Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate,可自动检测 70 多种语言,近乎实时地生成保留说话者语调、节奏和音高的语音到语音翻译。
推荐理由:Google Meet 的语音翻译语言从 5 种扩展到 70 多种,可由此观察实时同传在会议场景的落地进展。
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate,可自动检测 70 多种语言,近乎实时地生成保留说话者语调、节奏和音高的语音到语音翻译。
推荐理由:Google Meet 的语音翻译语言从 5 种扩展到 70 多种,可由此观察实时同传在会议场景的落地进展。
Google DeepMind 发布 Gemma 4 12B,一款面向笔记本电脑的智能体多模态模型,视觉与音频输入直接进入 LLM 主干、不再依赖独立编码器,并配备 Multi-Token Prediction 草稿器以降低延迟。
推荐理由:原文给出无编码器多模态架构的实现细节,读者可比对它与 26B MoE 在内存占用上的取舍。
Google DeepMind 推出为期三个月的机器人加速器项目 Accelerator: Robotics,从欧洲遴选 15 家早期机器人初创公司加入。入选公司将获得 Google DeepMind 与 Google 的技术指导、产品建议,并可接入其 AI stack 和 Gemini robotics 模型。项目本周在伦敦启动,入选企业覆盖物流、制造、医疗、气候与导航等具身智能方向。
Google DeepMind 公布在塞拉利昂开展的 Guided Learning 预注册试验结果,8周内使用该工具的学生数学成绩比对照组提升 0.258 个标准差,约相当于 1.2 至 1.7 年的常规学习进度。
推荐理由:原文给出8周预注册试验的分数提升幅度和学生提问行为变化,可用来对比AI辅导中引导式教学与直接给答案两种路径。
Google 在 Gemini Enterprise Agent Platform 推出 Agentic RAG 公测版,新增 Sufficient Context Agent 判断上下文是否充分并驱动迭代检索。
Google Research 在 Nature 发表 PHRM 系统,通过手机前置摄像头在日常使用中被动监测心率,单次心率 MAPE < 10%、日均静息心率 MAE < 5 bpm。系统基于 35 万段视频、约 700 名不同肤色受试者训练,是迄今最大规模的 rPPG 研究,并公开 PHRM-mini 预训练模型与数据集供研究者申请。
Google Research 在 GitHub 开源水文建模框架,供各国气象水文部门(NMHS)在自有数据上训练和部署 AI 洪水预报模型。该框架基于 PyTorch 与 LSTM 架构,支持使用开源 Caravan 数据集训练;新版模型将已勘测流域的可预报时长延长 6 天、未勘测流域延长 1 天。
Google Research 汇总了 I/O 2026 上发布的科研、医疗、端侧和开发者工具进展。
Google Research 提出基于零信任聚合的端侧 AI 隐私分析方案,将新型单轮加密聚合协议与 TEE 硬件隔离结合,构建多层防御架构。该协议只需设备发送一次加密消息即可完成安全聚合,无需多轮在线交互;即使 TEE 隔离失效,加密层仍保证个体原始数据不可还原,仅匿名聚合结果对 Google 可见。
Google DeepMind 在亚太区推出首个“AI for the Planet”加速器计划,为期三个月,面向初创公司、研究团队和非营利组织。入选机构将获得专家指导与定制支持,并把 Google AI 团队的前沿 AI 与科学 AI 模型集成进项目或产品,覆盖自然、气候、农业、能源等领域。计划以新加坡线下训练营启动,现已开放意向登记。
Google 在 Nature 发表 ERA(Empirical Research Assistance)相关论文,并宣布基于 ERA 与 AlphaEvolve 构建的 Computational Discovery 工具开始逐步开放访问。
Google DeepMind 的 Co-Scientist 被用于衰老研究,帮助实验室生成逆转细胞衰老的候选基因线索,并加速筛选数据分析。研究团队让它检索文献时,它扫描了数万篇论文并提出 20 多个新的候选基因因子,实验室验证了其中几个能把细胞推向更年轻、整体功能更好的状态。此外,原本可能需要长达六个月的筛选数据分析工作,借助 Co-Scientist 缩短到几天。
推荐理由:原文记录了 Co-Scientist 在衰老研究中的两处具体用法,并给出实验验证与耗时对比,读者可了解 AI 如何介入生物发现流程。
Import AI 第 457 期涉及疑似 Stuxnet 前身的 fast16.sys 病毒——它在 20 多年前就专门篡改 LS-DYNA、PKPM 等高精度科学计算软件。
