Google DeepMind 在 Gemini 3.5 Flash 中内置 computer use 能力
Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash,此前该能力仅以独立的 Gemini 2.5 computer use 模型形式提供。
推荐理由:Gemini 3.5 Flash 把 computer use 从独立模型并入主模型,读者可据此判断智能体跨平台自动化的落地路径。
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。
Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash,此前该能力仅以独立的 Gemini 2.5 computer use 模型形式提供。
推荐理由:Gemini 3.5 Flash 把 computer use 从独立模型并入主模型,读者可据此判断智能体跨平台自动化的落地路径。
Google DeepMind 发布 AI Control Roadmap,一套用于构建和管理 Google 内部部署的高级 AI 的框架,采用纵深防御思路,在模型对齐之外增加系统级安全层,即使对齐不完美也能提供保障。
推荐理由:DeepMind 公开内部 AI Control Roadmap,给出检测与响应分级和百万条编码智能体轨迹的分析结论。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式并行生成整块文本,在专用 GPU 上最高实现 4 倍推理提速,单张 NVIDIA H100 上超过 1000 tokens/秒,RTX 5090 上超过 700 tokens/秒。
推荐理由:官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛,可据此判断本地低并发场景的取舍。
Google DeepMind 发布 Gemini 3.5 Live Translate,一款支持 70+ 语言的近实时语音到语音翻译音频模型,能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由:官方给出 70+ 语言实时语音翻译的连续生成机制与多产品落地节奏,可据此判断实时翻译的可用边界。
Google DeepMind 发布 Gemma 4 12B,一款面向笔记本的智能体多模态模型,介于 E4B 与 26B MoE 之间,可在 16GB 显存或统一内存上本地运行。
推荐理由:Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存,读者可据此判断本地智能体部署的可行性。
Google DeepMind 公布在塞拉利昂开展的预注册试验结果,使用 Guided Learning 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,八周内完成。
推荐理由:塞拉利昂预注册试验给出了 AI 辅助教学的具体量化结果,也点出成绩差距这一局限。
Google 研究推出 Gemini Enterprise Agent Platform 的 Agentic RAG 功能,旨在提升复杂查询处理和准确性。该功能通过多智能体架构和持久性改进,能够更好地处理跨数据源查询,并提高事实性数据集的准确性。
推荐理由:原文介绍了 Gemini Enterprise Agent Platform 的 Agentic RAG 功能,读者可以了解其在复杂查询处理和准确性提升方面的潜力。
Google Research提出了一种通过智能手机摄像头进行被动心率监测的方法,该方法利用深度学习技术,在日常生活中对用户的心率和静息心率进行监测,并发布了相关的研究数据和预训练模型。
推荐理由:该研究提出了通过智能手机摄像头进行被动心率监测的方法,为健康监测提供了新的思路,具有潜在的应用价值。
谷歌开源了其洪水预测模型,旨在帮助国家气象和水利服务将先进的基于AI的洪水预测技术整合到自己的工作流程中,以增强洪水预警系统的能力。
推荐理由:原文介绍了开源的洪水预测模型及其在气象和水利服务中的应用,读者可以了解其在洪水预警系统中的潜力。
谷歌发布实证研究助手(ERA),一款使用 Gemini 编写和优化科学代码的工具,旨在提高科学研究的速度和范围。ERA 在多个学科领域取得了专家级性能,并已应用于多个科学项目,如流行病学预测、季节性径流预测、大气二氧化碳浓度监测等。
推荐理由:原文介绍了 Empirical Research Assistance (ERA) 的设计和应用,读者可以了解其在科学研究和计算发现方面的潜力。
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 加速细胞衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子,实验室测试验证了其中几个假设,成功让细胞进入更年轻状态并改善整体功能。此外,原本需要长达六个月的数据分析工作被缩短到几天。
推荐理由:原文给出 Co-Scientist 在衰老研究中的具体产出与验证结果,读者可据此判断 AI 辅助科研的实际落地程度。
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 真实影像接地能力,用户可选取美国地点并搭配风格与角色描述,生成以真实地点为起点的可交互世界。
推荐理由:原文给出 Genie 接入 Street View 真实影像后的世界生成方式与开放范围,读者可据此判断世界模型落地路径。
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本作为输入生成高质量视频,并支持通过自然语言对话多轮编辑视频。
推荐理由:Gemini Omni 把多模态输入与对话式视频编辑结合,读者可了解其能力边界与首发渠道。
Google DeepMind 推出 Gemini for Science,包含 Google Labs 上的三个实验性工具:基于 Co-Scientist 的 Hypothesis Generation。
推荐理由:Google 把 Co-Scientist、AlphaEvolve 等研究原型打包成可申请的科学工具,读者可据此判断智能体科研的落地形态。
Google 宣布扩展内容透明度与验证工具,把 SynthID 的图像、视频和音频验证从 Gemini 应用扩展到搜索,并将在未来几周进入 Chrome;该验证功能在 Gemini 中已被使用 5000 万次。
推荐理由:Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini 和 Chrome,读者可据此了解内容溯源工具的落地范围。
Google DeepMind 与 Google Research 开发的 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,置信度达 80%,三天前升至接近 100%。
推荐理由:原文给出 WeatherNext 在飓风路径与强度预测上的实际表现,读者可了解 AI 天气模型如何辅助官方预警决策。
Google DeepMind 发布 Gemini 3.5 模型家族,首发 3.5 Flash,定位为面向智能体与编码的前沿模型,即日起通过 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API、Android Studio 以及 Gemini Enterprise 等渠道开放。
推荐理由:官方给出 3.5 Flash 在编码与智能体基准上的成绩和开放入口,可据此判断速度与成本取舍。
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,可迭代生成、辩论和演化科学假设。
推荐理由:原文给出多智能体系统的三阶段架构与多个实验室验证案例,可了解 AI 参与科学假设生成的具体机制。
Google DeepMind 发布 AlphaEvolve 推出一周年的影响汇总,这款由 Gemini 驱动的编码智能体已从试点成为 Google 基础设施的核心组件,用于优化下一代 TPU 设计、缓存替换策略和 Spanner 存储。
推荐理由:官方汇总 AlphaEvolve 一年落地案例,覆盖 TPU 设计、基因组学与商业客户,可看编码智能体的实际边界。
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协助患者诊疗。在 98 个真实初级保健查询的盲评中,该系统 97 例无关键错误,医生更偏好其回答而非现有证据合成工具;在 20 个模拟远程问诊场景、140 项问诊技能评估中,专家医生整体表现更好,但 AI 在 68 项上达到或超过初级保健医生水平。
推荐理由:Google DeepMind 公开 AI co-clinician 研究,含 98 例零关键错误与 140 项问诊能力对比,可看医疗智能体的能力边界。