Google DeepMind 推出手语转文本模型 SL2T 并首发登陆 Pixel 11
Google DeepMind 推出手语转文本模型 SL2T，并率先在 Pixel 11 的 Gboard 与 Live Transcribe 中支持美式手语到英语的实时听写输入。
推荐理由：原文展现了从端侧姿态骨骼点直接翻译手语文本的技术路径，为无障碍人机交互和隐私敏感场景的多模态部署提供了可参考范式。
全部AI 动态
全部动态
今日 0 条Google DeepMind精选AI 评分7373
Google DeepMind精选AI 评分7474 Google DeepMind 开源气旋预测 AI 模型 WeatherNext
Google DeepMind 在《Nature》发表研究并开源了 WeatherNext 系列气旋预测 AI 模型，涵盖 WeatherNext 2、WeatherNext Cyclones 以及可在单张 TPU 上运行的 WeatherNext 2-mini 的代码和权重。
推荐理由：该研究打破了气旋路径与强度需分开建模的限制，用单一大模型将预警时效提前整整一天，对气象防灾与极端天气预测具有直接参考价值。
Together AI Blog精选AI 评分7474 Together AI 实测对比 DeepSeek-V4 Flash 与 GPT-5.6 Luna 在 DeepSWE 的编码表现与成本
Together AI 在 113 项 DeepSWE 真实编码任务上实测对比了 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna，结果显示 Luna 准确率更高而 DeepSeek 单任务成本仅为其六分之一。
推荐理由：评测展示了将廉价模型作为前置过滤并在失败时升级旗舰的级联方案，能以更低综合成本获取更高准确率。
InterconnectsAI 评分5050 开源模型制品第23期：Laguna S2.1、Inkling 与 Kimi K3 展现帕累托前沿实用性
Interconnects 发布第23期开源模型观察，指出开源模型研发并未走向此前预期的行业整合，更多机构正持续推出兼顾效率与性能的前沿开源模型。
Google DeepMind精选AI 评分7777 Google DeepMind 发布具身推理模型 Gemini Robotics ER 2
Google DeepMind 推出具身推理模型 Gemini Robotics ER 2，作为高层中枢为机器人提供连续视频理解、任务编排与多机协作能力。该模型支持边执行动作边规划后续步骤，可调度底层 VLA 模型及外部工具，在任务进度分类和关键时刻识别上分别取得 57.4% 与 91.3% 的准确率。
推荐理由：该模型作为高层大脑支持边行动边规划与多机协同，读者可以了解具身智能在任务编排与进度感知上的系统设计。
Google DeepMind精选AI 评分6363 Google DeepMind 推出音乐生成模型 Lyria 3.5 并上线 Google Flow Music
Google DeepMind 正式推出最新音乐生成模型 Lyria 3.5，并于即日起上线 Google Flow Music。该版本提升了旋律结构的自然度与丰富度，增强了歌词生成的结构感知与提示词遵循能力，同时改善了人声情感表现与发音。创作者还可在生成过程中更便捷地调节音乐的节奏与时长。
推荐理由：该模型重点增强了旋律复杂度与人声情感表现，创作者可借此了解其在歌词对齐及节奏控制上的能力演进。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Robotics 2，为机器人提供全身智能控制
Google DeepMind 推出新一代机器人模型系列 Gemini Robotics 2，让机器人具备全身运动控制、高精细操作与多机协作能力。
推荐理由：该系列模型将具身推理、动作控制与端侧适配分层解耦，为机器人长时序多步协作与跨硬件迁移提供了清晰架构。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 及 3.5 Flash Cyber
Google DeepMind 正式推出 Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 以及专攻代码安全的 Gemini 3.5 Flash Cyber，重点提升 AI 智能体工作流的效率与延迟表现。
推荐理由：新模型在提升编码与知识任务表现的同时降低了输出 token 消耗和调用成本，适合评估智能体生产落地开销的开发者参考。
Google DeepMind精选AI 评分6464 Google DeepMind 推出轻量网络安全模型 Gemini 3.5 Flash Cyber
Google DeepMind 推出基于 Gemini 3.5 Flash 微调的轻量网络安全模型 Gemini 3.5 Flash Cyber，专门用于快速高效发现、验证和修补代码漏洞。
推荐理由：轻量安全模型通过多轮低成本调用替代单次大模型，为代码漏洞挖掘的搜索空间瓶颈提供了可行方案。
Together AI Blog精选AI 评分6868 Together AI 首日上线多模态 MoE 模型 Inkling
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 同步在 Serverless 平台提供其推理服务。
推荐理由：新模型通过结合原生多模态输入与可调推理强度，让开发者能在统一接口下根据具体任务平衡延迟与算力开销。
Google DeepMind精选AI 评分7878 Google DeepMind 推出 Nano Banana 2 Lite 图像模型与 Gemini Omni Flash 视频模型
Google DeepMind 推出图像生成模型 Nano Banana 2 Lite 与视频生成编辑模型 Gemini Omni Flash，现已在 Google AI Studio 和 Gemini API 上线。
