公司与模型
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。
47 条精选近 30 天 34 条共收录 172 条
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。
推荐理由：原文提供了新模型在价格减半、基准测试得分及实际生成效果对比上的具体数据，读者可据此评估其性价比与质量权衡。
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。
推荐理由：Google Research 展示了地球 AI 基础模型在公共卫生领域的验证矩阵，通过五个独立案例证明了其嵌入向量能提升疾病预测精度并减少数据滞后。
Google 发布基于 Gemma 4 架构的 EmbeddingGemma 2，这是一个参数量低于 1B 的多模态嵌入模型，将文本、代码、图像、视频和音频映射到统一的 768 维向量空间。
推荐理由：原文给出了模块化加载与维度截断的具体参数，读者可据此评估其在不同硬件限制下的检索性能与存储成本。
Google DeepMind 发布开源权重多模态嵌入模型 EmbeddingGemma 2，原生支持将文本、图像、视频帧和音频映射到统一向量空间。该模型参数量为 740M，专为本地隐私优先应用设计，在 Google Pixel 11 Pro 上运行全模态模型仅需约 567MB 活跃内存。
推荐理由：原文给出了 EmbeddingGemma 2 的端侧部署参数与多模态检索能力，读者可以据此判断其在本地隐私应用中的实际性能表现。
Google Research 宣布推出下一代联邦学习（FL）系统，利用可信执行环境（TEEs）提供完全可验证和可审计的数据匿名化保证。该系统通过密钥管理系统（KMS）、访问策略和公开透明日志 Rekor，确保只有符合策略的服务器端工作负载才能解密和处理加密的训练数据，从而消除了对服务器操作者的信任需求。
推荐理由：Google Research 发布了基于可信执行环境（TEE）的新一代联邦学习系统，通过远程证明和公开透明日志实现端到端可验证的数据匿名化，并在 Gboard 中显著提升了训练速度与隐私保障。
Google DeepMind 正式宣布推出新前沿模型 Gemini 4 Argon，该模型旨在通过深度推理处理复杂的长周期工作流，目前正通过 Fairwind Program 向受信任的网络安全防御者逐步开放。
推荐理由：原文披露了 Gemini 4 Argon 在长上下文、软件工程及网络安全防御上的具体基准数据与分阶段开放策略，为评估前沿模型的实际落地能力提供了关键参考。
Google DeepMind 推出 SynthID Bio，一种专为合成生物学设计的水印技术家族，旨在通过嵌入不可察觉的签名来增强生物安全和科学完整性。该技术能针对序列和3D结构分别调整氨基酸选择或原子坐标，实验证明其在不损害蛋白质生物功能的前提下实现了可靠检测。SynthID Bio 已开源代码并公布方法论文，未来计划扩展至基因组等更复杂的生物对象以应对 AI 驱动的生物设计风险。
推荐理由：Google DeepMind 提出 SynthID Bio，将水印技术引入合成生物学，在保持蛋白质生物功能的同时实现可验证追踪。
Google Research 推出名为 AI video co-director 的统一多智能体框架，旨在解决长视频生成中的语义漂移和级联失败问题。该框架作为 Gemini 和 Veo 之上的编排层，包含 Co-Director、CANVAS、A²RD 和 VQQA 四个核心组件，分别负责创意意图编排、视觉故事板连续性规划、时间动态扩展以及闭环质量优化。
推荐理由：原文提出了基于多智能体框架的长视频生成方案，通过全局优化和世界状态追踪解决视觉漂移问题。
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，将低延迟流式视频与对话 AI 结合，赋予智能体实时视觉存在感。该功能支持异步工具调用以维持对话流畅性，并能在 97 种语言间无缝切换且保持唇形同步。目前已在 Gemini Enterprise 开放，允许企业通过参考图像定制品牌专属化身，所有输出均嵌入 SynthID 水印以确保内容透明可追溯。
推荐理由：原文详述了实时视觉化身在异步工具调用和多语言同步上的技术实现，为企业构建高拟真交互智能体提供了具体路径。
Google Cloud API Gateway 在公开预览中新增功能，允许通过注解现有的 OpenAPI 规范直接将 REST API 暴露为智能体可用的 MCP 工具，无需单独搭建或维护 MCP 服务器。
推荐理由：原文展示了如何通过注解现有 OpenAPI 规范，让 API Gateway 直接充当远程 MCP 服务器，消除了为智能体单独构建和维护 MCP 服务器的需求。
