Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,首发价每百万 input token 2 美元、output token 10 美元,缓存 input 降价 95%。
推荐理由:官方给出 Argon 的定价、1M token 窗口和多项落地案例,读者可据此判断其在长程编码与科研任务上的定位。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,首发价每百万 input token 2 美元、output token 10 美元,缓存 input 降价 95%。
推荐理由:官方给出 Argon 的定价、1M token 窗口和多项落地案例,读者可据此判断其在长程编码与科研任务上的定位。
Google DeepMind 开始广泛推送 Gemini 4 Argon,同时扩大 Fairwind Program 的可信网络防御者范围。该模型在模拟网络攻击测试中解出全部 12 个端到端场景,上一代仅解出 5 个;在 Gray Swan 的间接提示注入(IPI)基准上,15 次自适应尝试的攻击成功率降至 0.7%。
推荐理由:官方公开了 Argon 在高危能力上的测试数字与三层实时防护机制,可据此了解前沿模型安全部署的具体做法。
Google DeepMind 与新加坡政府科技局(GovTech Singapore)合作,基于轻量级 Gemma 模型在本地诈骗对话数据上微调出一个端侧反诈骗检测模型。该模型完全在设备本地运行,新加坡政府和 Google 均无法访问用户对话,并通过"轻量分类器初筛 + Gemma 上下文分析"两阶段流程触发实时警告。模型在新加坡国际网络周(SICW 2026)上展示,将分阶段在应用中推出。
NVIDIA 宣布对 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创公司进行新投资,此前已投资 Basecamp Research、Synthesia、Wayve 等,并承诺五年 2.5 亿美元算力投入英国智能体安全与安保研究。
在 OCP Global Summit 上,NVIDIA 通过开放的 MGX 架构向 OCP 贡献了 Vera Rubin 机架和计算托盘设计,为系统构建者提供开发下一代 AI 工厂基础设施的通用基础。
Google DeepMind 发布 EmbeddingGemma 2,把文本、图像、音频、视频统一映射到同一嵌入空间,基于 Gemma 4 架构,参数 740M,采用 Apache 2.0 许可,面向端侧推理。
推荐理由:官方给出参数量、模块化设计与存储压缩细节,读者可据此判断端侧多模态检索的落地成本。
MIT 博士生 JS Tan 与前 Kickstarter 组织者 Clarissa Redwine 出版《Against Tech Oligarchy》,记录过去十年科技业劳工运动的兴起与退潮。
MIT CSAIL 联合 Google 和东北大学推出 InstructMesh,把 3D 生成系统 TRELLIS 与 GPT-4 结合,用户可用自然语言点选并修改 AI 生成的 3D 模型后再打印。
Google DeepMind 宣布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络防御者开放,随后逐步扩展至开发者、企业和消费者。
推荐理由:官方披露了 Gemini 4 Argon 的能力、基准与分阶段开放方式,读者可据此判断前沿模型在企业工作流和网络防御中的落地节奏。
MIT Transit Lab 获得 Google.org 210 万美元资助,用于开发 Public Transit Intelligence Hub(PTIQ),将公交机构的实时监控、运营控制和乘客沟通系统整合为单一 AI 编排平台。
Google DeepMind 推出 SynthID Bio,把水印技术带入合成生物学,在生物代码中嵌入不可感知的签名,使其不仅能在数字模型上、也能在合成出的实体蛋白质上被验证,同时保持其生物功能。
推荐理由:SynthID 首次延伸到合成生物学,给出可验证的生物水印路径和生物安全落地场景。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,让企业智能体可以边听边看边说。
推荐理由:官方说明了实时视频形象与异步工具调用的组合方式,可据此判断企业客服等场景的交互形态变化。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 公开 2800 多种病毒的蛋白复合物预测 3D 结构,供任何科学家免费使用。
推荐理由:NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒的蛋白复合物预测结构,读者可了解数据集规模与可复用的推理流程。
