Google DeepMind 发布 SynthID Bio,为 AI 生成的蛋白质与基因组添加可验证水印
Google DeepMind 发布 SynthID Bio,把水印技术引入合成生物学,可在 AI 生成的蛋白质序列与预测三维结构中嵌入可验证签名,并在实验室测试中保留生物功能。
推荐理由:原文给出序列与结构两类水印的实现方式与湿实验验证结果,读者可据此判断它如何嵌入 DNA 合成筛查与公共数据库审核。
Google DeepMind 发布 SynthID Bio,把水印技术引入合成生物学,可在 AI 生成的蛋白质序列与预测三维结构中嵌入可验证签名,并在实验室测试中保留生物功能。
推荐理由:原文给出序列与结构两类水印的实现方式与湿实验验证结果,读者可据此判断它如何嵌入 DNA 合成筛查与公共数据库审核。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等全球研究机构,通过 AlphaFold Database 开放发布超过 2800 种病毒的蛋白复合物预测 3D 结构,供任何科学家免费使用。
推荐理由:数据集覆盖超过 2800 种病毒的蛋白复合物结构并开放了生成管线,可据此判断结构生物学与药物靶点研究的工具链变化。
Google DeepMind 公布 Private AI Compute 架构更新,推出持久的服务器端内存层。该架构将数据加密存储于云端专用空间,解密密钥仅保存在用户设备上,仅在隔离的安全飞地中临时解密,从而在云端实现设备级隐私保护。官方同步发布了更新的技术白皮书、防篡改的服务器软件记录及独立审计结果。
推荐理由:官方公布了跨设备持久记忆的架构细节,通过设备端保管密钥与云端安全飞地实现隐私保护,可供评估其可信度。
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型。前者侧重深度创意指导,支持自然语言生成定制声音、30秒语音复刻与逐句表演控制;后者面向高并发、低成本的规模化应用。
推荐理由:原文清晰对比了两款新 TTS 模型的定位与功能,并给出基准表现与安全机制,便于开发者评估选型。
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两款模型,分别面向智能体工作流与网络安全。
推荐理由:原文列出了 Gemini 3.8 系列在编码与网络安全基准上对标前沿模型的表现及价格,读者可据此评估其替换现有工作流的成本收益。
Google DeepMind 发布 Gemini 3.7 Flash,定位为面向编码与智能体的最强主力模型,距 3.6 Flash 发布仅三周。
推荐理由:官方列出了 Gemini 3.7 Flash 相对 3.6 Flash 的跑分提升与半价策略,读者可据此评估编码与智能体工作流的升级幅度。
Google DeepMind 发布 Gemini Robotics ER 2,作为机器人的高层大脑负责推理、规划与任务编排,并将运动执行交给底层 VLA 模型。该模型支持连续视频进度追踪、精确关键时刻识别与多机器人协作,进度分类准确率达 57.4%,关键时刻识别准确率达 91.3%。开发者现可通过 Gemini API 与 Google AI Studio 使用。
推荐理由:官方博客给出了新模型在视频理解、任务编排和多机器人协作上的能力升级与评测数据,可据此判断具身智能的落地进度。
Google DeepMind 发布 Gemini Robotics 2,通过三个模型为机器人带来全身智能、灵巧操作和多机协同能力。该系统可控制完整人形机器人执行耗时数分钟的多步任务,ER 2 推理模型已在 Google AI Studio 上线,On-Device 2 端侧模型仅需几小时即可适配新本体。
推荐理由:官方公布了全身控制、灵巧操作与多机协同能力,并给出端侧几小时适配新本体的指标,适合评估具身智能进展。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber 三款新模型,旨在提升规模化构建 AI 智能体的效率与可靠性。
推荐理由:原文给出了三款新模型在效率、速度和安全场景的具体基准数据与价格,读者可据此评估其在智能体工作流中的成本变化。
Google DeepMind 推出 Gemini 驱动的 Web 应用 ATL Saathi 试点,为印度 Atal Tinkering Labs 教育者提供规划与培训助手。该应用由 Gemini 3.5 Flash 支持,为 12 个核心模块生成摘要、信息图与测验,并为 10 个模块提供项目创意和分步实验指导。应用支持 8 种语言,首批将推广至 100 所试点学校。
