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。
模型发布
全部主题新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
最新精选
第 81–88 条 · 共 88 条Google DeepMind精选AI 评分7878
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 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。