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。

最新精选

第 261–280 条 · 共 312 条
4月30日周四
4月23日周四
4月22日周三
  1. Google DeepMind62

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,将大规模训练拆分为解耦的计算岛并异步传输数据,从而隔离局部硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入,用 Gemma 4 模型验证其基准 ML 性能与传统训练方法持平。

    推荐理由:原文给出分布式训练在带宽、故障隔离和跨代硬件上的实测结果,可据此判断大规模预训练基础设施的演进方向。

4月16日周四
  1. Google DeepMind62

    Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型

    Google DeepMind 发布 Gemini 3.1 Flash TTS,一款主打可控性与表现力的文本转语音模型,已在 Gemini API 和 Google AI Studio 面向开发者预览、在 Vertex AI 面向企业预览,并通过 Google Vids 向 Workspace 用户开放。

    推荐理由:官方给出音频标签控制方式、Elo 分数与多语言覆盖,可据此判断语音生成的可控性进展。

4月13日周一
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力

    Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其面向机器人的推理优先模型升级版,增强了空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计和数字读数。

    推荐理由:官方给出与上一代及 Gemini 3.0 Flash 的对比,并新增仪表读数能力,可据此判断机器人在设施巡检中的自主程度。

4月3日周五
3月31日周二
  1. Google Research70

    谷歌研究:负责任地披露量子漏洞以保护加密货币

    谷歌研究团队探讨了未来量子计算机破解加密货币保护机制的潜在能力,并提出了应对措施,包括过渡到抗量子密码学。

    推荐理由:原文提出了量子计算机对加密货币安全的潜在威胁,并提供了应对策略,读者可以了解量子计算对加密货币行业的影响和应对措施。

3月29日周日
  1. Google DeepMind62

    Google DeepMind 用 Gemini 重构鼠标指针,Chrome 与 Googlebook 已落地

    Google DeepMind 公布由 Gemini 驱动的 AI 指针实验,提出维持心流、展示与讲述、用 This 和 That 指代、把像素变成可操作实体四条交互原则,目标是让 AI 跨应用理解用户指向的内容与意图。

    推荐理由:Google DeepMind 公布 AI 指针的四条交互原则,并说明这些原则已进入 Chrome 与 Googlebook 的实际产品。

3月26日周四
  1. Google DeepMind72

    Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型

    Google DeepMind 发布 Gemini 3.1 Flash Live,称其为目前质量最高的音频与语音模型,精度更高、延迟更低。该模型在 ComplexFuncBench Audio 上取得 90.8%,在 Scale AI 的 Audio MultiChallenge 上开启 thinking 后取得 36.1%。

    推荐理由:官方给出语音模型的基准成绩与多端开放入口,可据此判断实时语音智能体的能力边界。

  2. Google DeepMind50

    Google DeepMind 发布 AI 有害操纵测量工具包与万人实验结果

    Google DeepMind 发布关于 AI 有害操纵的新研究,称其为首个经实证验证、可在真实世界测量此类操纵的工具包,并公开了用同一方法开展人类受试者研究所需的全部材料。

    推荐理由:Google DeepMind 公开了首个经实证验证的 AI 有害操纵测量工具包,并给出跨英、美、印三国万人级实验的关键结论。

3月25日周三
  1. Google Research70

    Google Research发布Vibe Coding XR工具加速AI+XR原型设计

    Google Research发布Vibe Coding XR工具,利用Gemini和XR Blocks框架,将自然语言直接转换为功能性的XR应用,缩短了XR原型设计的时间。

    推荐理由:原文介绍了Vibe Coding XR工具,它利用Gemini和XR Blocks框架,将自然语言直接转换为功能性的XR应用,缩短了XR原型设计的时间。读者可以了解该工具如何改变XR原型设计流程。

3月4日周三
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.1 Flash-Lite

    Google DeepMind 推出 Gemini 3.1 Flash-Lite,这是 Gemini 3 系列中速度最快、成本最低的模型,即日起通过 Gemini API 在 Google AI Studio 面向开发者预览,并通过 Vertex AI 面向企业开放。

    推荐理由:官方给出价格、速度与基准数据,读者可据此判断高并发场景下的成本与延迟取舍。

2月27日周五
2月20日周五
2月19日周四
  1. Google DeepMind62

    Gemini 应用上线 Lyria 3 音乐生成,支持文本与图片生成 30 秒曲目

    Google DeepMind 的 Lyria 3 音乐生成模型以 beta 形式在 Gemini 应用上线,用户用文本或上传图片、视频即可生成 30 秒带歌词或纯音乐的曲目,并配有 Nano Banana 生成的封面图。

    推荐理由:官方披露 Lyria 3 在 Gemini 应用中的生成方式、语言覆盖与 SynthID 音频验证能力,可据此判断音乐生成的使用边界。

2月13日周五
  1. Google DeepMind72

    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。

2月10日周二