Google DeepMind 与 A24 宣布一项聚焦研究的合作,Google 同时对 A24 进行投资。双方将围绕多个项目开展长期研发,让电影人在创作流程中参与塑造新技术并拓展叙事可能性;具体目标、技术成果与创作里程碑将随合作推进逐步明确。
推荐理由:公告明确了双方将围绕多个项目开展长期研发合作,并披露 Google 对 A24 的投资,读者可据此判断 AI 技术进入影视创作流程的走向。
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具,开发者可通过 Gemini API 与 Gemini Enterprise Agent Platform 用它构建跨浏览器、移动端和桌面环境操作的智能体。
推荐理由:计算机使用此前仅作为独立的 Gemini 2.5 模型提供,本次原生集成进 Flash 主模型,开发者可直接用它构建跨平台智能体。
Google DeepMind 发布 AI Control Roadmap,提出把不可信内部智能体当作内部威胁的纵深防御框架,并同步发布面向政策制定者的技术框架《Three Layers of Agent Security》。
推荐理由:原文给出了把不可信智能体当作内部威胁的纵深防御框架,并按检测规避与攻击执行能力划分防护等级,可迁移到自家的智能体安全设计。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持,推出最高 $10M 的多智能体 AI 安全研究资助,面向全球研究者开放申请。
推荐理由:该资助计划把研究重点从单模型安全扩展到多智能体群体行为,为预测和缓解集体涌现风险提供资金支持。
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate,支持 70+ 语言的近实时语音到语音翻译,可保留说话者的语调、节奏和音高,连续生成且全程仅比说话者滞后几秒。
推荐理由:官方公布了 70+ 语言与连续生成机制,并开放 Gemini Live API 等多端入口,可据此判断实时语音翻译在会议和通话场景的可用性变化。
Google DeepMind 在塞拉利昂完成的预注册试验显示,使用 Guided Learning 的学生数学成绩较对照组提高 +0.258 个标准差,约相当于八周内取得 1.2 至 1.7 年的常规学习进度。
推荐理由:这项预注册试验显示,八周内 AI 辅助学习带来 +0.258 个标准差的数学成绩提升,其脚手架式提问模式为教育场景的 AI 应用提供了可迁移方法。
Google DeepMind 与 Google Research 的 AI 气象模型 WeatherNext 提前五天以 80% 置信度预测飓风 Melissa 将在牙买加以五级强度登陆,三天前升至接近 100%,帮助美国国家飓风中心(NHC)为牙买加社区争取到更多预警和疏散时间。
Google DeepMind 官方复盘 Gemini 驱动的编码智能体 AlphaEvolve,显示它已从试点升级为 Google 基础设施的核心组件,并经由 Google Cloud 扩展到金融、半导体、物流等商业场景。
推荐理由:官方复盘列出 AlphaEvolve 在科研、基础设施和商业场景的量化收益,可作为评估 AI 智能体落地价值的参照。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其推理优先具身推理模型的重大升级,即日起通过 Gemini API 与 Google AI Studio 向开发者开放,并提供配置与提示示例的开发者 Colab。
推荐理由:原文给出相对上一代与 Gemini 3.0 Flash 的逐项基准对比,读者可据此判断具身推理在工业巡检场景的可用边界。
Google DeepMind 发布 Gemini 3.1 Flash Live,这是其目前最高质量的音频与语音模型,旨在提升实时对话的速度与自然度。该模型在 ComplexFuncBench Audio 上得分 90.8%,支持 Gemini Live 对话时长翻倍,并推动 Search Live 扩展至 200 多个国家/地区,所有生成的音频均带有 SynthID 水印。
推荐理由:相比前代模型,Gemini 3.1 Flash Live 在语音精确度、延迟与上下文长度上均有提升,并推动 Search Live 扩展至全球。
