Google Research 宣布 Antigravity 的 /teamwork 多智能体工作流（配合 Gemini 4 Argon、Carbon、Hydrogen）已在数学、科学与复杂系统工程中解决多个多年未决问题，并向研究者和开发者开放，同时开放 10,000 名学术研究人员六个月最高用量档免费访问。
推荐理由：原文系统梳理了 /teamwork 的设计原理与多领域成果，读者可据此判断长程智能体工作流在科研与工程中的实际落地方式。
Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流，强调快速执行，同时覆盖 Google AI Studio、Gemini API、Gemini for business、Gemini app、Google Search 及付费 Google AI Pro 和 Ultra 订阅者。
推荐理由：原文给出定价、基准分数与安全指标，读者可据此判断它在多模型工作流中如何与 Carbon、Argon 分工。
Google Research 发布研究框架，用消费级可穿戴设备数据构建可教练健康年龄（CHA）模型，并配合在 2.28 million person-weeks 数据上预训练的 SensorWM 世界模型，模拟 12 周反事实健康轨迹，再由语言模型智能体生成教练计划。
Google DeepMind 宣布发布下一代 DNA 序列模型 AlphaGenome 2，可预测 DNA 序列及其变异对特定人类细胞类型的影响。该模型改为条件化架构，一次针对一个组织、细胞类型或状态进行预测，训练数据涵盖 68 个组织、超过 1.07 亿个单细胞图谱。
推荐理由：原文给出条件化架构改造与 TenK10K 上的召回对比，读者可据此判断细胞类型特异性预测相比上一代的实际提升幅度。
Google DeepMind 宣布 Gemini 4 Carbon 正式面向开发者、企业、科学家和消费者开放，定位为最强模型，主打网络安全能力与长程智能体工作流。
推荐理由：原文给出定价、基准排名与安全数据，读者可据此对比 Carbon 与 Argon 的分工和迁移成本。
Google DeepMind 发布 Gemini Robotics 2.5，称其为迄今最强的视觉-语言-动作（VLA）模型，提升机器人可学技能的广度与获取速度。
推荐理由：原文给出 Mercedes-Benz 产线 96% 成功率与越狱防御基准，读者可据此评估其工业落地与安全水平。
Google DeepMind 发布 AlphaProof Code，一个多 LLM 智能体形式化验证框架，用它对 Signal 协议的实际代码给出了关键安全性质的数学证明，称这是首次用 AI 在这一深度形式化验证广泛部署的密码协议，也是任何方法首次验证此类协议的实现。
推荐理由：原文说明了形式化验证从设计层下沉到编译代码层的做法与四周耗时，读者可据此评估 AI 代理在真实密码协议上的验证能力边界。
Google DeepMind 宣布开源支撑 WeatherNext 3 的两个基础数据集 SatWeave 与 PARDIG，历史存档与实时数据流已在 Google Cloud Storage 开放，PARDIG 历史目录也上架 Google Earth Engine。
推荐理由：原文说明了两个数据集的构成与评测口径，读者可据此判断它们对天气水文建模的可用性。
Google 推出交互式网络平台 Language Explorer，基于开源 LinguaMeta 数据集与 1,000 Languages Initiative，可视化呈现数千种语言的分布与多样性，供研究者、教育者和语言爱好者在线探索。
Google DeepMind 宣布推出 Gemini Omni 1.2 Flash，并首次在 Gemini API 和 Gemini for business 中全面可用。
推荐理由：原文给出价格降幅、时长上限与一致性改进，可据此评估它对批量视频生产成本与工作流的影响。
Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN，可用消费级智能手表被动检测高血压迹象，无需传统臂式袖带校准。
推荐理由：原文给出无需袖带校准的筛查方案与对照临床数据，读者可据此判断智能手表在高血压筛查中的实际定位。
Google Research 提出 Agile Deliberation 框架，把主观 AI 分类器的构建变成人与 AI 的迭代对话，帮助用户在协作中厘清自身定义，代码与算法已在 GitHub 开源。该框架分概念界定与概念迭代两阶段，用视觉语言模型挖掘语义边界图像，经 18 场、每场 1.5 小时的真人实验验证，显著降低用户疲劳与焦虑，产出更一致、性能优于标准基线的模型。
