Google DeepMind 与印度达成国家 AI 合作，推动科学与教育
Google DeepMind 宣布与印度政府机构及本地机构建立 National Partnerships for AI 合作，向印度研究人员开放 AlphaGenome、AI Co-scientist 和 Earth AI 等前沿科学模型。
Google DeepMindAI 评分2222
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3 Deep Think 升级，面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题。它在 Humanity's Last Exam 上取得 48.4%（无工具），ARC-AGI-2 达 84.6%，Codeforces Elo 为 3455，并在 2025 国际数学、物理、化学奥林匹克书面部分达到金牌水平。
推荐理由：官方给出 Deep Think 在 HLE、ARC-AGI-2、Codeforces 等基准上的具体成绩，并首次开放 API 早期访问，可据此判断其科研与工程定位。
Google DeepMind精选AI 评分7171 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：原文给出 Deep Think 在数学与理论计算机科学上的具体解题案例，读者可据此判断智能体推理在科研流程中的实际位置。
Google DeepMind精选AI 评分7171 Google DeepMind 向美国 AI Ultra 订阅用户开放 Project Genie 世界模型原型
Google DeepMind 开始向美国 18 岁以上的 Google AI Ultra 订阅用户开放 Project Genie，这是一个由 Genie 3、Nano Banana Pro 和 Gemini 驱动的实验性研究原型，支持创建、探索和混编可交互世界。
推荐理由：官方披露了 Project Genie 的三项核心能力与已知限制，可据此判断世界模型原型目前能做什么、还差什么。
Google DeepMind精选AI 评分7171 DeepMind 发布 D4RT：统一 4D 场景重建与追踪模型
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），一个统一 4D 场景重建与追踪的 AI 模型，采用编码器-解码器 Transformer 架构和查询机制，可并行回答像素在任意时间、任意相机视角下的 3D 位置。
推荐理由：D4RT 把动态场景重建统一进单一框架，并给出相对既有方法的效率倍数，可据此判断 4D 重建的工程可行性。
Google DeepMind精选AI 评分6262 Google DeepMind 更新 Veo 3.1 Ingredients to Video，新增竖屏输出与 1080p/4K 放大
Google DeepMind 更新 Veo 3.1 Ingredients to Video，让基于参考图生成的视频在简单提示词下也有更丰富的对白与叙事，并提升角色、背景和物体的一致性。
推荐理由：官方说明了 Ingredients to Video 在角色一致性与竖屏输出上的具体变化，可据此判断短视频生产流程的调整方向。
Google DeepMindAI 评分2222 Google 2025 年度回顾：8 大研究突破领域
Google 回顾 2025 年在 8 个领域的研究突破，模型方面 3 月发布 Gemini 2.5、11 月发布 Gemini 3、12 月发布 Gemini 3 Flash，其中 Gemini 3 Pro 登顶 LMArena 排行榜，并在 MathArena Apex 上取得 23.4% 的 SOTA。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3 Flash
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度兼顾，在 GPQA Diamond 得 90.4%、Humanity's Last Exam 无工具 33.7%、MMMU Pro 81.2%、SWE-bench Verified 78%，定价为每 100 万输入 token 0.50 美元、每 100 万输出 token 3 美元。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断它在速度与成本上的取舍。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemma Scope 2 开源可解释性工具套件
Google DeepMind 发布 Gemma Scope 2，一套面向 Gemma 3 全系列（270M 至 27B 参数）的开源可解释性工具，覆盖每一层的 SAE 与 transcoder。
推荐理由：官方给出覆盖 Gemma 3 全尺寸的开源可解释性工具与数据规模，读者可据此判断模型内部行为审计的可用手段。
Google DeepMind精选AI 评分6666 Google DeepMind 更新 Gemini 2.5 Flash Native Audio 并推出实时语音翻译
Google DeepMind 发布面向实时语音智能体的 Gemini 2.5 Flash Native Audio 更新版，在函数调用、指令遵循和多轮对话三方面做了改进，其中对开发者指令的遵循率从 84% 提升到 90%，在 ComplexFuncBench Audio 上以 71.5% 领先。
推荐理由：官方给出函数调用、指令遵循与多轮对话三项能力的具体提升数据，并同步上线实时语音翻译。
Google DeepMindAI 评分2222 Google DeepMind 扩大与英国 AI Security Institute 的合作
