#Google

Grok视频模型性价比超Veo 3.1

Grok Imagine Video 1.5 Lite 在 AA-Video-T2V v2.0 上排名超过 Google 的 Veo 3.1，价格约为其三分之一。在带音频的 1080p 分辨率下，Grok Imagine Video 1.5 Lite 每秒成本为 $0.14，而 Veo 3.1 为每秒 $0.40。它在 AA-Video-T2V v2.0 上排名第 17，比 Veo 高两位

Google 开源 ML Drift：面向边缘设备的下一代 GPU AI/ML 推理引擎

Google AI Edge 团队发布并开源了高性能跨平台 GPU 计算引擎 ML Drift，采用 Apache 2.0 许可证。该引擎作为 LiteRT 的核心加速组件，通过张量虚拟化和统一着色器支持 OpenGL ES、OpenCL、Metal 和 WebGPU，解决了边缘设备硬件多样性带来的兼容性与性能瓶颈。

Google 向 Gemini 推出面向企业的智能体功能

Google 宣布为 Gemini 推出统一智能体，初期面向企业用户，支持任务规划、代码生成及跨系统操作。该智能体拥有独立 Workspace 账户和上下文，可连接 Google Workspace、Microsoft 365、Slack 等内部系统及 MCP 服务器，并默认自动选择最佳模型或允许用户指定包括 Anthropic Claude 在内的第三方模型。

Google 发布 AQuA：用于诊断生产环境 Agent 的质量智能体

Google 发布并开源了 AQuA（Ambient Quality Agent），这是一个在 Google Cloud 项目中旁路运行、专门用于诊断生产环境 Agent 故障的质量智能体。

Artificial Analysis 发布模型性能评测分析

Artificial Analysis 发布了针对 AI 模型的性能评测与分析内容。该材料展示了相关模型在基准测试中的具体表现数据，为评估模型能力提供了参考依据。

Google Nano Banana 2.1 发布

Google 的 Nano Banana 2.1 在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 上均排名第 4，价格仅为 Nano Banana 2 的一半。Nano Banana 2.1 是 Google 于 10 月 6 日发布的新图像模型。它基于 Gemini 3.6 Flash，并取代了

DeepLearning.AI 本周 AI 新闻摘要

错过几天 AI 新闻？以下是本周 Data Points 的内容。Google 重返前沿。Gemini 4 Argon 在 Artificial Analysis Intelligence Index 上与 GPT-6 Astra 并列 53 分，每任务成本约为其 60%。欧洲缩小差距。Mistral Large 4，一个

Google 推出面向企业任务的通用 Gemini AI 智能体

Google 在 Gemini at Work 活动上宣布推出一款“通用”Gemini AI 智能体，可在后台跨应用和设备执行工作任务。该工具集成于 Gemini Enterprise 应用中，用户可通过单一界面与其对话并分配任务。

谷歌发布离线 AI 笔记应用 Google AI Edge Foresight

谷歌推出实验性 AI 笔记应用 Google AI Edge Foresight，可在 macOS 上完全离线转录会议和音频文件。该应用基于端侧 EmbeddingGemma 2 模型运行，支持将速记要点转化为润色后的笔记，并内置助手供用户针对转录内容提问或关联本地文件查询。谷歌强调所有文件、音频和笔记均不离开用户设备，目前仅优化适配 Apple Silicon Mac。

谷歌云发布 Gemini Agent，定位“通用工作智能体”

谷歌云在 Gemini at Work 2026 发布会上推出面向企业的 Gemini Agent，定位为“通用工作智能体”。该产品支持 Gemini Enterprise、Workspace 及第三方服务，用户只需给出目标即可让 AI 完成回答问题、处理知识型工作、创建媒体内容及编写程序等任务。

谷歌为 Pixel 手机开发 Face Active Illumination 功能，改善暗光人脸解锁

谷歌正在为 Pixel 系列手机开发“Face Active Illumination”功能，利用屏幕提高亮度照亮人脸以改善暗光环境下的解锁体验。Android 17 QPR3 Beta 1 系统代码显示该功能包含亮度等级控制选项，目前尚未开发完成。此前传闻谷歌正探索红外技术，未来 Pixel 新机可能配备更先进的人脸扫描方案。

Waymo 获 50 亿美元贷款以扩张无人驾驶出租车业务

Waymo 近日宣布获得 50 亿美元贷款，这是其首次进行债务融资。该资金将用于推动无人驾驶出租车扩张，并帮助公司进入美国、欧洲和日本市场。此前 Waymo 主要依靠母公司 Alphabet 及外部投资者提供资金支持。

Google 发布离线 AI 会议记录应用 Google AI Edge Foresight

Google 发布了名为 Google AI Edge Foresight 的 Mac 应用，这是一款完全离线的 AI 会议记录工具，旨在与 Granola 等竞品竞争。

MIT科技评论：AI突破难让人形机器人近期改变生活

MIT Technology Review 分析指出，尽管特斯拉 Optimus 等厂商高调宣传人形机器人前景，但多数研究者认为当前基于语言和图片的 AI 难以应对物理世界的无限变数。