Google DeepMind 宣布 Google Antigravity 的 Cheminformatics Skills 今日上线，可安装 Science 插件使用，企业用户也能通过 Google Cloud 凭据登录。
推荐理由：原文以肺癌药物刚性化为完整案例，展示智能体如何串起文献检索、MMPA 与活性预测，可迁移性强。
Google DeepMind 宣布其 AI 规划工具 PlanAssist 将新增 12 个英国地方规划局，参与总数达 15 个，并进入为期 12 个月、使用真实申请的 Beta 阶段。
推荐理由：原文给出了试点中规划评估时间下降的具体幅度和报告免改通过率，可据此判断该工具在公共服务场景的实际可用程度。
Google DeepMind 发布 Gemini 4 Carbon，称其为最强模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：原文给出网络安全与长时任务的具体基准分数和对齐改进数据，读者可据此评估其在安全防御场景的实际能力定位。
Google Research 提出面向大语言模型持续学习的睡眠框架，让模型在主动交互的清醒阶段与离线记忆巩固的睡眠阶段之间交替，把脆弱的短期上下文固化为稳定的长期参数。
Google DeepMind 宣布发布新世界模型 Genie 4，提升实时交互模拟的真实感，可原生同时生成音乐、环境音与交互对话。
推荐理由：原文说明了 Genie 4 与 Gemini 系列的分工方式，读者可据此理解实时世界模拟如何借助推理模型维持连贯性。
Google Research 在 IDWeek 2026 分享其结核病（TB）筛查 AI 从研究走向临床的全过程：2019 年在 Radiology 发表基准证明深度学习可匹敌资深放射科医生。
推荐理由：原文梳理了从算法研究到临床落地的完整路径，读者可了解医学 AI 走出论文、跨越转化鸿沟的具体环节。
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020。
NVIDIA 与欧洲多国政府合作，以 Nemotron 开放模型和 Nemotron-Personas 数据集支撑公共部门 AI 项目，同时保留数据与基础设施控制权。
Google Research 在 JAMA Network Open 发表论文，评估其 AI 孕周估算系统在芝加哥 Northwestern Medicine 与肯尼亚内罗毕 Jacaranda Health 两处临床环境中的泛化表现。
推荐理由：研究展示了AI在真实临床环境中跨硬件、跨地区的泛化能力，为低资源地区扩大产前超声覆盖提供了可参考的验证路径。
OpenAI 与 Google Cloud 宣布将前沿模型和 Codex 工作流引入 Gemini 的 Model Garden，并通过 Google Cloud Marketplace 提供。
Google Cloud 与 NVIDIA 宣布 Vera Rubin 基础设施 A5X 实例正式可用，下月开放并计划扩展至欧洲，为云客户提供面向训练、推理和大规模强化学习的一体化平台。
推荐理由：原文说明了A5X实例的硬件构成和首批客户用例，读者可据此判断该平台面向的训练与强化学习负载形态。
Hugging Face 发布 TorchTPU，一个把 TPU 作为 PyTorch 原生后端的项目，Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行，只需 device_map="tpu" 即可加载模型，不再依赖 torch_xla 或 Optimum TPU。
推荐理由：原文给出了从 torch_xla 迁移到原生后端的具体改动和实测加速数字，读者可据此评估 TPU 工作流的实际收益。
Google Research 分享三项研究进展，展示如何弥合 in-silico AI 探索与真实湿实验之间的差距。其一是 VERID 框架，作为实验室工作单元的语义数字孪生，提供实时 3D 状态追踪、快速虚拟试运行、硬件安全检查和同步视频与动作日志，基于开源 PyLabRobot 构建。
推荐理由：原文展示了从数字孪生到闭环实验的完整技术路径，读者可了解 AI 智能体如何接入湿实验环节。
Google DeepMind 介绍如何用其智能体开发平台 Google Antigravity 加速抗菌肽（AMP）候选发现：研究者与 AI 智能体在单次交互会话中设定生物学目标，由智能体完成跨数据库编排、结构分析与文献综合，并借助 ProtNLM 模型从 UniProt 数百万条未注释序列中预测蛋白功能。
