入口，读者可据此评估其相对 2.5 Pro 的实际提升。
Google Research精选AI 评分7474 Google 推出 Generative UI：Gemini 应用与 AI Mode 上线动态界面实验
Google Research 发布论文并推出 Generative UI，让模型针对任意提示词动态生成网页、游戏、工具和应用等交互界面，该能力以 dynamic view 和 visual layout 两项实验形式在 Gemini 应用上线。
推荐理由：原文说明了实现所需的三项关键设计和评测对比口径，读者可据此判断生成式 UI 目前的能力边界。
Google ResearchAI 评分5757 Google Research 发布 Natural Forests of the World 2020 天然林地图数据集
Google Research 与 Google DeepMind 联合发布 Natural Forests of the World 2020 地图与数据集，论文发表于 Nature Scientific Data，与 World Resources Institute 和 IIASA 合作完成。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 SIMA 2：可推理、对话并自我改进的虚拟 3D 世界智能体
Google DeepMind 发布 SIMA 2，将 Gemini 模型作为智能体核心，使其从指令跟随者进化为可思考目标、与用户对话并随时间自我改进的游戏伙伴。
推荐理由：原文说明了从指令跟随到推理与自我改进的架构变化，读者可据此理解具身智能研究的路径取舍。
OpenAI News精选AI 评分6464 ChatGPT 推出群聊功能
ChatGPT 推出群聊功能，用户可以和他人以及 ChatGPT 在同一个对话中协作。
Google DeepMindAI 评分5757 Google DeepMind 在 Nature 发表论文：重组视觉表征让模型更贴近人类判断
Google DeepMind 在 Nature 发表新论文，用认知科学的 odd-one-out 任务揭示视觉模型与人类在组织视觉世界上的系统性差异，并提出三步对齐方法改善模型的稳健性和泛化能力。
Google DeepMindAI 评分4141 Gemini 如何帮北爱尔兰教师每周省下 10 小时
Google DeepMind 与北爱尔兰教育局 C2k 合作的六个月试点中，100 名教师使用 Gemini 和 Google Workspace 工具，平均每人每周节省 10 小时，并沉淀出 600 多个独特用例。
Google DeepMindAI 评分5555 Google DeepMind 发布森林砍伐预测数据集、物种分布图与 Perch 2.0
Google DeepMind 宣布三项生物圈研究：与 World Resources Institute 合作开发的森林砍伐驱动模型（2000-2024，1km2 分辨率）并发布砍伐风险预测基准数据集。
Google ResearchAI 评分5555 Google Research 发布 ForestCast 深度学习模型与首个毁林风险预测基准数据集
Google Research 与 Google DeepMind 联合发布 ForestCast 深度学习模型和首个公开的毁林风险预测基准数据集，把森林保护从统计已发生的损失转向预测未来风险。
OpenAI NewsAI 评分3636 OpenAI 推出 IndQA：面向印度语言的 AI 评测基准
OpenAI 推出 IndQA，一个用于评估 AI 系统印度语言能力的新基准。该基准与领域专家合作构建，覆盖 12 种语言和 10 个知识领域，测试文化理解与推理能力。
Google ResearchAI 评分5959 Google Research 公布 Earth AI、DeepSomatic 与 Quantum Echoes 三项突破
Google Research 在 Research@MTV 活动上公布三项最新突破：Earth AI 地理空间推理智能体、开源癌症基因变异工具 DeepSomatic，以及在 Willow 芯片上运行的 Quantum Echoes 算法。
Google ResearchAI 评分5757 Google Research 发布 StreetReaderAI 让盲人用户通过多模态 AI 访问街景
Google Research 在 UIST'25 发布 StreetReaderAI 原型，用基于 Gemini 的上下文感知多模态 AI 让盲人和低视力用户通过语音与键盘浏览街景。
Hugging Face BlogAI 评分4747 用 NVIDIA Isaac for Healthcare 从仿真到部署构建医疗机器人：SO-ARM 手术助手工作流指南
NVIDIA Isaac for Healthcare v0.4 提供端到端 SO-ARM 手术助手工作流，通过 LeRobot 采集数据、微调 GR00T N1.5、在 IsaacLab 评估并部署到硬件。
Hugging Face BlogAI 评分4747 NVIDIA Isaac for Healthcare 如何从仿真到部署构建医疗机器人
NVIDIA Isaac for Healthcare v0.4 提供基于 SO-ARM 的端到端入门工作流，用 LeRobot 采集仿真与真实数据、后训练 GR00T N1.5、在 Isaac Lab 评估并部署到硬件，构建具身手术助理机器人。
Google Research精选AI 评分6262 Google 基于 Gemini 推出 Fitbit 个人健康教练并开启公开预览
Google 宣布基于 Gemini 模型打造的个人健康教练将在未来一周内向美国 Fitbit Premium Android 用户推出可选公开预览，iOS 版本随后扩展。
推荐理由：原文拆解了健康教练背后的多智能体框架与评测体系，读者可了解其如何把通用模型落到具体健康场景。
Hugging Face Blog精选AI 评分6060 Hugging Face AI Sheets 新增视觉能力，可在表格中提取、生成与编辑图片
Hugging Face 宣布为开源工具 AI Sheets 加入视觉支持，用户可在表格中直接查看、分析、提取图片信息，生成新图并实时编辑，底层通过 Inference Providers 调用数千个开源模型。
推荐理由：通过手写食谱的完整示例，读者可以看到从图片抽取到结构化导出的可迁移工作流。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布开源 OCR 模型选型与部署指南
Hugging Face 发布指南介绍如何挑选和使用开源 OCR 模型，覆盖模型能力、输出格式（DocTag、HTML、Markdown、JSON）、评测基准与成本对比。
推荐理由：文章给出模型能力、输出格式与成本的对照维度，读者可据此为自己的文档场景挑选 OCR 模型。
Hugging Face BlogAI 评分4747 Hugging Face 发布 Nemotron-Personas-India：面向印度的开源合成人格数据集
Hugging Face 发布 Nemotron-Personas-India，首个与印度真实人口、地理和文化分布对齐的开源合成人格数据集，采用 CC BY 4.0 许可，可商用与非商用。
Hugging Face BlogAI 评分5757 Hugging Face 详解用 Core ML 和 MLX 将 dots.ocr 转为端侧 SOTA OCR 模型
Hugging Face 发布三部分系列第一篇，讲解如何把 RedNote 的 3B 参数 OCR 模型 dots.ocr（在 OmniDocBench 上超过 Gemini 2.5 Pro）通过 Core ML 和 MLX 组合转到端侧运行，其中视觉编码器用 Core ML、Qwen2.5-1.5B 语言骨干用 MLX。
OpenAI News精选AI 评分6767 OpenAI 发布 Sora 2 系统卡
OpenAI 发布 Sora 2 系统卡，介绍其新一代视频与音频生成模型。Sora 2 在 Sora 基础上引入更准确的物理表现、更强的真实感、同步音频、增强的可控性以及更广的风格范围等此前视频模型难以实现的能力。
OpenAI News精选AI 评分6060 OpenAI 以安全为基础推出 Sora 2 与 Sora 应用
OpenAI 宣布推出 Sora 2 视频模型和 Sora 应用，称针对前沿视频模型与全新社交创作平台带来的新型安全挑战，将安全作为基础，并以具体保护措施作为其做法的锚点。
推荐理由：官方说明了面向视频模型与社交创作平台的具体安全保护措施，可了解其安全设计思路。