Google DeepMind 为 Project Genie 上线 Street View 真实影像 grounding 能力,可选择美国境内真实地点并搭配风格生成可交互世界。
Google DeepMind 发布 Gemini Omni 模型家族,首个模型 Gemini Omni Flash 开始在 Gemini 应用、Google Flow 和 YouTube Shorts 上线。
推荐理由:官方列出了 Omni Flash 的多模态输入与对话式视频编辑能力,可据此判断它对现有视频创作流程的影响。
Google 发布 Gemini for Science,在 Google Labs 开放三个科研实验工具。三个原型基于 Co-Scientist、AlphaEvolve 与 ERA、NotebookLM。Science Skills 集成 30 多个生命科学数据库,可在 Google Antigravity 使用。
Google 将 SynthID 与 C2PA Content Credentials 校验扩展到 Search、Gemini、Chrome、Pixel 和 Cloud,并在 Google Cloud 的 Gemini Enterprise Agent Platform 上线 AI Content Detection API。
推荐理由:Google 把 SynthID、C2PA 校验与 Cloud 检测 API 一并铺到搜索和浏览器,可据此判断 AI 内容溯源工具的落地范围。
Google DeepMind 宣布与新加坡政府达成国家级 AI 合作,在新加坡启动多个项目,覆盖医疗与生命科学、教育、科研和气候等方向。
剑桥大学教授 Clare Bryant 用 Co-Scientist 寻找病原体从动物传给人类时引发脓毒症等重症的分子开关,该工具生成并排序假设,其中一条指向她此前未关注的蛋白。多轮输入数据后,假设从候选蛋白细化到具体氨基酸,团队正构建含氨基酸突变的细胞系验证;原本需 2-3 年的实验工作有望在 6 个月内完成。
Calico Life Sciences 正用 Co-Scientist 梳理分散的衰老生物学发现,并将其转化为值得检验的假设。团队借助 Co-Scientist 就整合应激反应(ISR)如何受代谢调控生成了一条新假设,还用它细化实验设计、随结果补充新信息。实验已带来对 ISR 在健康与疾病中作用有重要意义的新发现,团队计划发表结果。
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究代谢功能障碍相关脂肪性肝炎(MASH),由其综合肝脏生物学与药理学证据、锁定值得关注的机制并筛选候选联合疗法。针对 resmetirom 仅对少数合格患者有效的实际问题,Co-Scientist 提出 NLRP3 炎症小体是耦合炎症与代谢的分子桥梁这一假设,该假设后经实验验证,或为靶向双重疗法铺路。
MIT 的 Ritu Raman 与波士顿儿童医院的 Ryan Flynn 借 Co-Scientist 打通活体神经肌肉组织建模与细胞表面 RNA 图谱两套工具,联手探索 ALS 新疗法。
斯坦福大学医学院的 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 从已有药物文献中寻找可重定向治疗肝纤维化的候选药物,研究结果发表于 Advanced Science。
推荐理由:人工挑选的候选药物在活体肝细胞实验中全部无效,Co-Scientist 提出的三个候选中有两个抑制纤维化,构成一组直观对比。
Google DeepMind 与 Google Research 的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加,当时置信度 80%,三天前升至接近 100%。
推荐理由:借飓风 Melissa 登陆牙买加的实例,说明 AI 天气模型如何同时预测路径与强度,并给出五天提前量的决策意义。
Google DeepMind 发布 Gemini 3.5 模型系列,首发 Gemini 3.5 Flash,今日起在 Gemini app 和 Google Search 的 AI Mode 面向所有人开放,开发者可通过 Google Antigravity、Google AI Studio 中的 Gemini API 和 Android Studio 使用。
推荐理由:文章列出 3.5 Flash 与其他前沿模型的基准对比和速度差异,可用于评估智能体与编码场景下延迟和成本的取舍。
Google DeepMind 发布 Co-Scientist 多智能体科研系统,相关研究已在 Nature 发表,系统由基于 Gemini 的多类智能体组成。
推荐理由:原文拆解了生成、辩论、进化三阶段的多智能体分工,可看到科学假设如何被迭代筛选与排序。