Google DeepMind 宣布与英国 AI Security Institute（AISI）签署新谅解备忘录，将合作从模型测试扩展到基础安全研究。双方将共享模型、数据与思路，联合发布报告，并聚焦 AI 推理过程监控（CoT）、社会情感失准的伦理影响以及 AI 对经济系统的潜在影响三个方向。Google DeepMind 称 Gemini 3 是其迄今最智能、最安全的模型。
Google DeepMindAI 评分3636 Google DeepMind 与英国政府深化合作：提供前沿 AI 模型并建首个自动化实验室
Google DeepMind 宣布深化与英国政府的合作，向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist 和 WeatherNext 等“AI for Science”模型，并计划 2026 年在英国建立其首个自动化实验室，专注材料科学研究。
Google DeepMindAI 评分3838 Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实准确性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共 3513 个公开样例。
Google DeepMindAI 评分3636 Google DeepMind 用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学团队借助 AlphaFold 预测植物与嗜热藻类的甘油酸激酶（GLYK）三维结构，发现植物版 GLYK 的三个柔性环在高温下会变形失稳。研究人员用藻类 GLYK 中更刚性的环替换这些不稳定片段，构建的杂合酶中有一款在高达 65 °C 时仍保持稳定，为培育耐热作物提供了新路径。
Google DeepMindAI 评分3030 AlphaFold 五年影响力回顾：从蛋白质结构预测到诺奖与全球科研变革
AlphaFold 2 自 2020 年在 CASP 14 上解决蛋白质结构预测难题以来，其免费开放的 AlphaFold Protein Database 已覆盖超 2 亿个蛋白质结构，被 190 多个国家的 300 多万名研究者使用。该成果于 2024 年获诺贝尔化学奖，相关论文超 35,000 篇被引用，并催生了 AI 药物发现公司 Isomorphic Labs。
Google DeepMind精选AI 评分6262 AlphaFold 助力解析心脏病关键蛋白 apoB100 结构
密苏里大学研究人员借助 AlphaFold 与冷冻电镜，解析了“坏胆固醇”低密度脂蛋白（LDL）关键蛋白 apoB100 的结构。该蛋白因体积庞大且与脂肪等分子复杂连接，50 年来一直难以绘制。
推荐理由：AlphaFold 与冷冻电镜结合解析 apoB100 结构，展示 AI 预测在结构生物学中的具体用法。
Google DeepMind精选AI 评分6060 Google DeepMind 支持美国能源部 Genesis 计划，向 17 个国家实验室开放 AI 科学模型
Google DeepMind 宣布支持美国白宫的 Genesis 计划，与美国能源部合作，向全部 17 个国家实验室提供前沿 AI for Science 模型和智能体工具的加速访问通道，首批上线的是基于 Gemini 的 AI co-scientist。
推荐理由：Google DeepMind 与美国能源部 17 个国家实验室的合作，给出了 AI for Science 从模型到落地路径的具体样本。
Google DeepMind精选AI 评分5858 Google 在 Gemini 应用中上线 AI 图像验证功能
Google 在 Gemini 应用中上线图像验证功能，用户上传图片并提问即可借助 SynthID 数字水印判断该图是否由 Google AI 生成或编辑。SynthID 自 2023 年推出以来已为超过 200 亿件 AI 生成内容添加水印，Google 还表示后续将把验证扩展到视频、音频以及 Search 等更多入口。
推荐理由：Google 把 SynthID 水印检测做进 Gemini 应用，读者可了解 AI 图像溯源在产品侧的具体落地方式。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建，面向开发者提供影棚级图像生成与编辑，已在 Google AI Studio 和 Vertex AI 以付费预览形式逐步开放。
推荐理由：官方给出新图像模型的分辨率、文本渲染与搜索接地能力，读者可据此判断多模态应用的可用边界。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建，主打图像生成与编辑，支持在图中直接渲染多语言可读文本，并可连接 Google Search 获取实时信息。
推荐理由：官方给出 Nano Banana Pro 的文本渲染、多图合成与分辨率等能力细节，可据此判断图像编辑工作流的变化。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3 Pro，并推出智能体开发平台 Google Antigravity
Google DeepMind 发布 Gemini 3，其中 Gemini 3 Pro 在各项主要 AI 基准上超过此前版本，编码能力也强于 2.5 Pro，兼顾智能体工作流与复杂零样本任务。
推荐理由：官方给出 Gemini 3 Pro 的基准成绩、API 定价与配套开发平台，读者可据此判断它在智能体编码和多模态场景中的定位。
Google DeepMindAI 评分2222 Google DeepMind 在新加坡开设新研究实验室，推进亚太 AI 发展
Google DeepMind 在新加坡开设新研究实验室，聚焦推进 Gemini 核心能力与亚太语言文化包容性研究，其亚太团队过去一年已扩大逾一倍。该实验室将与当地政府、企业和学术机构合作，并延续与 AI Singapore 共建 SEA-LION 等项目，其中 SEA-LION v4 基于 Gemma 3 的多模态能力构建。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3，Pro 版即日上线搜索与 Gemini 应用