推荐理由：两款模型分别针对低延迟图像生成与对话式视频编辑，开发者可通过串联工作流实现快速出图并转为视频。
Together AI Blog精选AI 评分6161 Kimi K2.7 Code 对比 Claude Fable 5：落地页生成成本降低 94%
Together AI 测试对比了 Kimi K2.7 Code 与 Claude Fable 5 生成 12 个落地页的效果，结果显示 Kimi 生成成本比 Fable 5 降低约 94%，平均便宜约 16 倍且产出质量接近。
推荐理由：测试展示了借助 MCP 补充多模态视觉参考来弥补开源代码模型设计短板的方案，同时大幅压缩落地页生成的调用成本。
Google DeepMind精选AI 评分8080 Google DeepMind 开源文本扩散模型 DiffusionGemma，文本生成速度最高提升 4 倍
Google DeepMind 推出开源实验性文本扩散模型 DiffusionGemma，基于 Apache 2.0 协议发布，在独立 GPU 上的文本生成速度最高提升 4 倍。
推荐理由：Google 尝试将扩散机制引入文本生成以突破自回归显存带宽瓶颈，为端侧低延迟交互和非线性文本生成提供了工程参考。
Google DeepMind精选AI 评分8181 Google 发布 Gemini 3.5 Live Translate 语音同传模型
Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate，支持 70 多种语言的近实时语音转语音翻译。该模型打破了回合式等待限制，能够流式连续生成并保留说话人的语调与语速，音频内嵌 SynthID 水印。
推荐理由：原文给出了流式同传的具体延迟表现与多端落地渠道，读者可以据此评估实时语音翻译在实际业务中的接入可行性。
Google DeepMind精选AI 评分8383 Google DeepMind 推出 Gemma 4 12B 无编码器统一多模态模型
Google DeepMind 正式推出 Gemma 4 12B 多模态模型，采用无独立编码器的统一架构，原生支持视觉与音频输入直接接入 LLM 主干。该模型在标准基准上的性能接近 26B MoE 模型，内存占用减少超一半，可在具备 16GB 显存或统一内存的笔记本电脑上本地运行。模型采用 Apache 2.0 协议开源，支持通过 Hugging Face、Ollama 和 vLLM 等工具部署。
推荐理由：原文解析了移除视觉和音频编码器的统一架构设计，为端侧设备部署低延迟多模态大模型提供了具体参考。
Google DeepMind精选AI 评分8787 Google DeepMind 发布多模态模型 Gemini Omni
Google DeepMind 推出新一代多模态生成模型 Gemini Omni，并发布该系列的首个模型 Gemini Omni Flash。该模型支持组合图像、音频、视频和文本作为输入来生成视频，并允许用户通过多轮自然语言对话连续编辑动作、角色和场景细节，同时生成内容均嵌入 SynthID 数字水印。
推荐理由：模型结合原生多模态与物理常识推理，支持通过自然语言对话多轮编辑视频，展示了基于世界知识生成连贯动态内容的新路径。
Google DeepMind精选AI 评分6565 WeatherNext 如何协助美国国家飓风中心提前预测飓风梅丽莎登陆牙买加
Google DeepMind 与 Google Research 开发的 AI 气象模型 WeatherNext 协助美国国家飓风中心（NHC），提前 5 天以 80% 的置信度预测出飓风梅丽莎将迅速增强并以 5 级飓风强度登陆牙买加。
推荐理由：文章详细复盘了气象大模型在极端飓风预报中的实测表现，展现了AI预测路径与强度的实际落地价值。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体工作流与编码能力
Google DeepMind 正式推出 Gemini 3.5 系列并上线 Gemini 3.5 Flash，主打复杂长流程智能体工作流与代码执行能力。其在 Terminal-Bench 2.1 达 76.2%、MCP Atlas 达 83.6%，每秒输出 token 速度达到其他前沿模型的 4 倍，且成本不足其一半。
推荐理由：该模型在保持高推理速度的同时强化了长流程智能体与编程表现，为降低复杂自动化任务的调用延迟与成本提供了参考。
Google DeepMindAI 评分5858 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 推出最新音频模型 Gemini 3.1 Flash TTS。该模型引入细粒度音频标签，支持用户精准引导和控制 AI 语音表达，以生成更具表现力的音频。
Google DeepMind精选AI 评分6767 Google DeepMind 发布具身推理模型 Gemini Robotics-ER 1.6
Google DeepMind 推出具身推理模型 Gemini Robotics-ER 1.6，大幅增强了空间定位、多视角理解与任务成功检测能力。该模型可原生调用搜索和 VLA 等工具，并新增结合代码执行的智能体视觉以高精度读取各类工业仪表。目前该模型已通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由：新模型结合视觉推理与代码执行实现了工业仪表读取，为机器人多视角任务规划和成功判定提供了实用参考。
Together AI Blog精选AI 评分6666 新一代状态空间模型 Mamba-3 发布，主打推理效率与多输入多输出机制
Together AI 联合卡内基梅隆大学、普林斯顿大学与 Cartesia AI 推出状态空间模型 Mamba-3，核心转向以推理效率为主要设计目标。新架构引入更具表达力的指数-梯形离散化循环、基于 RoPE 的复数状态跟踪以及多输入多输出（MIMO）机制，同时移除了外部短卷积。
推荐理由：该架构从侧重训练加速转向主推推理效率，通过复数状态与多输入多输出机制在不增加解码延迟的前提下提升模型表现。