Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,首发价每百万 input token 2 美元、output token 10 美元,缓存 input 降价 95%。
推荐理由:官方给出 Argon 的定价、1M token 窗口和多项落地案例,读者可据此判断其在长程编码与科研任务上的定位。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,首发价每百万 input token 2 美元、output token 10 美元,缓存 input 降价 95%。
推荐理由:官方给出 Argon 的定价、1M token 窗口和多项落地案例,读者可据此判断其在长程编码与科研任务上的定位。
Google DeepMind 开始广泛推送 Gemini 4 Argon,同时扩大 Fairwind Program 的可信网络防御者范围。该模型在模拟网络攻击测试中解出全部 12 个端到端场景,上一代仅解出 5 个;在 Gray Swan 的间接提示注入(IPI)基准上,15 次自适应尝试的攻击成功率降至 0.7%。
推荐理由:官方公开了 Argon 在高危能力上的测试数字与三层实时防护机制,可据此了解前沿模型安全部署的具体做法。
Google DeepMind 推出 SynthID Bio,把水印技术带入合成生物学,在生物代码中嵌入不可感知的签名,使其不仅能在数字模型上、也能在合成出的实体蛋白质上被验证,同时保持其生物功能。
推荐理由:SynthID 首次延伸到合成生物学,给出可验证的生物水印路径和生物安全落地场景。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 公开 2800 多种病毒的蛋白复合物预测 3D 结构,供任何科学家免费使用。
推荐理由:NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒的蛋白复合物预测结构,读者可了解数据集规模与可复用的推理流程。
Google DeepMind 回顾 15 年游戏 AI 研究历程,从 DQN 玩转 49 款 Atari 游戏,到 AlphaGo、AlphaZero、MuZero、AlphaStar,再到由 Gemini 驱动的通用智能体 SIMA 2。
Google DeepMind 发布三款 Gemini 新模型:3.6 Flash 主打编码与知识工作,在 Artificial Analysis Index 上输出 token 用量比 3.5 Flash 减少 17%。
推荐理由:三款 Flash 新模型同时给出 token 效率、价格与基准对比,可据此判断智能体工作流的成本变化。
Google DeepMind 发布 Gemini 3.5 Flash Cyber,一个基于 3.5 Flash、针对漏洞发现与修补微调的轻量网络安全模型,称其在相关任务上优于主线 Flash。
推荐理由:轻量网络安全模型通过多次调用代替昂贵大模型,给出 CyberGym 与 Chrome 流水线上的可验证对比。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次性生成 256 个 token,在专用 GPU 上文本生成最高提速 4 倍,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 4x 推理加速的实测数字与本地低并发场景边界,读者可据此判断它适合哪些交互式工作流。
Google DeepMind 在亚太地区启动首届 Accelerator 计划,主题为"AI for the Planet",面向该地区初创公司、研究团队和非营利组织,为期三个月。入选机构将获得专家指导,并由 Google AI 专家协助将前沿 AI 与科学 AI 模型集成到其项目或产品中,覆盖自然、气候、农业、能源等领域。计划以在新加坡举办的线下 bootcamp 开营,现已开放意向登记。
Google DeepMind 介绍了生物学研究者使用 Co-Scientist 推进细胞衰老逆转研究。Co-Scientist 扫描数万篇论文并提出 20 多个可测试的新遗传因子,实验室验证了其中几个假设,相关因子成功让细胞进入更年轻状态并改善整体功能。它还将原本可能耗时长达六个月的筛选数据分析与文献比对工作缩短至几天。
Google DeepMind 发布 Gemini for Science,包含 Google Labs 上三个实验工具:基于 Co-Scientist 的 Hypothesis Generation。
推荐理由:DeepMind 把 Co-Scientist、AlphaEvolve 等研究原型打包成面向科研流程的实验工具,可据此判断通用智能体在科研场景的落地路径。
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时的分子开关。她先输入一份鸟类与人类流感研究的基金申请摘要,Co-Scientist 生成并排序出候选假说;拿到完整提案后,它又优先标出一个她此前未关注的蛋白,并逐步收敛到具体氨基酸。
Google DeepMind 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 领域互相矛盾的文献,将想法转为可检验假设并按可行性、风险收益排序,其最佳线索指向细胞表面分子互作。
