跳到正文

#Google

今日 0 条
10月1日周四
  1. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元。

    推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准成绩和分阶段开放方式，可据此判断前沿模型的能力边界与落地节奏。

9月30日周三
  1. Google DeepMind71

    Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质加水印

    Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时实验室测试显示其生物功能未受影响。

    推荐理由：SynthID 从图像音频扩展到合成生物学，读者可了解水印如何嵌入蛋白质序列与结构而不影响功能。

  2. Google Research42

    Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制

    Google Research 发布 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，主模型保持冻结，仅用轻量"转向阻尼器"网络动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持在无法访问内部权重的黑盒、灰盒模型上做定制。

9月25日周五
  2. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的基础上为原生实时对话模型加入近实时视觉形象，可同时处理视觉与音频输入并输出带表情和唇形同步的音视频。

    推荐理由：官方披露了实时视频与语音耦合的对话能力、异步工具调用和 97 种语言支持，可据此判断企业级虚拟形象的应用边界。

9月24日周四
  1. NVIDIA Blog62

    NVIDIA 联合 Google DeepMind 等开放 2800 多种病毒的蛋白复合物预测结构

    NVIDIA 加入由 Google DeepMind、EMBL-EBI 等组成的全球研究联盟，通过 AlphaFold Database 开放 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，并公开生成流程，读者可了解开放科学在疫情准备中的具体做法。

9月23日周三
  1. Google DeepMind72

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与深度创作控制，后者面向高并发、低成本的配音与语音智能体场景。

    推荐理由：两款 TTS 模型给出语音克隆、逐行表演控制与多语言覆盖的具体能力，可据此判断语音生成工作流的变化。

9月19日周六
9月18日周五
9月16日周三
  3. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型

    Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模与成本效率，后者面向高复杂度任务与多步推理。

    推荐理由：两款语音对话模型同时发布，给出语音智能体基准成绩与开发者接入路径，可据此判断实时语音 Agent 的当前水位。

9月11日周五
9月8日周二
  1. Google DeepMind78

    Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单核苷酸变异预测

    Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 多倍，已通过网站门户免费开放给学术研究使用。

    推荐理由：DeepMind 把 AlphaGenome 的预测预计算成 1PB 全基因组图谱，读者可据此判断变异解读的门槛与规模变化。

9月4日周五
  1. Google Research31

    Google Research 研究跨人群多基因风险评分的迁移学习

    Google Research 用 UK Biobank 的数十万欧洲样本与近 20 万日本人的 Biobank Japan 数据，在 8 项临床性状上评估多基因风险评分（PRS）的跨人群迁移效果。结果显示，目标人群样本达到 15k 以上时，加入欧洲数据反而限制精度提升；遗传相关性高的性状可继续受益至 25-40k+ 样本，而 HDL、LDL 和血糖等高度人群特异性性状受益更小。

  2. Google Research60

    Google 与 HHMI Janelia 等发布完整雄性果蝇脑连接组图谱

    Google 与 HHMI Janelia 及剑桥等合作者在 Cell 发表论文，发布完整雄性果蝇大脑与中枢神经系统连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计算最大的脑图谱。

    推荐理由：Google 与 HHMI Janelia 等合作发布迄今神经元数量最多的脑图谱，读者可了解 AI 在连接组学中的具体作用。

9月3日周四
  1. Google DeepMind78

    Google DeepMind 发布 WeatherNext 3 全球天气预报 AI 模型

    Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为目前最先进的全球天气 AI 模型，可直接学习实时观测数据，每小时生成一次预报，最高分辨率达 5 公里，整体比上一代 WeatherNext 2 清晰约 5 倍。

    推荐理由：官方给出分辨率、更新频率与降水精度等具体指标，可据此判断 AI 天气预报在 Google 产品中的落地程度。

  2. Google DeepMind62

    Google DeepMind 推出 Fairwind Program，向政府与企业开放 Gemini 3.8 Flash Cyber 网络防御能力

    Google 推出 Fairwind Program，面向政府机构、关键基础设施运营商和网络安全合作伙伴限量开放其最先进的网络防御能力，首批提供 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具链，用于自主发现、验证并修复漏洞。

    推荐理由：Google 把 Gemini 3.8 Flash Cyber 与 CodeMender 组合成受限访问项目，读者可了解前沿模型在漏洞修复上的落地方式与准入条件。

