跳到正文

Google / Gemini

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。

46条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 21–40 条 · 共 46 条
7月9日周四
  1. Google Research62

    Google Research 提出 SensorFM：面向可穿戴健康数据的通用智能与接口

    Google Research 提出 SensorFM，一个直接从人群规模无标注可穿戴数据中学习的大型传感器基础模型，在超过一万亿分钟多模态传感器信号上预训练，数据来自五百万名知情同意的参与者。

    推荐理由：SensorFM 用一万亿分钟无标注穿戴数据预训练，读者可了解单个生理表征如何跨多类健康任务迁移。

7月1日周三
  1. Hugging Face Blog62

    Hugging Face 与 Cerebras 将 Gemma 4 引入实时语音 AI

    Hugging Face 与 Cerebras 联合演示了一条实时语音到语音流水线，采用开源可替换的级联架构。语音识别用 Nvidia 的 Parakeet，语言模型用 Google DeepMind 的 Gemma 4 31B 在 Cerebras 上推理，文本转语音用 Alibaba 的 Qwen3TTS。

    推荐理由：Hugging Face 与 Cerebras 联合演示开源语音到语音流水线，读者可了解各层组件如何组合与何处替换。

6月30日周二
  1. Google Research69

    Google Research 发布 TabFM：面向表格数据的零样本基础模型

    Google Research 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习（ICL）问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。

    推荐理由：TabFM 把零样本思路带到表格分类与回归，读者可据此了解免训练预测在企业数据场景的落地方式。

6月27日周六
6月25日周四
6月11日周四
  1. Google DeepMind74

    Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍

    Google DeepMind 发布实验性开放模型 DiffusionGemma，基于 Gemma 4 与 Gemini Diffusion 研究，用文本扩散同时生成整块 token，在专用 GPU 上最高提速 4 倍，单张 NVIDIA H100 超 1000 tokens/秒、RTX 5090 超 700 tokens/秒。

    推荐理由：原文给出扩散文本生成的速度收益、硬件门槛与质量取舍，读者可据此判断它适合哪类本地推理场景。

6月9日周二
  1. Google DeepMind72

    Google DeepMind 发布 Gemini 3.5 Live Translate 音频模型

    Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款可自动识别 70 多种语言并做近实时语音到语音翻译的音频模型，能保留说话人的语调、节奏和音高，并持续生成语音、始终比说话人慢几秒。

    推荐理由：官方给出 70+ 语言、流式连续翻译与多渠道开放的细节，读者可据此判断实时语音翻译的可用边界。

  2. Google DeepMind78

    Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的无编码器多模态模型，视觉与音频输入直接进入 LLM 主干。该模型在标准基准上接近 26B MoE 模型的表现，同时总内存占用不到其一半，并首次在中等规模 Gemma 中支持原生音频输入。

    推荐理由：原文给出无编码器架构的视觉与音频直连设计和 16GB 显存本地运行门槛，可据此判断端侧多模态智能体的落地条件。

6月5日周五
5月20日周三
  1. Google Research69

    Google 将 ERA 科研工具开放为 Computational Discovery，相关成果登上 Nature

    Google 宣布将基于 Gemini 的科研工具 Empirical Research Assistance（ERA）开放给科学家使用，并推出由 ERA 和 AlphaEvolve 构建的 Computational Discovery，通过 Gemini for Science 逐步开放访问。

    推荐理由：原文给出 ERA 在 Nature 发表后的八篇应用论文与 Computational Discovery 的开放入口，便于判断科研智能体的实际落地边界。

5月18日周一
5月17日周日
5月16日周六
  1. Google DeepMind63

    WeatherNext 如何帮助美国国家飓风中心提前预测飓风 Melissa 登陆牙买加

    Google DeepMind 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，置信度 80%，三天前升至接近 100%。

    推荐理由：读者可以看到 WeatherNext 在真实飓风预报中同时预测路径与强度的表现，以及 NHC 年度验证报告的对比结论。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 3.5 Flash

    Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，主打智能体与编码能力，今日起在 Gemini app、Google Search AI Mode、Google Antigravity、Gemini API、AI Studio、Android Studio 及 Gemini Enterprise 上线。

    推荐理由：官方披露 3.5 Flash 在 Terminal-Bench 2.1 等基准上的成绩与 4 倍输出速度，可据此判断其性价比定位。

5月12日周二
  1. Google DeepMind71

    Google DeepMind 发布 Co-Scientist：基于 Gemini 的多智能体科研假设生成系统

    Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，能够迭代地生成、辩论并演化针对复杂科学问题的新假设。

    推荐理由：Nature 论文与多智能体架构细节同时公开，读者可据此了解假设生成类科研智能体的具体设计与落地方式。

5月6日周三
4月30日周四
  1. Google DeepMind73

    Google DeepMind 发布 AI co-clinician 医疗协作研究计划

    Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下参与患者诊疗的三人协作模式。在 98 条真实初级保健问题的盲评中，该系统 97 例无关键错误，优于医生常用的两个 AI 系统；与哈佛、斯坦福合作的 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但识别危险信号和指导关键体格检查仍不如专家。

    推荐理由：Google DeepMind 的医疗智能体研究给出了盲评、随机仿真等量化结果，可了解 AI 与医生协作的当前边界。

4月23日周四
  1. Google Research62

    Google Photos 上线 Auto frame 自动重构图功能

    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。

4月22日周三