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 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 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 宣布向 Genesis Mission 承诺投入价值 $40M 的 AI token 与额度（credits），以此加速前沿科学发现。
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 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。
Google DeepMind 与 Isomorphic Labs 联合公布生物韧性方案，过去 12 个月推进了超 15 项合作，通过 AI 防范生物风险并应对疫情威胁。方案聚焦预防、检测与响应三大领域：探索将 SynthID 水印技术用于筛查 AI 生成的生物序列，借助 AlphaEvolve 优化病原体监测，并依托 AlphaFold 与 IsoDDE 药物设计引擎加速疫苗及医疗应对方案研发。
Google DeepMind 联合印度国家转型委员会旗下创新计划推出教学辅助 Web 应用 ATL Saathi，并在 100 所试点学校启动测试。该应用基于 Gemini 3.5 Flash 和 NotebookLM，为 12 个核心课程模块提供内容摘要、AI 图解、测验以及实验项目生成功能。平台目前支持 8 种语言交互，旨在减轻教师行政负担并提升微学习教学效率。
Google DeepMind 宣布与影视制作公司 A24 建立长期研发合作伙伴关系，同时 Google 已对 A24 完成投资。双方将围绕多个项目展开深度合作，让电影创作者直接参与并测试前沿技术，共同开发契合影视创作的全新工作流。初期重点在于弥合前沿 AI 与娱乐创作之间的鸿沟，具体技术产出与里程碑将随合作推进逐步演进。
推荐理由：Google 通过资本与研发双重绑定影视制作方 A24，表明前沿 AI 技术正加速切入专业级内容创作流程与核心制作环节。
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。
Google DeepMind 宣布在 Gemini 3.5 Flash 中原生内置 Computer Use（计算机使用）工具，支持开发者构建跨浏览器、移动端和桌面环境执行操作的 AI 智能体。
推荐理由：原生集成将原先独立的计算机使用模型融入通用主模型，使开发者无需切换模型即可直接构建跨桌面与浏览器环境的自动化智能体。
Google DeepMind 联合英国政府及 Google Cloud，基于 Gemini 共同开发 AI 规划审批原型工具，旨在将房主申请决策时间缩短 50%，助力英国实现到 2029 年新建 150 万套住房的目标。该工具可自动提取数据、预审政策合规性并起草评估报告，在 Barnet 等地试点后计划于 2027 年推向英国所有地方议会，审批官员将全程保留最终决定权。
Google DeepMind 发布内部 AI 控制路线图（AI Control Roadmap）及配套技术报告，提出在模型对齐不完美的前提下通过系统级纵深防御约束高能力智能体。
推荐理由：文章提出即使模型未完全对齐也可通过受信监督与分级拦截构建系统安全，为智能体落地防御提供了具体参考。
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 联合 Schmidt Sciences、Cooperative AI Foundation 与 ARIA 等机构，面向全球研究人员设立高达 $10M 的资助计划，推进多智能体 AI 安全研究。该计划重点资助沙盒与测试床、智能体网络科学、强化智能体基础设施以及监督与控制四大方向，旨在解决大规模智能体跨网络交互时的群体安全风险。
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 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 推出机器人加速器项目 Google DeepMind Accelerator: Robotics，入选了来自欧洲的 15 家早期初创公司。入选企业将在 3 个月内获得 Google 专家的密集指导，并直接使用其 AI 技术栈及 Gemini 机器人模型。该项目涵盖制造、医疗和高级导航等具身智能领域，助力团队将前沿 AI 研究转化为现实物理应用。
