跳到正文

Google / Gemini

Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。

90条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 61–80 条 · 共 90 条
8月27日周四
8月20日周四
  1. Google AI Blog63

    Google 搜索推出 5 项 AI 学习新功能

    Google 在 Google 搜索中推出 5 项面向学习与备考的 AI 新功能，涵盖生成式交互界面、测验生成与笔记整合。用户可在 AI Mode 中调用 Generative UI 生成交互式模拟图表，并免费获取涵盖 SAT、GRE 等标准化考试的定制练习测验。

    推荐理由：Google 将生成式界面、模拟题测验和 Gemini Notebook 深度融入搜索，展示了搜索产品从检索信息转向端到端学习辅助的具体路径。

8月14日周五
  1. Google DeepMind83

    Google DeepMind 推出 Gemini 3.7 Flash

    Google DeepMind 正式推出 Gemini 3.7 Flash，主打编程与智能体任务，首发调用价格较 3.6 Flash 降至每 100 万输入 token 0.75 美元、输出 3.75 美元。

    推荐理由：该版本在编程与复杂工作流基准上大幅超过前代，并将调用价格降低一半，有助于开发者低成本扩展智能体应用。

8月12日周三
8月6日周四
  1. Google DeepMind74

    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。

7月30日周四
  1. Google DeepMind77

    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。

  2. Google DeepMind63

    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。

7月28日周二
7月21日周二
  1. Google DeepMind82

    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。

7月17日周五
7月3日周五
  1. Google DeepMind60

    Google DeepMind 与 A24 建立研究合作关系，Google 同步对其投资

    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。

7月1日周三
6月25日周四
  1. Google DeepMind77

    Google DeepMind 在 Gemini 3.5 Flash 中内置 Computer Use 功能

    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。

6月16日周二
6月11日周四
6月9日周二
  1. Google DeepMind81

    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。

  2. Google DeepMind83

    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。

6月8日周一
  1. Google DeepMind68

    Google DeepMind 评估 AI 教学在塞拉利昂及其他地区的影响

    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。

5月18日周一
  1. Google DeepMind73

    Google DeepMind 结合街景数据升级 Project Genie：支持生成真实世界交互环境

    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。

  2. Google DeepMind87

    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。