Google DeepMind 发布 Gemma 4 12B 无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B,一款面向笔记本的 12B 多模态模型,性能接近 26B MoE 模型,可在 16GB VRAM 或统一内存上本地运行。
推荐理由:Gemma 4 12B 去掉视觉与音频编码器,16GB 内存即可本地跑,可看轻量多模态模型的新做法。
Google DeepMind 发布 Gemma 4 12B,一款面向笔记本的 12B 多模态模型,性能接近 26B MoE 模型,可在 16GB VRAM 或统一内存上本地运行。
推荐理由:Gemma 4 12B 去掉视觉与音频编码器,16GB 内存即可本地跑,可看轻量多模态模型的新做法。
Google DeepMind 推出为期三个月的 Accelerator: Robotics 项目,从欧洲选拔 15 家早期机器人初创公司,提供技术指导、产品支持和 Gemini 机器人模型等 AI 资源。入选公司本周在伦敦集结,覆盖物流、制造、医疗、气候和导航等领域,例如挪威 3D-Components 的 RobTrack 将焊接与金属 3D 打印的参数选择和质量控制提速 280 倍。
Google DeepMind 发布在塞拉利昂开展的预注册对照试验结果,使用 Guided Learning 的学生数学成绩比对照组提高 0.258 个标准差,约相当于八周内取得 1.2 至 1.7 年的常规学习进步;教师将 Gemini 用于约一半课时目标 12 小时的班级增益更高,约 1.8 至 2.5 年。
推荐理由:Google DeepMind 在塞拉利昂的预注册 RCT 显示 Guided Learning 带来约 1.2 至 1.7 年数学学习增益,并公开了实现方法。
NVIDIA 发布 Nemotron 3.5 Content Safety,基于 Gemma 3 4B IT 微调,单次推理即可统一处理多模态输入、多语言、自定义企业策略与可审计推理。
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 宣布在实验性原型 Project Genie 中上线基于 Street View 的实景 grounding 能力,用户可通过 Maps 图钉选择美国地点、搭配风格并描述角色,让生成世界的起点绑定真实影像。
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成高质量视频,并通过自然语言对话编辑视频。
推荐理由:Gemini 首个 Omni 系列模型发布,多模态输入加对话式视频编辑的入口值得关注。
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。
Google 宣布扩展内容透明度与验证工具,把 SynthID 的图片、视频、音频验证从 Gemini app 扩展到 Search,并将在未来几周进入 Chrome,Gemini 中该功能已被使用 5000 万次。
推荐理由:Google 把 SynthID 与 C2PA 验证铺到 Search、Gemini 和 Chrome,并开放云端检测 API,读者可了解内容溯源工具的实际入口与合作方。
近期开放权重模型的新架构集中解决长上下文效率问题:Gemma 4 的 E2B/E4B 变体采用跨层 KV sharing 并复用 KV 张量以压缩缓存,ZAYA1 引入压缩卷积注意力,Laguna XS.2 采用逐层注意力预算,DeepSeek V4 则结合 mHC 与压缩注意力。随着推理模型和智能体工作流保留更多 token,KV cache 大小、内存流量与注意力开销已成为主要瓶颈。
Google DeepMind 与新加坡政府达成国家级 AI 合作,在医疗、科研、教育和气候领域推出新项目。合作探索 AI 辅助临床的"三方诊疗"模式,并用 AlphaFold、Google Earth 加速东南亚疫情研究,另向 Philanthropy Asia Alliance 的健康联盟提供 700 万美元资助。
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 被 Calico Life Sciences 用于衰老生物学研究,帮助其从质量参差的文献中筛选出值得验证的假设。
爱丁堡大学团队用 Google Co-Scientist 筛选 MASH 肝病的潜在药物组合,并提出假设:NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁,解释了 resmetirom 为何仅对少数合格患者有效。该假设经实验验证,或为靶向双重疗法铺路。
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 的 Co-Scientist 帮助斯坦福大学医学院团队筛选肝纤维化候选药物:它提出的 3 个候选中有 2 个在活体人肝细胞实验中阻断纤维化并促进肝细胞再生,其中抗癌药 vorinostat 阻断了 91% 的致肝纤维化损伤反应。研究者自行挑选的 2 个药物则未见效果,Co-Scientist 的推荐指向重塑基因活性的药物。
Google DeepMind 与 Google Research 的 AI 天气模型 WeatherNext 帮助美国国家飓风中心(NHC)提前五天以 80% 置信度预测飓风 Melissa 将在牙买加以 Category 5 强度登陆,三天的置信度接近 100%,这是首次从 Category 1 风速起步预测风暴达到 Category 5 强度。
推荐理由:Google DeepMind 披露 WeatherNext 在飓风 Melissa 预警中的实战表现,读者可看到 AI 气象模型对路径与强度的同时预测能力。
Google DeepMind 发布 Gemini 3.5 系列模型,首发 3.5 Flash,主打智能体与编码的前沿性能。
推荐理由:Gemini 3.5 Flash 在编码与智能体基准上超过 3.1 Pro,且输出速度达其他前沿模型 4 倍,读者可据基准与速度数据判断其性价比。
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、辩论和演化复杂科学问题的新假设。
推荐理由:DeepMind 在 Nature 公布 Co-Scientist 的多智能体架构与各阶段分工,并给出多个实验室已落地的合作案例,可据此判断科研智能体的实际工作方式。