Google DeepMind 发布关于 AI 有害操纵的研究结果,称建成首个经实证验证的工具,用于在真实场景中测量此类操纵。研究覆盖英国、美国、印度共 9 项实验、超过 1 万名参与者,聚焦金融和健康等高风险场景,发现 AI 在健康话题上的有害操纵效果最弱,一个领域的成功无法预测另一个领域。
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》,提出包含感知、生成、注意力、学习、记忆、推理、元认知、执行功能、问题解决、社会认知 10 项认知能力的分类体系,并配套三阶段评估协议,将 AI 表现对照人类基线分布。
Google DeepMind 回顾 AlphaGo 击败围棋世界冠军十周年,称其标志现代 AI 时代的开端。此后其搜索与强化学习方法衍生出 AlphaGo Zero、AlphaZero,并推动 AlphaFold 2 破解蛋白质折叠难题,AlphaFold 数据库已被超 300 万研究人员使用,相关成果于 2024 年获得诺贝尔化学奖。
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 在专业研究问题上的表现。该智能体带有自然语言验证器,可迭代生成、验证和修正解答,并能承认无法求解,同时借助 Google 搜索和网页浏览梳理文献以避免虚假引用。
推荐理由:两篇论文给出 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在专业数学、物理与计算机科学问题上的实际协作案例。
Google DeepMind 发布 D4RT(Dynamic 4D Reconstruction and Tracking),用统一的编码器-解码器 Transformer 加查询机制,把点追踪、点云重建和相机位姿估计等 4D 任务收敛到单一框架。
推荐理由:官方给出的效率数据与统一查询架构,可用来对照此前需要多模型拼凑的 4D 重建流程。
Google DeepMind 发布 Gemma Scope 2,一套覆盖 Gemma 3 全部模型尺寸(270M 至 27B 参数)的开源可解释性工具套件。该套件结合稀疏自编码器(SAE)与 transcoder,并新增 skip-transcoder、Cross-layer transcoder 和面向聊天版本的分析工具,可研究越狱、拒绝机制和链式推理忠实度等行为。
推荐理由:Gemma Scope 2 覆盖 Gemma 3 全尺寸并升级稀疏自编码器工具,可了解开源可解释性工具的规模与方法变化。
Google DeepMind 宣布与英国政府深化合作,将向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist 和 WeatherNext 等 AI for Science 模型。
密歇根州立大学 Berkley Walker 团队借助 AlphaFold 预测光合作用关键酶 GLYK 的三维结构,发现植物版 GLYK 的三个柔性 loop 在高温下失稳。研究人员用嗜热藻类 GLYK 中更刚性的 loop 替换这些不稳定区域,构建的杂合酶中有一个在高达 65 °C 下仍保持稳定。
AlphaFold 2 在 2020 年 CASP 14 上仅凭氨基酸序列高精度预测蛋白质结构,解决了困扰生物学界 50 年的难题,并于 2024 年获诺贝尔化学奖。
Google DeepMind 发布案例,密苏里大学的研究者借助 AlphaFold 生成原子级结构预测,再与冷冻电镜图像数据对照修正,解析出“坏胆固醇”关键蛋白 apoB100 的结构。
推荐理由:AlphaFold 与冷冻电镜结合解析 apoB100 结构,读者可了解蛋白质结构预测在疾病研究中的实际作用路径。
Google DeepMind 宣布支持美国白宫 Genesis Mission,该项国家级计划将动员美国能源部 17 个国家实验室、产业界与学术界共建一体化科研发现平台。
推荐理由:材料给出 Google DeepMind 与 DOE 合作中优先开放的具体模型清单与时间表,读者可据此判断前沿 AI 进入科研机构的实际路径。
Google DeepMind 在 Gemini 应用中上线 AI 图片验证功能,用户上传图片并提问即可检测是否由 Google AI 生成或编辑,背后依据的是 2023 年推出的 SynthID 数字水印技术。
推荐理由:Gemini 应用新增图片 AI 来源验证入口,并给出 SynthID 水印规模与 C2PA 扩展路径等关键细节。
Google DeepMind 发布 Gemini 3,首发 Gemini 3 Pro 预览版并当天上线 Gemini 应用、AI Studio、Vertex AI 和新的智能体开发平台 Google Antigravity。
推荐理由:Gemini 3 Pro 与 Deep Think 的同期亮相,加上多项基准的提升,可供读者判断前沿模型的推理与智能体能力走到哪一步。
Google DeepMind 发布 SIMA 2,通过将 Gemini 模型作为智能体核心,使其从单纯执行指令升级为能在虚拟 3D 世界中推理目标、与用户对话并自我改进的游戏伙伴。
Google DeepMind 在 Nature 发表新论文,提出一种三步对齐方法,用认知科学的"odd-one-out"任务发现视觉模型常依赖背景色、纹理等表层特征,与人类判断系统性错位。团队以 SigLIP-SO400M 为基座训练适配器作为"教师",生成含百万张图像、数百万条类人判断的 AligNet 数据集,再微调其他模型,使其内部表征按人类概念层级重新组织,从而提升鲁棒性与泛化能力。