Google团队使用MaxText框架在Google Cloud TPUs上成功复现了Ai2开发的Olmo 3 7B模型的Stage-1预训练和Stage-2中训练。
推荐理由：文章详细记录了在TPU上复现大模型预训练的过程，揭示了仅看训练损失可能掩盖数据加载器Bug的风险，并提供了跨框架验证的具体方法。
Google DeepMind 宣布在 Private AI Compute 平台引入安全的服务器端持久记忆功能，旨在解决跨设备 AI 助手长期连续性与隐私保护的矛盾。该架构利用硬件强制的安全飞地、端到端加密通道及由用户设备派生的密钥，确保云端数据即使被 Google 也无法访问。同时，官方发布了更新的技术白皮书、防篡改的公开软件记录以及独立审计结果，以增强透明度并允许社区验证其隐私保护措施。
推荐理由：原文详述了通过硬件隔离和端到端加密实现云端持久记忆的技术架构，为理解AI隐私保护新方案提供了具体技术细节。
Google DeepMind 推出两款新文本转语音模型：Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。前者支持通过自然语言提示从零创建自定义角色声音并逐行控制表演细节，后者针对高音量、低成本场景优化。这些模型现已在 Google AI Studio、Gemini API 等平台开放使用，并在 Hume AI 基准测试中取得领先成绩。
推荐理由：原文展示了从静态预设到动态创意工作室的转变，提供了自定义角色声音和逐行导演对话的能力，适合评估其在多模态交互中的潜力。
Antigravity SDK 宣布支持本地 AI 模型工作流，初始适配 Gemma 4 26B A4B 及 Google AI Edge LiteRT。该功能允许开发者完全离线构建具备智能体能力的辅助工具，通过本地 GPU 和 RAM 优化执行效率。SDK 同时提供对 Ollama、LM Studio 等 OpenAI 兼容服务器的即插即用支持，并展示了云端规划与本地执行相结合的混合编排模式。
推荐理由：官方展示了本地模型在离线代理工作流中的成本与隐私优势，并提供了混合编排的具体代码示例。
Google Research 推出新研究实验，允许教师通过生成式用户界面（GenUI）创建定制化的交互式教育模拟。该方案结合游戏化设计与教学护栏，已发布包含物理、化学等 STEM 学科的 30 多个示例库，并启动面向 Google Workspace for Education 学校的试点计划。
推荐理由：原文展示了利用生成式 UI 动态构建教育模拟器的技术路径与教师实测反馈，为理解 AI 如何降低互动内容制作门槛提供了具体案例。
Google 宣布与 Speakeasy 合作，将其 OpenAPI 代码生成套件在 AGPLv3 许可下开源，以解决专有 SDK 生成工具停服带来的平台风险。
推荐理由：原文披露了因专有工具停服引发的迁移背景，并详细列出了新开源生成器支持的语言、CLI及MCP服务器能力。
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款最新实时对话模型，旨在提升语音智能体的推理能力与交互流畅度。
推荐理由：原文给出了两款新实时对话模型在智能体任务完成率和多语言切换上的具体基准数据，以及面向开发者与企业的分阶段开放入口。
Google 正式宣布 Agent Development Kit (ADK) for Kotlin 1.0 通用可用性发布。该版本实现了与 ADK 1.0 Core 的功能完全对齐，并引入了针对 Android 和端侧场景的扩展，支持通过 LiteRT-LM、ML Kit 和 Firebase AI Logic 构建混合云工作流。
推荐理由：原文展示了 ADK for Kotlin 1.0 的发布，包含与核心版本的功能对齐及 Android 端侧扩展，为开发者提供了构建生产级 AI 智能体的具体路径。
DeepMind 正式发布 AlphaFold 3，该模型能够预测蛋白质、DNA、RNA 和小分子等生命基本构件的复杂相互作用和结构。这一更新扩展了此前仅针对蛋白质的预测能力，旨在加速药物发现和生物学研究。
推荐理由：官方宣布新工具发布，读者可据此了解 DeepMind 在科学计算领域的最新进展及可用入口。
Google DeepMind 推出 AlphaGenome Atlas，这是一个包含人类基因组中90亿个单核苷酸变异分子效应预测的平台。该平台提供1 PB数据集、AlphaGenome Variant Impact (AVI) 评分及DNA序列motif资源，支持通过网站门户和API免费用于学术研究。外部合作者已利用该工具在罕见病研究和复杂性状关联分析中发现新线索。
推荐理由：原文提供了覆盖全基因组的预测数据平台及免费入口，读者可据此评估其在罕见病与群体遗传学研究中的实际可用性。