Google DeepMind 总结 AlphaEvolve 一年成果:这一 Gemini 驱动的编码智能体已在基因组、电网、量子计算和 TPU 设计中产生量化改进,并通过 Google Cloud 服务企业客户。
推荐理由:原文汇总了 AlphaEvolve 在基因组、电网、量子与 TPU 设计中的量化改进,可据此了解算法发现智能体的落地范围。
Google Research 阐述其开放科学理念,通过与全球科研机构合作发布开源工具与数据集,已赋能超 25 万名研究人员。
Google DeepMind 宣布启动 AI co-clinician 研究计划,探索 AI 智能体在医生监督下作为诊疗团队成员与患者互动。在 98 个真实初级保健问题的盲评中,该系统在 97 个问题上零关键错误;在 140 项问诊技能评估中,有 68 项达到或超过初级保健医生水平。
Google DeepMind 宣布与韩国科学与信息通信技术部(MSIT)合作,将在首尔办公室设立 AI Campus,聚焦生命科学、能源、天气与气候等领域。合作将探索 AlphaFold、AlphaGenome、AlphaEvolve、AI co-scientist 与 WeatherNext 在韩国科研中的应用,AlphaFold 已被韩国超 85,000 名研究人员使用。
Google Photos 的 Auto frame 功能上线了基于 3D 场景估计的视角重构图能力,可在拍摄后自动调整虚拟相机位置生成新视角。技术上先估计原图的 3D 点图与相机参数,再用生成式 latent diffusion 模型补全新视角下暴露的背景;针对广角自拍畸变会自动调整相机内参恢复自然比例。
推荐理由:用 3D 场景估计与生成式修复改写照片视角,区别于裁剪变焦,读者可据此理解自动取景与传统编辑的能力差异。
Google DeepMind 发布论文提出 Decoupled DiLoCo,一种把训练拆分为解耦计算岛屿、岛屿间以异步数据流通信的分布式架构,可在跨数据中心的条件下训练 LLM,带宽需求更低且硬件容错性更强。
Google Research 提出 ReasoningBank 智能体记忆框架,通过提炼成功与失败经验中的推理模式实现测试时自我进化。
Google DeepMind 与 Accenture、Bain、BCG、Deloitte、McKinsey 合作,加速企业 AI 与智能体转型。三大支柱为:面向金融、制造、零售、媒体娱乐等行业共建规模化 AI 方案,伙伴可提前使用 Gemini 系列前沿模型,DeepMind 领导层对接客户 CEO 与董事会。
Google Research 在 TMLR 发表 Simula 框架,将合成数据生成重构为机制设计问题,沿全局多样性、局部多样性、复杂化和质量检查四个轴从零推理生成数据。
Google Research 提出的 MoGen 模型利用 PointInfinity 点云流匹配技术合成神经元三维形态,将 PATHFINDER 连接组重建模型的错误率降低 4.4%,相当于在小鼠全脑规模下节省 157 人年的人工校对工作。该论文将在 ICLR 2026 上发表,是现代生成式 AI 首次推动连接组重建达到当前最优水平,MoGen 已作为开源模型发布。
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS,在 Artificial Analysis TTS 榜单取得 1,211 的 Elo 分数,并新增音频标签,可用自然语言直接控制语速、语气与演绎方式。
推荐理由:官方同时给出音频标签用法与各平台开放入口,读者可据此判断可控语音生成在开发与企业场景的适用性。
Google Research 发布研究实验项目 Vantage,借助生成式 AI 在模拟多角色对话中评估批判性思维、协作等未来核心技能。与纽约大学合作对 188 名 18-25 岁美国测试者的研究显示,Executive LLM 可引导对话产出高密度技能信息,AI Evaluator 的评分与人类专家的一致性接近专家之间的一致性。Vantage 现已在 Google Labs 开放英文注册。
Google DeepMind 发布 Gemini Robotics-ER 1.6,作为推理优先的机器人模型升级版,在指点、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
推荐理由:相比 1.5 与 Gemini 3.0 Flash,新模型新增仪表读数能力,可了解机器人具身推理的进展与开放入口。
Google Research 推出 ConvApparel 数据集与评估框架,基于 4,000 余段服装购物领域人机多轮对话(共约 15,000 轮次)衡量 LLM 用户模拟器的真实感差距。该数据集采用 Good 与 Bad 双智能体采集协议,结合群体统计对齐、拟人度评分与反事实验证三类方法比较 Prompted、ICL、SFT 三类模拟器的行为保真度。