Google DeepMind 发布 Gemini 3，首发 Gemini 3 Pro 预览版，即日起接入 Gemini 应用、搜索 AI Mode、AI Studio、Vertex AI、Gemini CLI 及新智能体开发平台 Google Antigravity。
推荐理由：官方给出 Gemini 3 Pro 在推理、多模态与编码基准上的具体分数，并同步公布 Google Antigravity 开发平台。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 WeatherNext 2 天气预报模型
Google DeepMind 与 Google Research 发布 WeatherNext 2，称其生成预报速度提升 8 倍，分辨率可达 1 小时，并在 99.9% 的变量和 0-15 天预报时效上超过上一代 WeatherNext。
推荐理由：原文给出 WeatherNext 2 的速度、分辨率与可用入口，读者可据此判断 AI 天气预报的落地进度。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 SIMA 2：接入 Gemini 的 3D 世界游戏智能体
Google DeepMind 发布 SIMA 2，将 Gemini 模型嵌入智能体核心，使其从指令执行者升级为能推理目标、与用户对话并自我改进的游戏伙伴。SIMA 2 可理解多模态提示、多种语言和 emoji，在未训练过的游戏如 ASKA 和 MineDojo 上表现更接近人类玩家，还能在 Genie 3 生成的实时 3D 世界中行动。
推荐理由：SIMA 2 把 Gemini 的推理能力接入 3D 游戏智能体，并给出自我改进与跨游戏泛化的具体路径。
Google DeepMind精选AI 评分5252 Google DeepMind 在 Nature 发表研究：让 AI 视觉表征更接近人类
Google DeepMind 在 Nature 发表新论文，分析 AI 视觉模型与人类在组织视觉世界上的差异，并提出一种三步对齐方法。该方法先用 THINGS 数据集训练一个冻结主模型的小型适配器作为教师模型，再生成包含百万张图像、数百万条类人判断的 AligNet 数据集，最后微调其他学生模型。
推荐理由：DeepMind 在 Nature 发表视觉对齐研究，读者可了解人类与模型表征差异及三步对齐方法。
Google DeepMindAI 评分2222 Google DeepMind：Gemini 如何为北爱尔兰教师每周省下 10 小时
北爱尔兰 C2k 与 Google for Education 合作的六个月试点中，参与教师借助 Gemini 平均每周节省 10 小时，并沉淀出 600 多个使用场景。教师用 Gemini 起草家长信、生成课程图像，用 NotebookLM 的 MindMap 和播客功能辅助备考与差异化教学。试点成功后，C2k 计划在北爱尔兰面向更多教师推广 Gemini 培训。
Google DeepMindAI 评分3636 Google DeepMind 用 AI 绘制物种分布、预测森林砍伐并升级生物声学模型 Perch
Google 发布森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformers 架构，可在 30 米尺度上预测 2000-2024 年森林流失风险。
OpenAI NewsAI 评分2020 ChatGPT 连接 Google Drive，实现内部知识整合与问答
ChatGPT 新增连接 Google Drive 功能，可整合内部知识库，提供更丰富的问答背景信息。
OpenAI NewsAI 评分2222 OpenAI 与 Anthropic、Google、Microsoft 公布 Frontier Model Forum 新执行董事及 1000 万美元 AI 安全基金
OpenAI 联合 Anthropic、Google 和 Microsoft 宣布了 Frontier Model Forum 的新任执行董事，并设立 1000 万美元的 AI 安全基金。
OpenAI NewsAI 评分2222 OpenAI 联合举办 Procgen 与 MineRL 竞赛
OpenAI 宣布与 AIcrowd、卡内基梅隆大学和 DeepMind 联合举办两场 NeurIPS 2020 竞赛，分别基于 Procgen Benchmark 和 MineRL。
OpenAI NewsAI 评分3838 OpenAI 联合 Google 推出激活图谱（Activation Atlases）
OpenAI 与 Google 研究人员合作推出激活图谱（Activation Atlases），一种可视化神经元之间交互所代表含义的新技术。该技术旨在帮助理解 AI 系统的内部决策过程，从而识别弱点并调查失败原因，以应对 AI 系统日益部署于敏感场景的需求。
OpenAI News精选AI 评分6262 OpenAI 与 DeepMind 提出从人类偏好中学习目标的方法
OpenAI 与 DeepMind 安全团队合作开发了一种算法，通过让人类判断两种候选行为哪个更好，来推断人类想要的目标。该方法旨在省去人工编写目标函数的环节，因为用简单代理替代复杂目标或目标设定稍有偏差，都可能导致不良甚至危险的行为。
推荐理由：OpenAI 与 DeepMind 安全团队提出用人类偏好比较替代手写目标函数，为对齐研究提供了一条早期思路。
OpenAI NewsAI 评分3030 OpenAI 参与合著 Google Brain 主导的 AI 安全论文《Concrete Problems in AI Safety》
OpenAI 与 Berkeley、Stanford 的研究者共同合著了由 Google Brain 主导的论文《Concrete Problems in AI Safety》，该论文探讨了确保现代机器学习系统按预期运行的诸多研究问题。