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。

56条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 21–40 条 · 共 56 条
9月4日周五
  1. Google Research64

    Google Research 联合 HHMI Janelia 发布完整雄性果蝇大脑连接组

    Google Research 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作，在 Cell 发表雄性果蝇大脑和中央神经系统的完整连接组，包含超 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。

    推荐理由：由参与方介绍完整雄性果蝇连接组，读者可了解其规模、AI 重建方法及对后续脑映射研究的用途。

9月3日周四
  1. Google DeepMind72

    Google DeepMind 发布 WeatherNext 3 全球 AI 天气模型

    Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为最先进准确的全球 AI 天气模型。模型直接学习实时卫星数据和气象站观测，逐小时产出最高 5 公里分辨率预报，精度约为 WeatherNext 2 的五倍；中期降水预报 CRPS 相对 IMERG 提升最高 60%。

    推荐理由：官方介绍了新模型的分辨率、逐小时更新和降水精度提升，并说明其在 Google 各产品中的落地方式，读者可评估对天气相关业务的应用价值。

9月2日周三
  1. Google Developers Blog62

    Google 复盘 AI Agents Challenge 最强提交背后的 4 种工程模式

    Google for Startups AI Agents Challenge 评选结束后，官方从高分提交中总结出四种工程模式：双向 MCP、事件驱动并发、同标准降级（Gemini 3.1 Pro 503 时回退 Gemini 3.6 Flash 并共用同一校验函数）、以及模型调用前的分层路由。

    推荐理由：文章从真实参赛代码中提炼四个可复用的工程模式，覆盖工具暴露、并发、降级校验和分层路由，可直接迁移到自己的智能体项目。

  2. Google DeepMind68

    Google DeepMind 为 Gemini 推出 agentic video understanding 视频分析功能

    Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出 agentic video understanding，动态检索视频片段以替代固定帧率处理，token 消耗最多降 88%，成本最多降 66%，准确率最多提升 7%。

    推荐理由：官方给出 token、成本与准确率的具体降幅和开启方式，长视频处理场景下可评估是否切换处理模式。

8月28日周五
8月27日周四
  1. Google DeepMind65

    Google DeepMind 发布语音转写模型 Gemini 3.5 Transcribe

    Google DeepMind 推出语音转文字模型 Gemini 3.5 Transcribe，定位为更精确的实时转写模型，已在 Gemini API（Google AI Studio 和 Gemini Enterprise Agent Platform）开启公开预览。

    推荐理由：官方给出了两个 API 入口、WER 数字和与 Chirp 3 的对比，读者可据此评估其语音转写与语音交互场景的可用性。

8月20日周四
8月17日周一
8月14日周五
8月12日周三
  1. Google DeepMind71

    Google DeepMind 发布手语转文本模型 SL2T，率先在 Pixel 11 的 Gboard 和 Live Transcribe 中支持 ASL

    Google DeepMind 发布多语言手语转文本（SL2T）模型，首次将手语 AI 用于消费产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中支持 ASL 转英文，后续将扩展更多语言和设备。

    推荐理由：官方介绍 SL2T 的技术路径、训练数据和实测限制，读者可以了解手语翻译从实验到消费产品的落地方式。

  2. Google Research62

    Google Research 提出知识剖析框架：召回而非编码是前沿 LLM 事实性的瓶颈

    Google Research 发表研究，提出知识剖析（knowledge profiling）行为框架与 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务），用于区分 LLM 事实错误的编码失败与召回失败。

    推荐理由：研究把事实错误拆分为编码失败与召回失败，指出前沿模型瓶颈在召回而非存储，并量化了 thinking 的恢复作用。

  3. Google Research66

    Google Research 推出 AMIE (Video)：实现实时音视频临床问诊，表现达到专科医生水平

    Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 构建实时视频临床问诊系统，采用 Talker、Planner、Perception 三个并行智能体的异步架构。

    推荐理由：原文给出异步多智能体架构与随机对照实验设计，读者可以据此了解视频问诊 AI 的能力边界和评估方法。

8月6日周四
  1. Google DeepMind83

    Google DeepMind 开源 WeatherNext 气旋预报模型，Nature 论文显示精度领先一天

    Google DeepMind 发表 Nature 论文并开源 WeatherNext 2 与 WeatherNext Cyclones 模型，单模型以 SOTA 精度预测气旋路径、强度和风结构，平均多出 24 小时提前量，相当于约十年气象学进步。

    推荐理由：官方Nature论文和模型开源同时落地，读者可据此了解AI气象预报达到的精度水平并直接获取代码权重。

7月30日周四
  1. Google DeepMind67

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，新增视频理解与多机器人协作

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，可通过连续视频流追踪任务进度、编排多步任务，并支持多机器人协作，将运动执行交给下层 VLA 模型。

    推荐理由：官方公布具身推理模型的能力指标与 API 入口，开发者可以据此评估它在实体机器人任务编排中的可用性。

7月28日周二
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics 2，实现机器人全身智能控制

    Google DeepMind 发布 Gemini Robotics 2 系列模型，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和可本地运行的 Gemini Robotics On-Device 2，实现人形机器人全身控制、精细操作和多机器人协作。

    推荐理由：官方完整说明了三个模型的能力分工、适配速度和安全基准，读者可了解机器人全身体智能的最新进展与获取方式。

7月23日周四
  1. Google Research67

    Google Research 发布 SymptomAI 研究论文，用 Gemini Flash 2.0 Agent 做日常症状评估

    Google Research 发表 SymptomAI 论文，通过 n=13,917 的全国规模随机研究测试基于 Gemini Flash 2.0 的实验性对话 Agent 做症状问诊与鉴别诊断（DDx）。

    推荐理由：原文给出 n=13,917 随机研究的主要结果，临床专家在超五成案例更偏好 SymptomAI 的鉴别诊断，可据此理解对话式问诊 Agent 的真实表现。

7月21日周二