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。

103条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 21–40 条 · 共 103 条
9月11日周五
  1. Google Research72

    ToolGrad：基于文本梯度的高效工具调用数据集生成方法

    Google Research 提出 ToolGrad，通过文本梯度迭代构建 API 工作流，以更低成本生成高质量工具调用数据。在 BFCL 基准上，基于该方法微调的 Gemma-3-12B 模型得分 83.1，超越 Gemini-2.5-pro、Claude 4.5 Opus 和 GPT-5。

    推荐理由：提出基于文本梯度的答案优先范式，以更低成本生成高质量工具调用数据，使小模型在基准上超越主流闭源模型。

9月8日周二
  1. Google DeepMind83

    Google DeepMind 发布 AlphaGenome Atlas 全基因组变异预测平台

    Google DeepMind 发布 AlphaGenome Atlas，包含人类基因组中90亿种单核苷酸变异的分子影响预测。平台提供 AVI 评分、特征归因及 DNA 序列基序，已用于发现罕见病致病突变及解析复杂性状关联。

    推荐理由：预计算了全基因组90亿种单核苷酸变异，提供AVI评分与可视化门户，加速罕见病与复杂性状研究。

9月3日周四
  1. Google DeepMind82

    Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型

    Google DeepMind 发布 WeatherNext 3，这是其最先进的全球天气 AI 模型，支持每小时更新、最高 5 公里分辨率，并引入实时卫星数据。该模型在降水预测上取得突破，准确率较前代大幅提升，已集成至 Google Search、Gemini、Google Maps 等平台，并向开发者开放数据接口。

    推荐理由：引入实时卫星数据与小时级更新，显著提升降水预测精度并开放给开发者使用。

  2. Google DeepMind87

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全版

    Google DeepMind 发布 Gemini 3.8 Flash 及 Gemini 3.8 Flash Cyber，在保持 3.7 Flash 同等低成本（$0.75/$3.75 per million tokens）的同时，显著提升了编码、推理及网络安全能力。

    推荐理由：在保持3.7 Flash同等低成本的同时，显著提升了编码、推理及网络安全能力，为开发者提供了高性价比的升级选择。

9月2日周三
  1. Google Research70

    Google与NASA合作发布基于深度学习的全球甲烷排放卫星检测框架

    Google Research与NASA JPL合作在PNAS发表论文，提出MAPL-EMIT深度学习框架，利用Swin-S视觉Transformer和360万合成数据，实现了对EMIT卫星数据中甲烷羽流的高精度检测与源定位。该模型在专家标注数据上召回率达84%，并开源了全球羽流数据库、训练模型及推理库。

    推荐理由：论文提出结合物理模拟与视觉Transformer的深度学习框架，显著提升了卫星遥感甲烷排放检测的精度与灵敏度。

  2. Google DeepMind82

    Gemini 推出智能体视频理解功能

    Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 中推出智能体视频理解功能。该功能通过动态搜索和扫描视频片段，将长视频分析的 token 消耗降低高达 88%，成本降低 66%，准确率提升 7%。

    推荐理由：Gemini 3.7 Flash 等模型新增智能体视频理解功能，通过动态检索显著降低视频分析成本并提升准确率。

8月28日周五
8月27日周四
  1. Google DeepMind82

    Google 发布 Gemini 3.5 Transcribe 语音转写模型

    Google 发布 Gemini 3.5 Transcribe 语音转写模型，提供实时流式（gemini-3.5-transcribe-live）与离线处理（gemini-3.5-transcribe）双 API。该模型支持函数调用、自定义词汇及 85 种语言，流式与非流式 WER 分别达 4.0% 和 2.6%，已集成至 Gemini 应用、Gboard 及 Chrome 等产品。

    推荐理由：模型提供实时与离线双API，WER显著降低并支持函数调用，开发者可据此构建高精度语音交互应用。

8月22日周六
8月17日周一
  1. Google Research70

    Google Research 提出 PhotoScan 利用智能手机图像估算体成分与代谢风险

    Google Research 发布 PhotoScan 框架，通过智能手机图像估算体脂百分比、躯干臀部脂肪比及内脏皮下脂肪比，预测胰岛素抵抗的精度接近 DXA 扫描。该模型在 UK Biobank 预训练并在 PhotoBIA 队列微调，独立验证显示其预测胰岛素抵抗的 AUROC 达 0.760，优于传统 BMI 和 BIA 传感器。

    推荐理由：提出利用智能手机图像估算体脂分布并预测胰岛素抵抗，精度接近DXA，为代谢风险筛查提供新路径。

8月14日周五
  1. Google DeepMind85

    Google DeepMind 发布 Gemini 3.7 Flash 模型

    Google DeepMind 发布 Gemini 3.7 Flash，在编码、智能体和复杂文档处理任务上显著优于 3.6 Flash，并提供半价定价。该模型已用于 Gemini Spark，并更新了 CBRN 和网络安全方面的安全护栏。

