跳到正文
只看一手#Google
  1. Google DeepMind80

    Google DeepMind 发布前沿模型 Gemini 4 Argon

    Google DeepMind 发布前沿模型 Gemini 4 Argon，输出 token 上限从 64K 提升至 1M，介绍价为每百万输入 token 2 美元、输出 10 美元，缓存输入按输入价 95% 折扣。

    推荐理由：文章给出 1M 输出 token 与分阶段放量的思路，读者可据此判断长程任务能力如何与安全节奏配套。

  1. Google DeepMind63

    Google DeepMind 发布 SynthID Bio，为 AI 生成蛋白质添加水印

    Google DeepMind 发布 SynthID Bio，把水印技术带入合成生物学，可在氨基酸序列和预测 3D 结构坐标中嵌入不可感知的签名，并在实验室测试中保持蛋白质的生物学功能。

    推荐理由：原文给出了湿实验验证数据与 DNA 合成筛查场景，读者可据此理解水印如何在不损害蛋白功能的前提下进入生物安全防线。

  1. Google DeepMind64

    Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，口型同步覆盖 97 种语言

    Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为原生实时对话模型加入近实时视频生成的可视化形象，同步起在 Gemini Enterprise 中开放。

    推荐理由：文中说明了异步工具调用与语音对话并行的实现方式，对做企业级语音智能体的读者有直接参考价值。

  1. Google DeepMind70

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音生成模型

    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，支持用自然语言提示词从零生成角色声音，并逐行控制表演提示、节奏、口音变化与接话插话。

    推荐理由：文中给出 Hume AI 与 Voice Arena 的具体名次和分数，读者可据此判断这两款 TTS 相对现有方案的水平。

  1. Google DeepMind74

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

    Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，面向语音智能体带来近实时推理升级。

    推荐理由：两个版本的分工和基准分数写得很清楚，读者可以直接据此判断自己的语音场景该选哪一档。

  1. Google DeepMind73

    Google DeepMind 发布 WeatherNext 3，天气预报分辨率提升至 5 公里

    Google DeepMind 与 Google Research 发布 WeatherNext 3，据 Brightband 独立实时评测是迄今最先进准确的全球天气 AI 模型，每小时基于实时卫星数据生成一次预报。

    推荐理由：模型改为直接学习实时卫星与站点观测，读者可据此看清它与依赖 NWP 数据的前代模型在训练来源上的差异。

  2. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两个新模型，均基于同一核心智能，定价与 3.7 Flash 相同，为 $0.75 per million input tokens 和 $3.75 per million output tokens。

    推荐理由：文中列出的多项基准成绩与每百万 token 定价，便于读者横向比较新模型的能力与成本。

  1. Google DeepMind71

    Gemini 推出 agentic video understanding，token 消耗最多降 88%

    Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上线 agentic video understanding 视频分析功能，token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。

    推荐理由：官方给出了 token、成本与准确率的具体变化和 API 启用方式，便于判断它会怎样改变长视频分析的成本结构。

  1. Google DeepMind65

    Gemini Omni 1.1 Flash 发布，新增场景延长与首尾帧插值等视频控制能力

    Gemini Omni 1.1 Flash 发布，新增场景延长、首尾帧插值、360p 快速草稿、4K 上采样和视频参考五项创意控制，已通过 Gemini API 在 Google AI Studio 与 Agent Platform API 开放。

    推荐理由：逐项给出五项新控制能力与对应 API 用法，方便开发者判断是否把生成视频流程迁到 Omni 1.1。

  1. Google DeepMind69

    Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型

    Google DeepMind 发布语音转写模型 Gemini 3.5 Transcribe，据 Artificial Analysis 测量其流式场景平均 WER 为 4.0%，非流式为 2.6%，最终转写耗时相比 Chirp 3 改善 70%，FLEURS 基准上流式与非流式 WER 分别为 5.50% 和 5.04%。