Remedy Entertainment 的 CONTROL Resonant 首发即登陆 GeForce NOW,Ultimate 会员可以 GeForce RTX 5080 级云端性能串流,支持 DLSS 4、光线追踪和最高 5K HDR,无需 100GB 本地安装。
Google Private AI Compute 团队公布为 Private AI Compute 平台带来云端持久记忆的技术方案,通过硬件安全飞地、端到端加密通道和以设备派生密钥加密的每用户数据库,让跨设备 AI 记忆在服务端保持与端侧处理同等的隐私标准,此前该平台为无状态、任务结束即清除上下文。
推荐理由:Google 公开了云端持久记忆如何用安全飞地与设备端密钥实现跨设备隐私,可看架构取舍与验证方式。
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音生成模型,前者面向角色设计与逐行表演指导,后者面向高并发、低成本配音场景。
推荐理由:两个 TTS 模型把语音生成从固定预设转向自然语言定制,并给出 Hume AI 基准成绩与开放入口,便于判断创作与规模化配音的能力边界。
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking,前者主打规模化与成本效率,后者面向高复杂度任务,支持边推理边说话。
推荐理由:官方给出两款语音模型的基准分数、价格定位与开放渠道,可据此判断语音智能体的选型与部署时机。
Google DeepMind 推出 AlphaGenome Atlas,一个包含人类基因组约 90 亿个单核苷酸变异效应预测的平台,以 1-petabyte 数据集预计算 AlphaGenome 的预测结果。
推荐理由:AlphaGenome Atlas 把全基因组 90 亿个单碱基变异的预测预计算成可检索平台,读者可据此了解变异解读资源的规模与开放方式。
Google DeepMind 与 Google Research 发布 WeatherNext 3 全球天气模型,直接学习实时对地静止卫星观测数据,每小时输出一次预报,温度等关键地表变量分辨率达 5 公里,较上一代 WeatherNext 2 的 25 公里、6 小时更新提升约 5 倍。
推荐理由:官方披露了分辨率、更新频率与训练数据来源的变化,可对比上一代判断天气模型精度提升的路径。
Google DeepMind 发布 Gemini 3.8,包含两个变体:Gemini 3.8 Flash 面向软件工程、智能体任务和多步推理,定价与 3.7 Flash 相同,为每百万输入 token $0.75、输出 token $3.75;Gemini 3.8 Flash Cyber 面向漏洞检测与自动修补,通过新的 Fairwind Program 向受信任防御方开放。
推荐理由:官方给出 3.8 Flash 与 Cyber 两个变体的定价、基准表现和开放入口,便于对照 3.7 判断升级幅度。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能,通过动态检索帧、音频和转录文本,将 token 消耗降低最多 88%、分析成本降低最多 66%、准确率提升最多 7%。
推荐理由:Gemini 新功能给出 token 与成本下降幅度及启用方式,读者可据此评估长视频分析流程的改动空间。
Google DeepMind 发布 Gemini Omni 1.1 Flash,面向开发者提供更可控的生成视频能力,通过 Gemini API 在 Google AI Studio 等平台开放。
推荐理由:原文列出场景延展、首尾帧指定、4K 放大等具体能力与开放入口,可据此评估生成视频在开发流程中的可控性。
Google DeepMind 与新加坡 AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作,对一款 Gemini Flash Lite 模型开展全球首个针对专有前沿模型的双盲评测,将外部评测限制在密码学保护的“盒子”中,防止评测题目被模型用于提前优化。
Google DeepMind 发布 Gemini 3.5 Transcribe,一款面向实时转写的语音转文字模型,已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放公开预览。
推荐理由:官方给出 WER、延迟提升和两套 API 入口,读者可据此判断语音转写能否接入现有工程链路。
Google DeepMind 回顾 15 年游戏 AI 研究历程,从 DQN 玩转 49 款 Atari 游戏,到 AlphaGo、AlphaZero、MuZero、AlphaStar,再到由 Gemini 驱动的通用智能体 SIMA 2。
Google DeepMind 发布 Gemini 3.7 Flash,称其为面向编码和智能体最智能的主力模型,距 Gemini 3.6 Flash 仅三周,首发价为 3.6 Flash 每百万 token 成本的一半,即 $0.75/1M 输入 token、$3.75/1M 输出 token,优惠持续到年底。