9月2日周三
9月1日周二
  1. Google Research58

    Google 发布 TimesFM-3：面向多变量预测的零样本基础模型

    Google 发布 TimesFM-3，一个原生预训练支持多变量预测的零样本时间序列基础模型，参数量 3.3 亿，预训练语料超过 1 万亿个时间点。模型支持多目标、历史协变量和已知未来协变量，采用交替注意力架构与 Contiguous Patch Masking，单次前向即可输出整个预测区间及 9 个分位数。

8月28日周五
  1. Google Research66

    Google 发布行星预测引擎 PPE，自动完成地理空间建模全流程

    Google 在 Earth AI 计划下推出实验性研究能力 planetary prediction engine（PPE），可依据自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，并生成报告，把原本需要数周人工数据工程的建模过程压缩到几分钟。

    推荐理由：Google 官方给出 PPE 在公共卫生、粮食安全与疫情预测上的基准对比，可看自主地理空间建模的自动化程度。

  2. Google DeepMind74

    Google DeepMind 发布 Gemini Omni 1.1 Flash

    Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来场景延展、首尾帧插值、360p 快速草稿和最高 4K 放大等生成视频控制能力，通过 Google AI Studio 的 Gemini API 与 Agent Platform API 提供。

    推荐理由：官方给出场景延展、首尾帧插值与 4K 放大等具体能力与定价入口，可据此判断生成视频工作流的变化。

8月27日周四
  1. Google DeepMind48

    Google DeepMind 首次对 Gemini Flash Lite 开展双盲 AI 评测

    Google DeepMind 联合新加坡 AI Safety Institute、OpenMined、AVERI 和 MLCommons，首次对专有前沿模型 Gemini Flash Lite 进行双盲评测，将外部评测限制在加密“黑箱”中，防止测试题被模型提前获取用于优化性能。该方案在隐私保护环境下用保密基准测试模型，以缓解基准污染、提升评测可信度。

8月26日周三
8月22日周六
  1. Google Research39

    Google 推出 Biomarker Discovery Framework：从可穿戴传感器数据中优先筛选候选生物标志物

    Google 推出 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序结构化为迭代研究循环的多智能体系统。该系统在三个队列共 9,279 条参与者观测中自主识别出 41 个心理健康候选数字生物标志物和 25 个代谢候选标志物，并构建出睡眠时长变异性、心血管适能指数（步数除以静息心率）等新复合特征。

8月21日周五
  2. Google Research22

    Google 研究：如何用移动性数据让语言模型更深入理解地点

    Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名化移动性模式与文本描述结合，为地点生成同时编码身份与动态功能的嵌入向量。在公开基准上，该方法使访问意图预测相对提升最高 81.9%，价格水平分类提升 75.1%，繁忙度估计准确率提升 24.7%。框架通过访问对齐、空间多尺度访问传播和文本-移动性协同三步流程，缓解稀疏地点数据不足的问题。

8月17日周一
  1. Google Research60

    Google 研究 PhotoScan：用手机照片估算体成分并预测胰岛素抵抗

    Google Research 提出 PhotoScan，一个从普通 2D 手机照片估算体脂率、Android-to-Gynoid 脂肪比（A/G）和内脏与皮下脂肪面积比（V/S）的深度学习框架，用于预测胰岛素抵抗。

    推荐理由：Google 用手机照片估算体成分并预测胰岛素抵抗，给出了与 DXA 的误差对比和分类指标，可看非侵入筛查的可行性边界。

8月14日周五
8月12日周三
  1. Google DeepMind72

    Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Pixel 11 的 Gboard 与 Live Transcribe

    Google DeepMind 发布大规模多语言手语转文本模型 SL2T，首次将手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写，后续将扩展更多设备与语言。

    推荐理由：官方披露了 SL2T 的训练规模、隐私设计与基准成绩，可据此判断手语翻译进入消费级产品的可行边界。

  2. Google Research36

    Google 研究：召回而非编码是前沿 LLM 事实性的瓶颈

    Google Research 提出知识画像框架，用 WikiProfile 基准（2,150 条维基百科事实、每条配 10 道题）区分编码与召回失败。Gemini-3-Pro 和 GPT-5 有 95–98% 的事实已编码，却仍无法直接召回 26–34% 的事实，开启思考后仍有 11–12% 失败。Gemma 3 系列显示模型规模扩大主要改善存储而非取用，瓶颈正从知识获取转向知识利用。

8月6日周四
7月31日周五
  1. Google Research62

    Google Research 提出 Science One Framework：用 Chain-of-Evidence 实现可验证的自主科研

    Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并据此构建自主科研原型 Science One Framework 与自动化审计指标 CoE Audit。

    推荐理由：原文给出可验证性框架与审计指标，并对比基线系统的引用幻觉率，读者可据此理解自主科研智能体的可信度问题。