Google Research 公开发布 Deep Review，一个面向复杂文档提供严谨反馈与技术验证的智能体 AI 系统，最初用于计算机学术论文分析，现已扩展到法律、金融等领域。
推荐理由：原文拆解了四阶段智能体流水线如何解决长文档评审瓶颈，方法细节可迁移到其他多智能体文档分析场景。
Google Research 在 Mountain View 的 Research@ 活动上公布十项进展：扩大 Google Earth AI 早期访问并提供 agent-to-agent API。
Google Research 将 Geospatial Reasoning 智能体从概念推进为可多步空间推理、并能自主训练预测模型的实验系统，同时发布技术报告、伙伴实测与早期访问入口。
推荐理由：原文给出了评测设计和伙伴实测细节，读者可据此判断专用工具与规划步骤对空间任务的实际增益。
Google DeepMind 与新加坡政府科技局（GovTech）合作推出可在普通智能手机上运行的端侧诈骗检测模型，基于轻量 Gemma 模型在本地诈骗对话上微调而成。
Google DeepMind 宣布 Gemini 4 Argon 开始广泛推出，并将面向网络防御者的 Fairwind Program 扩展到更多可信防御方。
推荐理由：原文系统梳理了新模型在滥用防护、错位监控和提示词注入抵抗三层的具体做法与量化结果，可作为了解前沿模型安全实践的参考。
Google DeepMind 宣布 Gemini 4 Argon 即日起全球开放，开发者和企业可通过 AI Studio 与 Gemini 平台的 API 使用，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini app 和 Search 的 AI Mode 使用。
推荐理由：原文列出定价、上下文规格和多领域实测数据，读者可据此评估它对现有工作流的适配度。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning (ERQA) 基准上纯推理得分 87%，超过其他前沿模型。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Argon 并全球开放》
NVIDIA 在 OCP 全球峰会上向 OCP 贡献 Vera Rubin 机架与计算托盘设计，并通过开放的 MGX 架构为系统厂商提供共同基础。MGX 1.2 规范扩展了机架级盲插液冷、可互操作互连、5,000A 液冷母线以及最高 250kW 的机架部署支持，同时新增 Vera CPU 机架设计规范以支持智能体场景。
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，将文本、代码、图像、视频和音频统一映射到共享嵌入空间。
推荐理由：给出了参数量、内存占用与上下文长度等具体指标，读者可据此判断它是否适合端侧部署。
Google Research 介绍其 Earth AI 的 Population Dynamics Foundation Model（PDFM）如何把隐私保护的搜索趋势、人类流动、建成环境密度和环境因素压缩为按月刷新的位置嵌入，无需任务特定微调即可作为即插即用输入接入现有流行病学与机器学习工作流。
推荐理由：原文用五个独立合作方的验证矩阵说明地理嵌入如何在不同疾病与地区中补充现有流行病学模型，读者可据此评估其跨场景迁移价值。
Google Research 发布 workshop 报告《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》，汇总 50 多位学界与业界学者在 2025 年末纽约 CAPS Workshop 上的成果。
Google Research 宣布基于 TEE 的下一代联邦学习系统，通过远程可验证、机密性和完整性提供可验证可审计的数据匿名化保证，Gboard 已采用该系统并获得比旧系统更快的计算时间。
Google DeepMind 宣布发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向一批可信网络安全防御者开放，随后面向开发者、企业和消费者推出。
推荐理由：原文披露了输出上限、定价与分阶段开放策略，读者可据此判断其面向开发者的可用时间与成本。
Google DeepMind 推出 SynthID Bio，把水印技术引入合成生物学，将不可察觉的签名直接嵌入蛋白质的氨基酸序列与 3D 结构坐标中，且在实验室测试中保持蛋白质生物功能不变。
推荐理由：原文说明了水印如何嵌入生物代码并经湿实验验证功能不受损，读者可据此理解其对 DNA 合成筛查的实际作用。