Alphabet 旗下 Isomorphic Labs 寻求以 400~500 亿美元估值融资

Alphabet 旗下 AI 药物研发企业 Isomorphic Labs 正就新一轮融资进行早期谈判，目标估值至少为 400 亿美元，可能达到 500 亿美元。该企业由 Demis Hassabis 领导，今年 5 月曾完成 B 轮融资募集 21 亿美元。目前人工智能在生物制药领域的应用尚属早期阶段，跨越临床试验走向上市仍需努力。

特朗普将向马斯克、黄仁勋等科技高管颁发国家奖章

美国总统特朗普将在周四科学峰会上向马斯克、布林、黄仁勋、苏姿丰授予国家科学奖章，向戴尔、纳德拉授予国家技术与创新奖章。白宫称此举旨在感谢科技领袖贡献并确保美国引领全球创新。此前特朗普曾与科技高管签署关于放缓 AI 模型开发的“具有道德约束力”文件。

Chrome 155 支持解码 JPEG XL，集成 Rust 实现 jxl-rs

谷歌宣布 Chrome 155 浏览器正式支持解码 JPEG XL (.jxl) 图片格式。该格式相比 JPEG 提供 30-50% 压缩率，并支持无损压缩与 HDR。为消除内存安全风险，Chrome 集成了纯 Rust 实现的解码器 jxl-rs，并通过 SIMD 优化维持运行速度。

Google Research 发布专利起草 AI 辅助效果实地实验研究

Google Research 联合 NBER 发表一项为期三个月的实地实验，评估未发布的 Google Labs AI 专利写作助手（现集成于 Gemini Notebook）对 133 名律师的影响。

Google 发布 Developer Knowledge API 生态系统

Google 推出 Developer Knowledge API 生态系统，为 AI 智能体和开发工具提供 Google Cloud、Firebase 和 Android 等官方文档的结构化程序化访问。

Google 开放 SynthID Detector 供公众检测 AI 生成媒体

Google 向公众开放 SynthID Detector，允许任何人检查图像、视频或音频文件是否由 Google 及其合作伙伴的 AI 模型（如 Gemini、Veo、Lyria）创建。

Zuckerberg 旗下 Biohub 牵头 18 亿美元项目构建预测细胞行为的 AI 模型

由 Mark Zuckerberg 和 Priscilla Chan 支持的非营利组织 Biohub 正在协调一项总额 18 亿美元的举措，旨在开发能够预测细胞行为的 AI 模型以加速药物研发。

DeepLearning.AI 解析端到端语音模型如何替代传统语音处理链路

DeepLearning.AI 发布内容解析端到端语音模型的技术原理，指出其通过单一模型直接处理音频输入输出，取代了传统的 ASR、LLM 和 TTS 串联架构。该方式减少了延迟并保留了语调与情感细节，代表了语音交互从模块化向一体化演进的趋势。

Google 推出 Playground 平台让普通用户通过文本创建游戏

Google 发布基于浏览器的 AI 平台 Playground，允许美国成年用户仅通过文本输入创建游戏，无需编程技能。该平台运行于 Gemini、Nano Banana 和 Lyria 模型之上，支持通过对话调整游戏规则、物理效果、角色和环境，并即时测试成果。

Google DeepMind、Meta 与 Isomorphic Labs 联合向 Biohub 投资 3 亿美元

Google DeepMind、Meta 和 AI 药物发现初创公司 Isomorphic Labs 共同向由马克·扎克伯格及其妻子普莉希拉·陈创立的非营利生物医学研究组织 Biohub 投资 3 亿美元。这笔资金属于一项总额 18 亿美元的倡议的一部分，旨在构建 AI 数据集，帮助研究人员以数字方式“提出、预测并回答生物学问题”。

Google Labs 推出 AI 游戏创作平台 Playground

Google Labs 周三推出了名为 Playground 的 AI 驱动游戏创作平台，允许用户通过简单的文本提示构建基于浏览器的游戏，无需编程技能。用户可选择类型、2D/3D 模式及单人或多人体验，并上传视觉素材供 AI 转换为游戏资产。该平台目前仅向美国 18 岁以上用户开放，采用每周 token 系统限制生成次数，未来计划集成 Unity Spark 以增强 3D 能力和专业级游戏机制。

谷歌 Gmail v2026.09.28 曝光 Gemini 智能体自动回邮件功能

谷歌 Gmail v2026.09.28 APK 拆解显示，其正测试由 Gemini 智能体自动回复邮件的功能。用户点击“使用 Gemini”按钮后，AI 可起草回复，但在无法确定操作或发送前需人工确认。该功能目前处于隐藏代码阶段，尚未正式上线。

谷歌芬兰数据中心因环评被勒令停工

芬兰许可与监督局要求谷歌子公司暂停穆奥斯、卡亚尼数据中心建设，直至完成环境影响评估。此前谷歌承诺在芬兰投资150亿美元建设AI基础设施，现被叫停砍伐树木及挖掘作业。谷歌回应称将遵守当地《森林法》并计划在穆奥斯种植覆盖130公顷土地的树木以维持生物多样性。