Google DeepMind 发布 Nano Banana 2(Gemini 3.1 Flash Image),将 Nano Banana Pro 的高级世界知识与推理能力与 Flash 级速度相结合。
推荐理由:官方对比了 Nano Banana Pro 与新模型的差异,说明 Nano Banana 2 如何在保持 Pro 级画质与推理能力的同时实现 Flash 级速度。
Google DeepMind 在 Gemini 应用中推出最新的生成式音乐模型 Lyria 3,用户通过描述想法或上传照片即可在数秒内生成 30 秒的高质量音乐曲目。
推荐理由:原文说明了 Lyria 3 的文本与图片生成音乐能力及 SynthID 水印验证,读者可据此判断其在 Gemini 应用中的实际可用范围。
Google DeepMind 宣布与印度政府机构及本地机构建立新的合作伙伴关系,通过 National Partnerships for AI 倡议扩大其前沿 AI 在科学与教育领域的应用。
Google DeepMind 发布两篇论文,阐述 Gemini Deep Think 模式及其数学研究智能体 Aletheia 如何在数学、物理与计算机科学领域解决专业级研究难题。
推荐理由:原文详述了 Gemini Deep Think 在数学、物理和计算机科学领域的专业研究应用,展示了 AI 智能体如何作为科研合作者解决开放性难题。
Google DeepMind 发布 Gemma Scope 2,一套覆盖全部 Gemma 3 模型规模(270M 至 27B 参数)的开源可解释性工具套件。
Google DeepMind 宣布深化与英国政府的合作,聚焦用 AI 加速科学与教育、现代化公共服务并推进国家安全。
Google DeepMind 宣布支持白宫 Genesis 使命,与 DOE 合作把前沿 AI 模型与智能体工具开放给全部 17 座国家实验室的科研人员。
Google 在 Gemini 应用中上线 AI 图片验证功能,用户上传图片并提问后,系统会检查 SynthID 水印并结合推理返回该图片是否由 Google AI 生成或编辑。
推荐理由:官方说明给出 SynthID 水印验证在 Gemini 应用中的使用方式与后续扩展计划,可据此判断 AI 内容溯源工具的落地节奏。
Google DeepMind 发布 Nano Banana Pro(即 Gemini 3 Pro Image),这是基于 Gemini 3 Pro 的图像生成与编辑模型,强调文字渲染、多图融合与高保真输出。
推荐理由:官方列出新模型在文字渲染、多图融合与分辨率上的提升,并给出各平台开放入口,便于读者判断如何接入使用。
Google DeepMind 发布 Gemini 3 Pro,称其在各大基准上超越前代,编码能力超越 2.5 Pro。模型预览版定价为 $2/百万输入 token 和 $12/百万输出 token(200k token 以内),可通过 Gemini API、Google AI Studio 和 Vertex AI 使用。
推荐理由:官方公布了 Gemini 3 Pro 的基准成绩、定价与开发者工具集成,读者可据此评估其在编码和多模态任务上的实际可用性。
OpenAI 宣布与 AIcrowd、Carnegie Mellon University 及 DeepMind 联合举办两项 NeurIPS 2020 竞赛。这两项竞赛分别使用 Procgen Benchmark 和 MineRL。
OpenAI Five 在周末的 Finals 中连续两局击败 Dota 2 世界冠军战队 OG,成为首个在电竞游戏中战胜世界冠军的 AI。此前 OpenAI Five 与 DeepMind 的 AlphaStar 都曾在私下击败过职业选手但在直播比赛中落败,这次也是 AI 首次在直播中战胜电竞职业选手。
推荐理由:对比 OpenAI Five 与 AlphaStar 此前私下击败职业选手、直播却落败的经历,本场胜利让 AI 在直播赛事中越过电竞职业选手门槛。
OpenAI 与 DeepMind 安全团队合作开发了一种算法,通过让人类在两种行为之间做出选择来推断人类意图。其目标是为安全 AI 系统移除人工编写目标函数的需求,避免用简单代理替代复杂目标带来的危险行为。
推荐理由:原文介绍了与 DeepMind 安全团队合作的偏好学习算法,读者可据此理解用人类偏好替代手写目标函数这一对齐思路的早期形态。