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。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，介绍一个基于 Gemini 的多智能体 AI 系统，可迭代生成、辩论和演化科学假说，并通过新实验工具 Hypothesis Generation 向研究者开放，可在 labs.google/science 注册。
推荐理由：原文详述了多智能体系统的生成、辩论、演化机制和多所实验室的实际应用结果，读者可以据此判断它对科研工作流的可用性。
推荐理由：官方给出跨 Gmail、Photos、搜索与 YouTube 数据生成行程的能力，读者可借此判断个人数据整合的产品边界。
Introducing Pareto Code: a new, free, experimental coding router Set `min_coding_score` in your request and route to the cheapest code-capable model that clears your bar, ranked by @ArtificialAnlys. See the Pareto frontier shifting in real time👇
推荐理由：原文给出按编程分数门槛路由到最便宜模型的做法，读者可据此了解低成本编码模型的选型方式。
Google DeepMind 发布 AlphaEvolve 一周年成果汇总，介绍这款 Gemini 驱动的算法设计智能体在各领域的落地成果。
推荐理由：官方汇总了 AlphaEvolve 一年来在科研、基础设施和商业场景的具体成果与数字，读者可据此评估算法发现型 Agent 的落地范围。
Anthropic 宣布与 SpaceX 达成合作，将使用其 Colossus 1 数据中心的全部算力，本月内获得超过 300 兆瓦、逾 220,000 块 NVIDIA GPU 的新增容量。
推荐理由：Anthropic 列出了 SpaceX 及多家云厂商的算力来源，读者可据此理解其近期上调 Claude 用量上限的算力基础。
Sierra 团队推出 𝜏-voice 基准，将 𝜏-bench 的 278 个客服任务与全双工实时语音、可控真实音频结合，任务、工具和评估器与文本版逐字节一致，语音成绩可与文本 Agent 直接对比。
推荐理由：语音与文本能力可在同一套任务上直接对比，还给出了噪音与口音下各厂商的具体失败模式。
Google Cloud 在 Q1 2026 同比增长 63%，AWS 为 28%、Azure 为 40%，三家云厂商该季度基础设施资本开支合计 1120 亿美元。
推荐理由：文章对比三家云厂商的增速与资本开支，指出自有模型层与芯片的垂直整合是增长分化的重要原因。
Google 宣布在 Google Photos 的 Auto frame 功能中推出新的拍照后视角调整方法，通过 ML 模型理解场景空间布局并用生成式 AI 从新视角重构成像。
推荐理由：原文解释了两阶段 3D 场景重建加生成补全的技术路线，读者可以了解它与传统裁剪编辑的本质差别。
Anthropic 与 Amazon 签署新协议，将获得最高 5 吉瓦（GW）用于训练和部署 Claude 的算力，并在未来十年向 AWS 技术投入超过 1000 亿美元。
推荐理由：协议披露了算力规模、芯片代际与投资金额，可据此判断 Claude 训练与推理基础设施的扩张节奏。
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS，改进可控性、表现力和质量，在 Artificial Analysis TTS 排行榜获得 1,211 Elo 分。
推荐理由：官方介绍新增 audio tags 和多说话人对话能力，还给出 AI Studio 导演式控制与 API 导出的具体用法，便于开发者评估接入。
Google DeepMind 发布 Gemini Robotics-ER 1.6，提升机器人在空间推理、多视角理解、任务规划和成功检测方面的能力，并新增仪表读数功能。
推荐理由：官方给出了与上一代的具体能力对比和仪表读数新用例，读者可据此评估其是否适配现有机器人方案。
Google Research 与 NHS 合作开展 AIMS 研究，在 Nature Cancer 发表两篇论文评估 AI 乳腺癌检测系统。回溯评估覆盖约 115,973 名女性的乳房 X 光检查，AI 灵敏度显著高于原第一人类读者，癌症检出率从每千人 7.54 升至 9.33，并检出原双重读片漏掉的 25% 间期癌。
推荐理由：研究给出了AI作为乳腺癌筛查第二读者的端到端验证数据，包括检出率和人力节省的具体结果与仲裁误判风险。
Google Research 宣布在 Flood Hub 上推出城市山洪预报，借助基于 Gemini 的 Groundsource 方法从新闻报告中提取历史山洪数据，用 LSTM 模型提前 24 小时预测城市山洪风险。
推荐理由：原文给出 Flash Flood 预报的技术路线和与 NWS 的对比指标，读者可以了解 AI 预警如何弥补全球南方的预警缺口。
Google Research 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究，100 名成人在初级保健就诊前与 AMIE 对话采集病史，全程由医生实时监督，未发生一次安全中止。
推荐理由：这是 AMIE 首次在真实门诊流程中开展的前瞻性可行性研究，给出安全性、诊断质量和医患体验的具体数据。
Sayash Kapoor、Arvind Narayanan 与 Stephan Rabanser 等人发布 66 页论文《Towards a Science of AI Agent Reliability》，将智能体可靠性拆解为一致性、鲁棒性、可预测性、安全性四维共 12 项指标。
推荐理由：论文把智能体可靠性拆成12个维度并实测14个模型，显示18个月内准确率大涨而可靠性仅小幅提升。
Arvind Narayanan、Benedikt Ströbl 和 Sayash Kapoor 撰文分析 OpenAI、Anthropic 和 Google Gemini 下一代模型遇阻后的叙事翻转，认为宣布模型扩展已死为时尚早，行业领袖的预测并不可靠。
推荐理由：作者用可核查的证据指出业内叙事反复翻转的成因，并区分能力提升与实际社会影响的薄弱关联。