谷歌携手 Unity 推出 AI 游戏平台 Playground：支持自然语言创作，降低开发门槛

谷歌与 Unity 合作推出实验性 AI 游戏平台 Playground，用户可通过简短提示词创建游戏。该平台采用对话式界面，支持浏览器运行及多设备访问，允许调整物理效果、规则及角色。未来 Playground 将与 Unity Spark 集成，提供更强修改程序与 3D 开发能力。

谷歌 SynthID 面向全球用户开放以检测 AI 生成内容

谷歌宣布其 AI 生成内容检测网站 SynthID 已面向全球用户开放。该工具可用于检测图片、视频或音频是否由 AI 生成。

Google 推出改进版 SynthID AI 内容检测器并向全球开放

Google 宣布其 SynthID 检测器现已支持所有合作伙伴的水印，并通过新网站向全球用户开放。此前外部用户仅能通过询问 Gemini 来检查水印，过程较为繁琐。SynthID 是一种嵌入在 AI 生成图像、视频像素及音频波形中的隐形信号，Gemini 已将其集成到超过 1800 亿张图像和视频以及 24 万年的音频中。

Google 上线 SynthID 网站以识别 AI 生成媒体

Google 周二推出了一个允许任何人验证图像、视频或音频是否由 AI 生成的新网站。该工具此前在 Google I/O 上仅向部分记者和研究人员开放测试，现已面向公众开放。它基于 2023 年推出的 SynthID 技术，支持 JPG、PNG、MP4、WAV 等多种常见媒体格式。

谷歌推出 macOS 应用 AI Edge Foresight，基于 EmbeddingGemma 2 支持离线会议纪要

谷歌发布 macOS 应用 AI Edge Foresight，利用 EmbeddingGemma 2 端侧多模态模型实现完全离线的会议笔记整理与实时问答。该应用兼容 Apple 芯片 Mac，可调用麦克风及系统音频自动润色纪要，用户免费下载使用。

AINews：OpenAI 发布 722 篇数学论文解决 90 个顶级开放问题；Mistral Large 4 与 EmbeddingGemma 2 上线

OpenAI 发布来自未公开内部前沿模型的 722 篇数学手稿，据称解决了前 500 个开放数学问题中的 90 个，包括准黎曼假设等成果，平均每个结果耗时约 3 小时 ChatGPT Pro 思考计算。

EmbeddingGemma 2 采用 Apache 2.0 开源许可

EmbeddingGemma 2 以 Apache 2.0 许可证发布，支持用户自行托管或迁移。该模型适用于需存储大量嵌入向量的场景，避免专有模型停服后重新计算的高昂成本。

Google DeepMind 发布 EmbeddingGemma 2：支持文本图像音频视频的统一端侧多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，这是一个基于 Gemma 4 架构的开源轻量级多模态嵌入模型，拥有 740M 参数并采用 Apache 2.0 许可证。

同一新闻，精选展示《Google 发布 EmbeddingGemma 2：支持多模态检索的轻量级开源嵌入模型》

Google 发布 Nano Banana 2.1 图像模型，价格减半且质量提升

Google 发布用于图像生成和编辑的新模型 Nano Banana 2.1，取代了 2026 年 2 月推出的 Nano Banana 2。该模型基于 Gemini 3.6 Flash，价格较前代降低约一半（1K 图像从 6.70 美分降至 3.36 美分），并在视觉质量、文本渲染和多角色一致性方面有所改进。

Google 发布 EmbeddingGemma 2 开源多模态嵌入模型

Google 发布开源多模态嵌入模型 EmbeddingGemma 2，拥有 740M 参数，声称在多项基准测试中性能超越两倍于其大小的竞品模型。该模型支持文本、图像、视频、音频和代码向量化，在 Massive Text Embedding Benchmark (Code) 上得分为 78.68，较前代提升近 10 分。

苹果与谷歌探讨AI硬件不保存原始数据是否构成“录制”

苹果正开发一款利用AI生成文本描述而不保存视频的智能家庭摄像头，该逻辑类似Apple Watch的Audio Intelligence功能。谷歌高管也提出智能眼镜可仅处理视觉数据而不存储影像的概念。这种技术试图通过不保留原始音视频来规避传统“录制”定义，但引发了关于隐私保护实质有效性的争议。

OpenAI 在欧盟为 ChatGPT 文本添加隐形水印并开放 API 可选功能

OpenAI 推出名为 textGrain 的隐形文本水印技术，将在未来几周内强制应用于欧盟地区的 ChatGPT 和 Codex 用户以符合 EU AI Act 要求，而全球 API 用户可选择启用。

Google Research 发布地球 AI 行星地理空间基础模型用于全球公共卫生

Google Research 推出基于 Population Dynamics Foundation Model (PDFM) 的新范式，利用自监督预训练的位置嵌入增强现有流行病学工作流。