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。
Google DeepMind 宣布在 Search、Gemini、Chrome、Pixel 和 Cloud 扩展内容透明与验证工具：SynthID 已为超过 100 billion 张图片视频和 60,000 年音频加水印，Gemini app 的 SynthID 验证已被使用 50 million 次，现扩展到 Search 并将在数周内进入 Chrome。
推荐理由：原文列出了 SynthID 与 C2PA 在多产品线的落地节奏和采用规模，可据此判断内容溯源工具的普及路径。
Google DeepMind 作为 Google 与新加坡政府新国家 AI 合作的关键一环，在当地推出多项新计划，覆盖医疗、教育、科研与可持续发展。
Google DeepMind 介绍剑桥大学 Clare Bryant 教授使用 Co-Scientist 寻找病原体跨物种传播引发重症的分子开关。Bryant 先后输入课题摘要与完整基金申请书，工具生成并排序假设，最终锁定她此前未关注的蛋白并细化到具体氨基酸，团队正构建含相应突变的细胞系验证。她表示原本需两到三年的实验工作如今有望在六个月内完成。
Google DeepMind 介绍 Calico Life Sciences 的 AI/ML 负责人 Matt Onsum 和首席科学家 Katherine Labbé 使用 Co-Scientist 连接衰老生物学中分散的研究发现并生成值得测试的假设。
Google DeepMind 的 Co-Scientist 帮助爱丁堡大学生物工程师 Filippo Menolascina 团队缩小 MASH 联合疗法的搜索空间，并针对 resmetirom 只对少数合格患者起效的问题提出假设，将 NLRP3 inflammasome 指认为连接炎症与代谢的分子桥梁，该假设随后经实验验证，有望为靶向双联疗法铺路。
MIT 的 Ritu Raman 借助 Google DeepMind 的 Co-Scientist，将原本需数月梳理的 ALS 文献压缩为可快速验证的假设，并按可行性与风险回报排序研究方向。
斯坦福大学医学院遗传学家 Gary Peltz 的团队在 Advanced Science 发表研究，用 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选可重定位治疗肝纤维化的候选药。
Google DeepMind 复盘其 AI 气象模型 WeatherNext 如何帮助美国国家飓风中心（NHC）提前五天以 80% 置信度预测飓风 Melissa 将以 Category 5 强度登陆牙买加，三天前该置信度升至接近 100%，这是首次从 Category 1 风速起报成功预测风暴达到 Category 5 强度。
推荐理由：原文回顾了 WeatherNext 在一次真实飓风中的预测表现与协作过程，读者可据此理解 AI 气象模型如何进入官方预报流程。
Google DeepMind 发布 Gemini 3.5 系列的首款模型 Gemini 3.5 Flash，称其为目前最强的智能体与编码模型，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）、MCP Atlas（83.6%）等基准上超过 Gemini 3.1 Pro，输出速度是其他前沿模型的 4 倍，成本常低于其一半。
推荐理由：原文给出多项基准分数与速度成本数据，读者可据此判断它在智能体与编码场景中的定位。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，并推出基于 Gemini 的多智能体系统 Hypothesis Generation，面向个人研究者开放注册，将在未来几周内逐步推出。
推荐理由：原文给出了多智能体分工、验证算力占比和多个已落地案例，读者可据此判断它如何嵌入真实科研流程。
Google DeepMind 发布 AlphaEvolve 一周年影响综述，这一 Gemini 驱动的编码智能体已在多领域落地：基因组学中使 DeepConsensus 变异检测错误降低 30%，电网 AC Optimal Power Flow 可行解求解率从 14% 提升至 88% 以上，自然灾害风险预测准确率提升 5%。
推荐理由：原文按领域梳理了 AlphaEvolve 一年来的落地成果与量化数据，便于读者判断这类算法发现型智能体的实际影响范围。
Google Research 公布其开放科学生态成果，过去十年发布的开源工具与开放数据集已服务全球超过 250,000 名研究者和开发者。基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 已助力处理 250 万人的外显子组和全基因组数据；神经科学数据集 H01 达 1.4 petabyte，被访问超 20 万次。
Google DeepMind 宣布推出 AI co-clinician 研究计划，探索在医生临床监督下由 AI 智能体辅助患者的三方诊疗模式。在 98 个真实初级医疗查询的盲测中，该系统在 97 例里零关键错误，医生在对照评估中更偏好其回答；在 OpenFDA RxQA 药物问答基准上，开放式提问场景表现超过其他前沿模型。
推荐理由：原文给出了评测方法与具体结果，读者可据此判断该系统当前能力边界与适用场景。
Google Research 介绍了科学家使用 Empirical Research Assistance (ERA) 的四个真实场景：在公共卫生领域，ERA 生成的美国流感。
推荐理由：四个真实场景展示了ERA从预测到机制发现的可迁移用法，便于评估AI辅助科研的实际边界。
Google DeepMind 与韩国科学技术信息通信部（MSIT）宣布建立新合作，将在首尔办公室设立 AI Campus，与首尔大学（SNU）、KAIST 及三个 AI Bio Innovation Hubs 等机构协作。
Google Research 宣布该方法已作为 Auto frame 功能的一部分在 Google Photos 上线，可用生成式 AI 在拍照后自动改变相机视角重新构图。