Google DeepMind 发布 AlphaEvolve 一年进展报告,这款由 Gemini 驱动的编码智能体已从数学和计算机科学的开放问题探索,扩展到 Google 内部基础设施与外部商业场景。
推荐理由:汇总 AlphaEvolve 一年来的落地场景与量化收益,可据此判断算法智能体在科研与基础设施中的真实渗透程度。
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的「三元照护」模式。
Google DeepMind 与韩国科学技术信息通信部(MSIT)建立合作,将在首尔办公室设立 AI Campus,面向韩国学界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。合作还探索韩国学生赴 Google DeepMind 实习机会,并与韩国 AI 安全研究所(AISI)共研安全实践。
Hugging Face 发布基于 Gemma 4 E2B 的 Transformers.js 浏览器扩展,演示如何在 Manifest V3 约束下本地运行 AI。
Google DeepMind 发布 Decoupled DiLoCo,一种将训练拆成多个解耦计算“岛屿”、异步传输数据的分布式架构,可在远距离数据中心间以更低带宽训练大语言模型。
推荐理由:原文用混沌工程和 12B 模型跨四区域实测说明解耦训练如何隔离故障并放宽带宽要求。
Google DeepMind 与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作,帮助全球企业规模化落地前沿 AI。合作包括共建行业定制 AI 方案、让合作伙伴提前使用 Gemini 系列等前沿模型,以及对接双方高层。目前仅 25% 的组织成功将 AI 规模化投入生产。
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS,提升了可控性、表现力和语音质量,在 Artificial Analysis TTS 排行榜上取得 1,211 的 Elo 分数。
推荐理由:官方给出 Elo 1211 的排行榜成绩与音频标签控制方式,可据此判断语音生成的可控性进步。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其面向机器人的推理优先模型的一次重大升级,增强了空间推理与多视角理解,并新增仪表读数能力。
推荐理由:官方给出新版本在空间推理、成功检测与仪表读数上的能力变化,以及 API 与 AI Studio 的开放入口。
Google DeepMind 发布 Gemma 4 开源模型家族,包含 E2B、E4B、26B MoE 和 31B Dense 四个规格,采用 Apache 2.0 许可。
推荐理由:Gemma 4 给出四种规格、Apache 2.0 许可与 Arena 排名,可据此判断开源模型在本地与端侧的可用边界。
Google DeepMind 在 HF 发布 Gemma 4 多模态模型家族,采用 Apache 2.0 许可,支持图像、文本和音频输入并生成文本。模型提供 E2B、E4B、12B Unified、31B 和 26B A4B 五个尺寸,最大上下文窗口 256K,其中 12B Unified 去掉独立视觉与音频编码器,直接把原始图像块和音频波形投影到 LLM 嵌入空间。
推荐理由:Gemma 4 五档模型覆盖端侧到 MoE,附各推理引擎与微调工具链的接入方式,可据此判断本地部署路径。
Google DeepMind 公布由 Gemini 驱动的 AI 指针实验,让指针不仅能识别所指内容,还能理解它对用户的意义。团队提出四条交互原则:保持工作流不中断、以指向捕捉视觉与语义上下文、支持“这个”“那个”式的口语简写、把像素转成可操作的对象。
Google DeepMind 发布音频与语音模型 Gemini 3.1 Flash Live,称其精度更高、延迟更低,已在 Gemini Live API(Google AI Studio 预览)、Gemini Enterprise 客户体验版、Search Live 和 Gemini Live 上线。
推荐理由:官方给出语音模型在多项音频基准上的分数与覆盖入口,可据此判断语音智能体的可用度。
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 Lyria 3 Pro,可生成最长 3 分钟的音乐,并能识别前奏、主歌、副歌和桥段等结构性元素。
推荐理由:Lyria 3 Pro 把单次生成时长提升到 3 分钟并支持曲式分段提示,读者可了解音乐生成在结构与产品接入上的变化。
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 Gemini 3 系列中最快、最具成本效率的模型 Gemini 3.1 Flash-Lite,今日起通过 Gemini API 在 Google AI Studio 面向开发者预览,企业可通过 Vertex AI 使用。
推荐理由:原文给出价格、速度与基准分数,可判断这款轻量模型在高频工作负载中的取舍。
Google DeepMind 发布 Nano Banana 2(Gemini 3.1 Flash Image),把 Nano Banana Pro 的先进世界知识、推理与画质带到 Flash 级速度,可调用 Gemini 知识库与网页搜索实时信息渲染特定主体,并支持图内文字渲染与翻译。
推荐理由:官方给出 Nano Banana 2 相对前代的能力清单与全线产品入口,便于判断速度与保真度取舍。
Google DeepMind 于 2 月 19 日发布 Gemini 3.1 Pro,定位为面向复杂任务的核心推理升级版,在 ARC-AGI-2 上取得 77.1% 的已验证得分,超过 3 Pro 推理表现的两倍。
推荐理由:官方给出 ARC-AGI-2 的 77.1% 得分与多产品线开放范围,可据此判断核心推理能力的提升幅度。
Google DeepMind 最新生成音乐模型 Lyria 3 以 beta 形式在 Gemini 应用上线,用户输入文字或上传图片、视频即可生成 30 秒带歌词或纯器乐的曲目,并配 Nano Banana 生成的封面图。
推荐理由:官方披露 Lyria 3 在 Gemini 中的三项能力改进与 SynthID 音频核验入口,可据此判断生成音乐的可用边界。