    推荐理由：原文给出流式与非流式的 WER 数据和相比 Chirp 3 的延迟改进，读者可据此评估它能否替代现有语音转写方案。

  1. Google DeepMind75

    Google DeepMind 发布 Gemini 3.7 Flash，主打编码与智能体的高性价比

    Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码与智能体的最强主力模型，发布价为 3.6 Flash 的一半，即每 1M 输入 token $0.75、输出 $3.75，优惠价持续到年底。

    推荐理由：距离 3.6 Flash 仅三周发布，价格降到一半且多项基准有两位数提升，可据此判断 Flash 系列的迭代节奏与成本变化。

  1. Google DeepMind69

    Google DeepMind 发布手语翻译模型 SL2T，落地 Gboard 与 Live Transcribe

    Google DeepMind 发布多语言手语到文本翻译模型 SL2T，首次将手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 与 Live Transcribe 上提供 ASL 到英语的手语转文字听写，可用于搜索、撰写消息并向 Gemini 提问，后续将支持更多设备与语言。

    推荐理由：文中说明了手语翻译区别于语音转写的两大难点，以及用姿势坐标替代 gloss 的设计，便于理解方案取舍

  1. Google DeepMind72

    Google DeepMind 开源 WeatherNext 气旋预报模型，三天预报精度相当于以往两天

    Google DeepMind 在 Nature 发表论文并开源 WeatherNext Cyclones、WeatherNext 2 和 WeatherNext 2-mini 三个模型，单一模型在气旋路径、强度与风场结构预报上达到 SOTA 精度，平均比以往模型多出超过 24 小时的提前量，三天预报精度相当于旧模型的两天。

    推荐理由：文中说明了单一模型同时处理路径与强度的做法，并给出比以往多出一天以上预警时间的量化口径，便于判断其应用价值。

  1. Google DeepMind61

    Google DeepMind 发布 Gemini Robotics ER 2，支持视频理解、任务编排与多机器人协同

    Google DeepMind 发布 Gemini Robotics ER 2，这是它最强的机器人具身推理模型，作为机器人的高层大脑与人对话、理解物理世界并规划多步任务，再把动作执行交给底层 VLA 模型，且能原生调用 Google Search 等工具。

    推荐理由：原文给出了相对 ER 1.6 的评测数字与开放入口，读者可据此判断它在真实机器人工作流中的可用程度。

  1. Google DeepMind70

    Google DeepMind 发布 Gemini Robotics 2 系列模型，让机器人实现全身智能

    Google DeepMind 发布 Gemini Robotics 2 系列，包含三个模型：Gemini Robotics 2 视觉-语言-动作模型（VLA）可从脚到手指控制完整人形机器人与双臂机器人，Gemini Robotics ER 2 具身推理模型负责理解指令、规划多步任务，Gemini Robotics On-Device 2 则针对本地运行优化。

    推荐理由：三个模型分别对应全身控制、具身推理与端侧适配，读者可据此看清具身智能落地的分层架构。

  1. Google DeepMind73

    Google DeepMind 发布 Nano Banana 2 Lite 图像模型并开放 Gemini Omni Flash 给开发者

    Google DeepMind 发布图像模型 Nano Banana 2 Lite，并首次把视频生成与对话式编辑模型 Gemini Omni Flash 经 Gemini API 和 Google AI Studio 开放给开发者。

    推荐理由：文中给出两款模型的定位分工、单价和开放入口，读者可据此判断是否把现有图像与视频工作流迁移过去。

  1. Google DeepMind68

    Gemini 3.5 Flash 内置 computer use 智能体操作能力

    Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，此前它只作为独立的 Gemini 2.5 computer use 模型提供，现在已原生集成进主打的 Gemini Flash 模型。

    推荐理由：原文说明了功能从独立模型到内置的路径和两项可选企业防护，读者可据此评估接入与安全权衡。