Google DeepMind 发布 Gemini for Science,推出科研智能体实验工具与 Science Skills
Google DeepMind 发布 Gemini for Science,在 Google Labs 上线三个实验性原型:基于 Co-Scientist 的 Hypothesis Generation。
Google DeepMind 发布 Gemini for Science,在 Google Labs 上线三个实验性原型:基于 Co-Scientist 的 Hypothesis Generation。
Google 扩大内容透明度与验证工具,把 SynthID 的图像、视频和音频验证从 Gemini 应用扩展到 Search,并将在未来数周进入 Chrome。
推荐理由:原文给出了内容溯源工具从 Gemini 扩展到 Search 和 Chrome 的路径,读者可据此判断合成内容核验的可用范围。
剑桥大学 Clare Bryant 教授用 Google DeepMind 的 Co-Scientist 研究流感等病原体跨物种传播引发败血症的分子机制。Co-Scientist 在未公开数据辅助下将候选靶点从蛋白质细化到具体氨基酸,团队正据此构建含氨基酸突变的细胞系验证假设。Bryant 称,原本需两到三年的精确氨基酸定位工作,若靶点正确,实验室有望在六个月内完成。
Google DeepMind 的 Co-Scientist 被 Calico Life Sciences 用于衰老生物学研究,帮助从混杂的文献中筛出值得验证的新假设。Calico 团队借助它提出了一条关于整合应激反应(ISR)如何受代谢调控的新假设,并借助 Co-Scientist 优化实验设计、随结果迭代。相关实验产生了对 ISR 在健康与疾病中作用具有重要意义的发现,团队计划发表结果。
Google DeepMind 汇总了 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的应用成果,覆盖科研与基础设施优化。
推荐理由:官方汇总了 AlphaEvolve 在基因组、电网、TPU 与商业客户上的落地数据,可据此判断编码智能体的跨领域迁移空间。
Mistral AI 发布企业 AI 编排层 Workflows 公开预览版,用于把 AI 流程从概念验证推进到生产,ASML、ABANCA、CMA-CGM、France Travail 等组织已用它自动化关键流程。
推荐理由:原文给出 Workflows 的持久化执行、可观测与人审暂停机制及已落地客户,便于判断企业级 AI 编排如何从 PoC 走向生产。
Google Photos 的 Auto frame 新增一项自动重构图能力,将照片理解为 3D 场景并自动调整相机位置与焦距,从而改变视角。该方法分两步:先用内部 3D 点图估计模型还原人体与人脸并推算原始焦距,再用生成式潜扩散模型补全换视角后露出的空白区域。该功能现已上线,只处理含人物的合格照片,重构图版本作为 Auto frame 候选中的第二个方案,一步即可应用。
推荐理由:Google Photos 把拍照后的视角问题交给 3D 估计加扩散补全处理,读者可了解这套两阶段方法如何改变自动修图流程。
Google 在 Google Labs 上线研究实验 Vantage,用生成式 AI 构建多轮对话模拟环境,评估高中与大学生面向未来的技能,现以英文开放注册。该系统由 Executive LLM 动态引导对话,AI Evaluator 依据评估量表与人工专家打分,并与纽约大学合作对 188 名 18-25 岁美国测试者开展验证。
Mistral AI 推出内部平台工具 Spaces CLI,可为项目脚手架、启动开发环境并部署到 staging,典型流程只需 init、dev 三条命令。它把所有交互式提问都设计成等价的 flag(如 --components、-y),因此 AI 智能体也能自主完成端到端操作。
Google 宣布 Vibe Coding XR,将 Gemini 作为创作伙伴配合其基于 Web 的 XR Blocks 框架,把自然语言直接转成具备物理感知的 Android XR 应用,耗时不到 60 秒。
Mistral AI 发布 Forge,一套让企业基于专有知识训练前沿级 AI 模型的系统。Forge 覆盖预训练、后训练和强化学习等模型生命周期阶段,支持 dense 与 MoE 架构及多模态输入,并可由 Mistral Vibe 等智能体用自然语言完成微调和调参。
推荐理由:原文给出企业用私有数据训练前沿模型的分阶段方案与多个行业落地场景,可据此判断企业自建模型的能力边界。
Google 宣布在 Flood Hub 上线城市山洪预报,基于新的 AI 方法可在城市地区提前最多 24 小时预测山洪风险。