推荐理由：原文拆解了3D估计与生成补全两阶段流程，读者可理解视角重合成如何在保留原内容的同时补出隐藏区域。
Google DeepMind 发表新论文 Decoupled DiLoCo，将大训练任务拆分为解耦的算力岛屿并以异步数据流连接，使局部硬件故障不影响其他部分继续训练。
推荐理由：原文给出了带宽、容错和跨代硬件混训的具体实验结果，可据此评估分布式训练路线的实际可行性。
Google Research 在 ICLR 论文 ReasoningBank: Scaling Agent Self-Evolving with Reasoning Memory 中提出一种智能体记忆框架，从成功与失败经验中提炼高层推理模式，实现测试时自我进化。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作，推动前沿 AI 在全球企业落地。
Google Research 在 Transactions on Machine Learning Research 发表论文，提出 reasoning-first 的合成数据生成框架 Simula，通过全局多样性、局部多样性、复杂度和质量四个可控轴从第一性原理构建数据集。
Google Research 发布论文 MoGen，用合成神经元形态改进 AI 脑图谱重建模型，使重建误差降低 4.4%，在完整小鼠脑尺度相当于节省 157 人年的手工校对工作。
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，通过在文本中嵌入自然语言 audio tags 实现对语音风格、语速和表达的细粒度控制。
推荐理由：原文给出了基准分数和开放入口，读者可据此判断其在语音生成上的定位与可用性。
Google Research 与纽约大学合作推出 Vantage，一个面向高中和大学学生的研究实验，通过生成式 AI 在模拟环境中评估批判性思维、协作、创造性思维等未来技能，现已在 Google Labs 提供英文版注册。
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为机器人高层推理模型，可通过 Gemini API 和 Google AI Studio 调用，并原生调用 Google Search、VLA 及第三方函数。
推荐理由：原文说明了仪器读数能力的实现路径，读者可了解具身推理如何结合代码执行解决真实巡检问题。
Google Research 发布 ConvApparel 数据集，包含服装购物领域 4,000+ 段人机多轮对话（近 15,000 轮），用于量化 LLM 用户模拟器与真实人类行为之间的差距。
Google Research 发布两个面向学术工作流的智能体框架：PaperVizAgent（原名 PaperBanana）用于绘制学术图表，ScholarPeer 用于自动同行评审。
Google Research 提出一个框架，用情境判断测试（SJT）评估 LLM 行为倾向与人类行为的对齐程度，替代直接套用自陈问卷的做法。对 25 个 LLM 的大规模分析发现两类差距：模型倾向偏离人类标注者共识，以及在缺乏共识时无法反映人类意见的多样性。
Google DeepMind 发布 Gemma 4 开源模型系列，采用 Apache 2.0 许可，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，主打推理与智能体工作流。
推荐理由：原文给出了各尺寸的硬件适配与开源许可细节，读者可据此判断本地部署和微调的可行路径。
Google DeepMind 在 Hugging Face 上发布 Gemma 4 多模态模型家族，采用 Apache 2 许可，共五个尺寸（E2B、E4B、12B Unified、31B、26B A4B MoE），均提供 base 与 IT 检查点，支持图像、文本输入，小尺寸与 12B Unified 还支持音频。
推荐理由：原文列出五档尺寸、架构取舍与各基准分数，读者可据此判断端侧与 MoE 方案的实际取舍。
Google Research 发布论文《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》，研究评测中标注条目数 N 与每条标注者数 K 的取舍。
Google Research 发布白皮书，更新了用 Shor 算法破解 ECDLP-256 所需的量子资源估算：两套量子电路分别只需少于 1,200 逻辑量子比特和 90 million Toffoli 门。
推荐理由：原文给出的资源估算降幅和零知识证明披露方式，可帮助读者理解量子威胁的紧迫程度与负责任披露的可行做法。
Google DeepMind 发布由 Gemini 驱动的实验性 AI 指针，提出四条交互原则：保持工作流不被打断、指哪看哪捕捉视觉与语义上下文、用“这个/那个”等自然简写替代冗长提示词、把像素转化为可交互的结构化实体。
Google DeepMind 发布 Gemini 3.1 Flash Live，称其为迄今质量最高的音频与语音模型，精度与延迟均有改善。在 ComplexFuncBench Audio 上取得 90.8%，在 Scale AI 的 Audio MultiChallenge 上开启 thinking 后取得 36.1%。
推荐理由：给出了两项基准分数和面向开发者、企业、普通用户的开放入口，读者可据此判断其在语音智能体场景的可用性。
Google DeepMind 发布关于 AI 有害操纵的研究，称已建立首个经实证验证、可在真实世界测量此类操纵的工具包，并公开了复现人类被试研究所需的全部材料。
推荐理由：研究给出了跨领域实测数据，说明AI操纵能力在不同高风险场景间不可迁移，为针对性评估提供了依据。
Google DeepMind 发布音乐生成模型 Lyria 3 Pro，可生成最长 3 分钟的曲目并具备结构化理解，支持在提示词中指定前奏、主歌、副歌、桥段等元素。
Google Research 宣布推出 Vibe Coding XR 工作流，结合 Gemini 与开源的 XR Blocks 框架，把自然语言直接转化为具备物理感知的 Android XR 应用，60 秒内即可完成。