推荐理由:相较 3.6 Flash 的编码与知识工作基准提升和限时半价定价,是判断其性价比的直接依据。
Google DeepMind 发布多语种手语转文本模型 SL2T,并在 Pixel 11 的 Gboard 与 Live Transcribe 中以 ASL 转英文的听写功能首次进入消费产品,训练数据超 10 万小时、覆盖 50 多种手语。
推荐理由:官方给出了 SL2T 的数据规模、基准成绩和隐私处理方式,可据此判断手语翻译在消费端落地的可行边界。
Google DeepMind 在 Nature 发表论文,称 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA,平均比分先模型多出超过一整天的预警提前量,三天预报精度相当于过去两天。
推荐理由:原文给出气旋路径与强度预报的量化领先幅度,以及模型权重开源的具体范围,读者可据此判断气象预报的 AI 替代空间。
Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2,作为高层“大脑”负责对话、理解物理世界并规划多步任务,再把电机执行交给底层 VLA 模型。
推荐理由:Gemini Robotics ER 2 给出了多机器人协作与视频进度追踪的能力细节和开发者接入方式。
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5,并在 Google Flow Music 中上线。官方称其在音乐性、歌词、人声和创作控制上有提升,包括更复杂自然的主旋律结构、提示词遵循与结构感知更好的歌词、更具情感细节和发音更准的人声,以及更易控制输出tempo和时长。
推荐理由:官方给出 Lyria 3.5 在旋律、歌词、人声与节奏控制上的具体升级点,可据此判断音乐生成的可用边界。
Google DeepMind 发布 Gemini Robotics 2,通过 VLA 模型、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2 三个模型,实现人形机器人全身控制、灵巧操作与多机器人协作。
推荐理由:原文给出三个模型的职责分工与开放入口,读者可据此判断机器人智能层在全身控制与本地部署上的实际进展。
Google 承诺向 Genesis Mission 提供价值 4000 万美元的 AI tokens 和额度,用于加速科学发现前沿。该承诺以 AI 算力资源形式投入,具体支持方式与参与机构未在原文披露。
Google DeepMind 发布三款 Gemini 新模型:3.6 Flash 主打编码与知识工作,在 Artificial Analysis Index 上输出 token 用量比 3.5 Flash 减少 17%。
推荐理由:三款 Flash 新模型同时给出 token 效率、价格与基准对比,可据此判断智能体工作流的成本变化。
Google DeepMind 发布 Gemini 3.5 Flash Cyber,一个基于 3.5 Flash、针对漏洞发现与修补微调的轻量网络安全模型,称其在相关任务上优于主线 Flash。
推荐理由:轻量网络安全模型通过多次调用代替昂贵大模型,给出 CyberGym 与 Chrome 流水线上的可验证对比。
Google DeepMind 与 Isomorphic Labs 公布联合生物韧性方案,从预防、检测、响应三方面推进:对 Gemini 等模型执行威胁建模、评估、缓解与监控四步安全流程,并尝试将 SynthID 水印技术用于生物学以筛查 AI 生成的 DNA 序列。
Google DeepMind 在印度启动 ATL Saathi 试点,这款由 Gemini 驱动的 Web 应用为 Tinkering Lab 教师提供 24/7 备课与培训助理。
Google DeepMind 与 A24 宣布达成首个研究型合作伙伴关系,双方将围绕多个项目展开深度研发协作,让 A24 及旗下电影人参与塑造新技术。Google 同时对 A24 进行了投资。
Hugging Face 与 Cerebras 展示了基于 Gemma 4 的实时语音到语音管线,采用模块化的开源架构。流程为 Nvidia 的 Parakeet 做语音识别,Gemma 4 VLM 在 Cerebras 上推理,再由阿里 Qwen3TTS 做文本转语音。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
推荐理由:两款模型给出明确的延迟、单价与可用入口,读者可据此判断图像与视频生成流水线的成本变化。
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具,开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能在浏览器、移动端和桌面环境中看、推理并采取行动的智能体。
推荐理由:原文说明了 computer use 从独立模型并入主力 Flash 模型,并给出企业可用入口和两个安全防护机制。