Google DeepMind 公布了一项在塞拉利昂进行的预注册对照试验结果，基于 LearnLM 开发的 Guided Learning 在 8 周内帮助学生数学成绩提升 0.258 个标准差，相当于 1.2 至 1.7 年的学习进度。
推荐理由：该研究展示了启发式提问对学生概念理解的量化提升，为评估 AI 辅助教学的真实成效提供了实证参考。
Google DeepMind 在亚太地区启动首期聚焦“AI for the Planet”的加速器计划，助力创新者应对环境风险。该为期 3 个月的项目面向初创公司、研究团队及非营利组织，入选团队将获 Google AI 专家指导，协助将前沿 AI 及科学 AI 模型整合至自然、气候、农业和能源项目中。项目将以在新加坡举行的线下训练营启动，现已开放注册。
Google DeepMind 介绍了其 Co-Scientist 系统在逆转细胞衰老研究中的实际应用，该系统成功提出可验证的细胞年轻化遗传因子，并将后续数据分析周期大幅缩短。合作实验室借助 Co-Scientist 检索数万篇文献并提出 20 多个候选遗传因子，实验测试已验证了部分假设能促使细胞恢复年轻态；同时在筛选数据与文献的关联分析中，该系统将原本需要长达 6 个月的工作缩减至数天。
Google DeepMind 宣布在实验原型 Project Genie 中引入 Google 街景锚定能力，支持基于真实地理图像生成可交互的虚拟环境，并逐步向全球 Google AI Ultra 订阅用户开放。用户可以在美国地图上选点并搭配特定艺术风格与角色提示词生成对应世界，为智能体与机器人导航交互提供仿真支持。该街景生成能力目前支持美国境内地点，未来将逐步扩展至更多地区。
推荐理由：原文展示了世界模型结合真实地理街景生成交互环境的具体方式，为智能体与机器人仿真训练提供了现实落地的参考路径。
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 宣布推出 Gemini for Science，包含 Google Labs 上的三款实验工具以及 Google Antigravity 上的 Science Skills 技能包。
推荐理由：原文系统梳理了将通用智能体引入科研全流程的具体工具组合，读者可以据此了解前沿 AI 辅助科研范式的工程落地方式。
Google 宣布在 Search、Gemini、Chrome、Pixel 与 Cloud 中全面扩展内容透明度和验证工具，支持检测生成式 AI 标记与相机拍摄真实性。
推荐理由：Google 将水印与溯源凭证验证打通至搜索和终端设备，展示了多模态生成内容跨平台鉴伪的落地路径。
近期开源大语言模型架构重点针对长上下文效率进行优化，以降低推理模型与智能体场景下的 KV cache 显存占用和计算瓶颈。代表性设计包括 Gemma 4 的跨层 KV 共享与逐层嵌入、Laguna XS.2 的逐层注意力预算分配、ZAYA1-8B 的压缩卷积注意力，以及 DeepSeek V4 的 mHC 与压缩注意力。
Google DeepMind 宣布与新加坡深化国家级 AI 合作，预计到 2040 年通过加速研发可创造 33 亿新元（约 25 亿美元）经济价值。合作涵盖医疗、科研与教育等领域，包括应用 AlphaFold 预防大流行病、基于 Gemma 空间推理能力开发视障跑者助手，以及向当地小学至初级学院全体教师提供 Gemini for Education。
剑桥大学研究团队正利用 Google DeepMind 的 Co-Scientist 寻找病原体跨物种传播致病的分子开关，借助该系统生成并排序高潜力科学假设。系统成功帮助科研人员精准锁定候选蛋白质及具体的氨基酸突变，使原本通常需要 2 至 3 年的靶点识别工作有望在 6 个月内完成。
Calico Life Sciences 借助 Co-Scientist 整合衰老生物学零散数据并提出科研假设，成功在整合应激反应（ISR）研究中取得新进展。团队利用 Co-Scientist 提出了代谢调控 ISR 的全新假说，并通过持续交互优化了假说验证的实验设计。相关实验已得出对健康与疾病机制具有重要意义的新发现，研究团队正计划发表该成果。