推荐理由:官方公开了城市山洪预报的方法与评估结果,读者可了解AI预警在缺乏地面数据的地区如何落地。
Google 推出 Groundsource,一种用 Gemini 从非结构化新闻中提取可验证灾害数据的方法,并公开首个数据集:260 万条城市山洪记录,覆盖 150 多个国家、时间跨度从 2000 年至今。
Mistral 发布 Mistral Vibe 2.0,这是其终端原生编码智能体的重大升级,由 Devstral 2 模型系列驱动。新版本支持自定义子智能体、多选项澄清、斜杠命令技能、统一智能体模式和自动更新,已在 Le Chat Pro 和 Team 套餐上线,超出额度可按 API 价格按量付费或自带 API key。
推荐理由:原文列出了子智能体、斜杠命令技能与计费方式的变化,读者可据此判断终端编码智能体的可用范围。
Mistral AI 发布 Mistral AI Studio,将其自身大规模系统的运维经验产品化为面向企业团队的生产 AI 平台,包含 Observability、Agent Runtime 和 AI Registry 三大支柱。
推荐理由:Mistral 把自家大规模系统沉淀成企业平台,三大支柱给出了从提示词到生产的闭环拆解。
Mistral 在 Le Chat 上线 Memories(beta)记忆功能,采用自动保存加按需召回的方式,被调用时会显示来源链接。Le Chat 支持随时关闭记忆、开启不使用记忆的隐身对话、编辑或删除单条记忆,并可导出和导入记忆。同期推出 Memory Insights,用轻量提示帮助用户查看模型记住了什么;官方称底层采用基于图的架构。
Mistral 发布 Le Chat 的企业级连接器目录(beta),提供 20+ 个基于 MCP 的安全连接器,覆盖数据、办公、开发、自动化与支付等类别,可连接 Databricks、Snowflake、GitHub、Atlassian、Asana、Outlook、Box、Stripe、Zapier 等工具,并支持添加自定义 MCP 连接器或连接任意远程 MCP 服务器。
Mistral AI 发布 Codestral 25.08 代码补全模型,并推出覆盖补全、代码库语义检索与智能体工作流的企业级编码栈。官方数据显示 Codestral 25.08 的补全接受量提升 30%,保留代码增加 10%,失控生成减少 50%,支持云、VPC 和本地部署。
Mistral 为 Le Chat 推出多项新功能,包括预览版 Deep Research 模式、由新语音模型 Voxtral 驱动的 Voice 模式、由推理模型 Magistral 支持的 Think 模式、用于整理对话的 Projects,以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由:Mistral 一口气给 Le Chat 补上研究、语音、推理与图像编辑,读者可据此判断其产品线扩张方向。
Mistral AI 发布 Mistral Compute,向客户提供私有、一体的 AI 基础设施栈,涵盖 GPU、编排、API、产品与服务,形态从裸金属服务器到全托管 PaaS。
推荐理由:Mistral 把自建训练平台对外开放为私有 AI 基础设施,读者可据此了解欧洲主权算力的落地形态。
Mistral AI 发布企业级 AI 编码助手 Mistral Code,整合 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四个模型、IDE 内助手、本地部署选项与企业管控工具,基于开源项目 Continue 构建。
推荐理由:官方给出模型组合、部署形态和三家大企业落地细节,可据此判断企业级 AI 编码工具的选型与合规边界。
Mistral AI 发布 Agents API,把其语言模型与代码执行、网页搜索、图像生成、MCP 工具等内置连接器以及跨会话持久记忆、智能体编排能力结合起来。
推荐理由:官方给出 Agents API 的连接器、MCP 与多智能体编排能力,可据此判断企业级智能体框架的落地方式。
Mistral 发布 Le Chat Enterprise,由全新的 Mistral Medium 3 模型驱动,面向企业提供统一 AI 平台。该版本包含企业搜索、无需写代码的 Agent 构建器、自定义数据与工具连接器、文档库、自定义模型和混合部署,相关功能将在未来两周内陆续上线。
推荐理由:Mistral 把企业搜索、Agent 构建和混合部署打包进同一平台,并即将支持 MCP,可据此判断企业落地的分工方式。
Mistral AI 发布 OCR API mistral-ocr-latest,可将图像和 PDF 解析为有序交错的文本与图像,定价为 1000 页/美元,批量推理约翻倍。
推荐理由:官方给出 Mistral OCR 的文档解析能力、定价与自托管选项,可据此判断其接入多模态 RAG 流程的可行性。