    推荐理由：在编码和智能体任务上性能显著提升，并提供半价定价，有助于开发者低成本扩展生产级应用。

8月12日周三
  1. Google DeepMind85

    Google DeepMind 发布 SL2T 手语翻译模型并集成至 Gboard 和 Live Transcribe

    Google DeepMind 发布多语言手语转文本模型 SL2T，首次集成至 Gboard 和 Live Transcribe，支持 Pixel 11 上的 ASL 到英语的实时流式翻译。该模型基于超过 10 万小时数据训练，采用端侧 MediaPipe Holistic 提取姿态坐标以保护隐私，在 FLEURS-ASL 基准上取得 70 BLEURT 的零样本成绩。

    推荐理由：SL2T模型首次落地Gboard与Live Transcribe，提供端侧隐私保护与流式翻译，为听障群体带来全新的交互方式。

  2. Google Research68

    Google Research：检索是参数化事实性的瓶颈

    Google Research 发布研究，提出知识画像框架并构建 WikiProfile 基准，评估发现前沿模型如 Gemini-3 和 GPT-5 的事实编码已近饱和，但直接检索失败率仍达 26–34%。研究指出长尾事实与反向问题主要面临检索困难，链式推理能恢复约 40–65% 的已编码知识，表明提升事实性的关键在于优化知识利用。

    推荐理由：研究指出前沿模型事实错误主因是检索瓶颈而非知识缺失，链式推理可恢复大量已编码知识。

  3. Google Research88

    Google 发布 AMIE 实时视频问诊研究：达到专家级临床诊断水平

    Google Research 发布论文，介绍基于 Gemini 和 Project Astra 的 AMIE (Video) 系统，该系统通过异步多智能体架构在实时视频问诊中感知视听线索并引导虚拟体格检查。在 100 个场景、300 次咨询的随机对照研究中，AMIE (Video) 在病史采集、诊断准确性和沟通质量上与 30 名初级保健医生相当，且在引导体格检查方面表现更优。

    推荐理由：研究展示了基于 Gemini 的 AMIE 系统在实时视频问诊中达到专家级水平，为医疗 AI 从文本向视听交互演进提供了实证。

8月6日周四
  1. Google DeepMind90

    Google DeepMind 开源 WeatherNext 系列气象预测模型

    Google DeepMind 开源了 WeatherNext 2 和 WeatherNext Cyclones 模型及代码，该模型在气旋预测上实现了突破，平均提供额外一天的预测精度。模型仅需 28x28km 的低分辨率输入即可达到 SOTA 精度，并支持生成 1,000 个场景的集合预测。

    推荐理由：开源了WeatherNext系列模型与代码，为气象预测提供了突破性的AI工具。

7月31日周五
  1. Google Research76

    Google Research发布Science One Framework：基于Chain-of-Evidence的可验证自主科研框架

    Google Research发布Science One Framework及Chain-of-Evidence (CoE) 框架，旨在解决AI自主科研中的可验证性问题。该框架通过构建完整的证据链，实现了零虚假引用和完全可复现的实验分数，同时在MLE-Bench和Parameter-Golf等前沿基准上达到SOTA性能。

    推荐理由：提出Chain-of-Evidence框架与CoE Audit，通过强制证据链解决AI科研幻觉，在保持前沿性能的同时实现零虚假引用。

7月30日周四
  1. Google DeepMind83

    Gemini Robotics ER 2 发布，升级视频理解与多机协作

    Google DeepMind 发布 Gemini Robotics ER 2，升级视频理解、任务编排与多机协作能力。模型通过 Gemini Live API 提供低延迟流式推理，支持进度分类与关键帧定位，开发者可通过 Gemini API 接入。

    推荐理由：模型升级视频理解与多机协作能力，提供 Gemini API 入口，开发者可据此评估物理智能体的任务编排潜力。

7月28日周二
  1. Google DeepMind85

    Google DeepMind 发布 Gemini Robotics 2 智能体模型

    Google DeepMind 发布 Gemini Robotics 2，包含 VLA、ER 和端侧三大模型，赋予机器人全身控制、精细操作与多机协作能力。Gemini Robotics ER 2 已在 Google AI Studio 开放，VLA 模型面向早期合作伙伴。

    推荐理由：原文给出了三大模型的能力边界与开放入口，读者可据此评估其在复杂物理任务中的实际落地价值。

7月17日周五
  1. Google DeepMind78

    Google 发布 Gemini 3.5 Flash Cyber 安全模型

    Google 发布 Gemini 3.5 Flash Cyber，基于 3.5 Flash 微调的轻量级网络安全模型，旨在快速发现、验证和修复漏洞。该模型通过 CodeMender 向政府和受信任合作伙伴有限开放，在内部基准测试中表现优于主版本 Flash 模型。

    推荐理由：模型针对代码安全微调，在内部基准中超越主版本，通过CodeMender限流发布，为安全团队提供低成本高效方案。

7月9日周四
  1. Google Research86

    Google Research 发布 SensorFM 可穿戴健康数据基础模型

    Google Research 发布 SensorFM，一个基于超一万亿分钟无标签多模态传感器数据训练的可穿戴健康基础模型。该模型在心血管、代谢、睡眠等35项健康任务中展现出泛化能力，并支持通过智能体自动构建预测头及作为个人健康智能体的底层支撑。

    推荐理由：基于万亿分钟无标签数据训练通用表示，为可穿戴设备健康分析提供了可扩展的底层方案。