爱丁堡大学研究人员利用 Google DeepMind 的 Co-Scientist 系统，针对代谢功能障碍相关脂肪性肝炎（MASH）提出了关键分子机制假设并完成实验验证。该系统综合了肝脏生物学与药理学文献，指出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，解释了已获批药物 resmetirom 适用患者受限的原因，为应对药物配对筛选的组合爆炸难题及开发靶向双重疗法提供了线索。
推荐理由：原文展示了科研智能体通过跨学科文献综合提出分子机制假设并获实验验证的实例，为解决药物组合筛选难题提供了参考路径。
MIT 与波士顿儿童医院的研究人员借助 Co-Scientist 展开跨学科合作，共同探索渐冻症（ALS）的新型 RNA 机制与潜在药物。Co-Scientist 压缩了梳理海量矛盾文献的时间，协助研究人员提出可检验的假设并权衡实验可行性与风险。系统指出的细胞表面关键线索，促成了活体组织工程与 RNA 化学生物学工具的联合应用。
斯坦福大学团队发表在《Advanced Science》的研究显示，利用 DeepMind 的 Co-Scientist 成功从现有药物中筛选出了可治疗肝纤维化的老药新用候选方案。
推荐理由：实验直接对比了人类专家与 AI 在药物筛选上的表现，为大模型在老药新用和生物医学文献挖掘中的应用提供了实测参考。
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 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 DeepMind 在《Nature》发表最新研究，推出基于 Gemini 的多智能体 AI 系统 Co-Scientist，用于在生命科学等领域自主生成、辩论和演化科学假设。
推荐理由：该研究展示了多智能体辩论与演化机制在科研假设生成中的可行性，为大模型辅助复杂前沿科学发现提供了落地架构。
Google DeepMind 总结了其由 Gemini 驱动的算法设计编码智能体 AlphaEvolve 在推出一年来的跨领域落地成果。在科学与硬件领域，该系统不仅协助数学家探索未解问题并将 Willow 量子芯片模拟误差降至基准的十分之一，还直接为下一代 TPU 芯片设计了更高效的底层硬件电路，同时将 Google Spanner 的写入放大减少了 20%。
推荐理由：文章梳理了编码智能体深入硬件架构设计与跨学科科学计算的具体案例，展示了 AI 算法设计工具在工业基建中的实践路径。
Google DeepMind 宣布启动 AI co-clinician（AI 协同医生）研究计划，探索在医生监督下协助患者就诊的“三元护理”模式。该系统基于 Gemini 与 Project Astra 构建，具备实时音视频多模态交互能力，并采用 Planner 模块监督 Talker 模块的双智能体安全架构。
推荐理由：该研究展示了具备音视频实时交互与双智能体安全架构的医疗辅助系统，为探索AI在医生监督下参与问诊提供了评测基准与架构参考。
Google DeepMind 宣布与韩国科学技术信息通信部（MSIT）建立战略合作，将在首尔设立 AI Campus 以推动前沿 AI 在科研领域的应用。合作将向首尔大学、KAIST 等韩国科研机构开放 AlphaFold、AlphaGenome、AlphaEvolve 等 AI for Science 模型，并联合韩国 AI 安全研究所开展安全研究与人才培养。
Google DeepMind 提出分布式训练架构 Decoupled DiLoCo，通过异步计算孤岛实现低带宽、高容错的跨数据中心大语言模型训练。团队在跨美国 4 个区域、仅 2-5 Gbps 广域网带宽下成功预训练 12B 参数模型，速度比传统同步方法快 20 倍以上，并在 Gemma 4 测试中保持了同等基准性能。
Google DeepMind 宣布与埃森哲、贝恩、BCG、德勤和麦肯锡达成合作，加速前沿技术落地并推动企业级智能体转型。合作将围绕构建行业定制 AI 方案、提前获取包括 Gemini 家族在内的前沿模型访问权限，以及对接 AI 领导层三大支柱展开，重点覆盖金融、制造、零售和文娱等领域。