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。

114条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 81–100 条 · 共 114 条
1月28日周三
1月14日周三
  1. Google Research65

    Google 发布 MedGemma 1.5 4B 与 MedASR 开源医疗模型

    Google Research 发布 MedGemma 1.5 4B 模型和 MedASR 语音识别模型，并启动 Kaggle 黑客松。MedGemma 1.5 新增对 CT、MRI 和全切片病理图像等高维医学影像的解读能力，在内部基准测试中疾病分类准确率较上一代显著提升；MedASR 专为医疗听写微调，错误率远低于通用 Whisper large-v3 模型。

    推荐理由：原文给出了MedGemma 1.5对CT和MRI等高维医学影像的支持及具体基准提升，开发者可据此评估其在复杂医疗场景中的适配潜力。

  2. Google DeepMind68

    Google DeepMind 发布 Veo 3.1 Ingredients to Video 更新：增强一致性并支持原生竖屏

    Google DeepMind 发布 Veo 3.1 Ingredients to Video 功能更新，提升了基于参考图像生成视频的创意表现与角色一致性。此次更新首次支持原生 9:16 竖屏视频生成，并引入至 1080p 和 4K 分辨率的尖端升频技术。

    推荐理由：原文详述了 Veo 3.1 在角色一致性、原生竖屏输出及高分辨率升级方面的具体改进，为移动端创作和专业工作流提供了新的能力参考。

12月17日周三
  1. Google DeepMind86

    Google DeepMind 发布 Gemini 3 Flash：兼顾前沿智能与速度

    Google DeepMind 发布 Gemini 3 Flash，旨在以更低成本和更高速度提供接近 Pro 级别的前沿智能。该模型在 GPQA Diamond 得分 90.4%，SWE-bench Verified 得分 78%，比 Gemini 2.5 Pro 快 3 倍且平均少用 30% token。

    推荐理由：原文给出了 Gemini 3 Flash 在多项基准测试中的具体分数、定价及与上一代模型的性能对比，读者可据此评估其在速度与成本平衡上的实际竞争力。

12月16日周二
  1. Google Research65

    Google Research 推出 Gemini 驱动的 Paper Assistant Tool 为 STOC 2026 提供自动反馈

    Google Research 推出名为 Paper Assistant Tool (PAT) 的实验性工具，利用 Gemini 2.5 Deep Think 为 STOC 2026 的理论计算机科学论文提供提交前的自动反馈。

    推荐理由：原文披露了基于 Gemini 2.5 Deep Think 的 Paper Assistant Tool 在 STOC 2026 的实验数据，展示了 AI 辅助理论计算机科学论文预审核的实际效果与用户反馈。

12月13日周六
11月20日周四
  1. Google DeepMind63

    Google DeepMind 在 Gemini 应用中推出 AI 图像验证功能

    Google DeepMind 宣布在 Gemini 应用中引入 AI 图像验证功能，用户可通过上传图像询问是否由 Google AI 生成或编辑。该功能基于 SynthID 数字水印技术，结合模型推理提供内容背景信息。未来计划将验证范围扩展至视频和音频格式，并整合到搜索等更多平台中。

    推荐理由：官方介绍了在 Gemini 应用中集成 SynthID 水印检测的具体交互方式，为内容真实性验证提供了新的入口。

11月19日周三
  1. Google Research80

    Google Research 发布端到端实时语音到语音翻译模型

    Google Research 推出了一种创新的端到端语音到语音翻译（S2ST）模型，实现了仅2秒延迟的实时翻译，并能保留原始说话人的声音特征。该模型基于 AudioLM 框架和 SpectroStream 编解码技术，通过可扩展的时间同步数据获取管道进行训练，解决了传统级联系统延迟高、错误累积和缺乏个性化的问题。

    推荐理由：Google Research 发布了端到端实时语音到语音翻译模型，将延迟降至2秒并保留原声，已在 Google Meet 和 Pixel 10 中部署。

  5. Google Research82

    Google 推出 Generative UI：在 Gemini 和搜索中实现动态交互式界面

    Google Research 正式介绍 Generative UI（生成式用户界面）能力，该功能利用 AI 模型根据提示词动态生成网页、游戏或工具等完整交互体验，而非仅渲染静态内容。

    推荐理由：官方展示了基于 Gemini 3 的生成式 UI 技术，通过动态创建交互式界面替代静态文本输出，并已在搜索和助手应用中开启实验。

11月17日周一
  1. Google DeepMind78

    Google DeepMind 发布 WeatherNext 2 气象预报模型

    Google DeepMind 与 Google Research 联合发布最新气象预报模型 WeatherNext 2。该模型生成预报的速度比前代快 8 倍，分辨率提升至小时级，并能从单一输入预测数百种可能的气象情景。

    推荐理由：原文给出了预测速度、分辨率提升及数据开放入口，读者可据此评估其对气象决策和现有工作流的实际改变。

11月13日周四
  1. Google DeepMind65

    Google DeepMind 发布 SIMA 2：具备推理与自我学习能力的虚拟世界智能体

    Google DeepMind 推出新一代通用 AI 智能体 SIMA 2，通过集成 Gemini 模型实现从指令跟随到交互式游戏伙伴的跨越。SIMA 2 具备复杂推理、多模态理解及跨环境泛化能力，能在未训练过的游戏（如 ASKA）和 Genie 3 生成的全新世界中执行任务。该模型还引入了基于试错和反馈的自我改进循环，目前作为有限研究预览向部分学者和游戏开发者开放。

    推荐理由：官方展示了集成 Gemini 推理能力的 SIMA 2 在虚拟世界中的泛化与自我改进机制，为具身智能研究提供了新的技术路径参考。

11月5日周三
  1. Google Research68

    Google Research 发布太空可扩展 AI 基础设施系统设计预印本论文

    Google Research 发布名为 Project Suncatcher 的研究项目及相关预印本论文，提出构建由自由空间光链路连接的太阳能卫星星座以承载 Google TPUs 进行 AI 计算。

    推荐理由：Google Research 发布关于太空 AI 基础设施的预印本论文，详细论证了利用太阳能卫星星座承载 TPU 进行大规模计算的可行性与挑战。

10月31日周五
10月30日周四
  1. Google Research68

    Google Research 提出可证明隐私洞察系统以分析生成式 AI 使用

    Google Research 推出“可证明隐私洞察”（PPI）系统，利用大语言模型、差分隐私和可信执行环境分析非结构化生成式 AI 数据。该系统已在 Pixel Recorder 应用中部署，使用开源 Gemma 3 模型在 TEE 内对转录文本进行分类聚合，确保原始数据不离开安全边界且输出具备用户级差分隐私保证。相关代码及机密联邦分析栈已开源，允许外部验证服务器端处理仅执行隐私保护计算。

    推荐理由：原文详述了结合大语言模型、差分隐私与可信执行环境的可证明隐私洞察系统，为分析端侧生成式 AI 数据提供了兼顾透明度与用户级隐私保护的技术路径。

10月28日周二