Google DeepMind 与 Isomorphic Labs 公布生物韧性方案，向受信伙伴开放 AI 模型
Google DeepMind 与 Isomorphic Labs 公开联合生物韧性方案，过去 12 个月推进超过 15 项与政府机构、生物安全组织和研究团体的合作，并向受信伙伴开放 AI 模型与智能体，覆盖预防、检测、响应三方面。
全部 AI 动态
Google DeepMindAI 评分5656
Google DeepMindAI 评分4040 Google DeepMind 推出 Gemini 驱动的 ATL Saathi 教育应用试点
Google DeepMind 推出由 Gemini 驱动的 Web 应用 ATL Saathi 实时试点，为印度 Atal Tinkering Labs 教师提供 24/7 备课与培训助手，首批覆盖 100 所试点学校。
Berkeley AI ResearchAI 评分4949 智能近乎免费，然后呢？面向、由、属于 Agent 的数据系统
Berkeley AI Research：近零推理成本将为数据系统带来三类挑战——面向 Agent、由 Agent 管理、由 Agent 合成。GPT-4 级能力每百万 token 成本从约 $30 降到不足 $1，推理价格每年下降 9x 到 900x。80-90% 子查询为重复工作，但更多 agent 尝试可显著提升任务成功率。
Google DeepMindAI 评分5252 Google DeepMind 与 A24 宣布研究合作，Google 同时投资 A24
Google DeepMind 与 A24 宣布一项以研究为核心的首创性合作，帮助创作者开发新的工作流与技术，让未来工具由使用它们的人来塑造。双方将围绕多个项目展开长期研发协作，A24 及其电影创作者可直接参与技术塑造，Google DeepMind 则获得来自一线艺术家的反馈与指导。
Berkeley AI ResearchAI 评分4343 2026 BAIR 博士毕业生展示
BAIR 庆祝 2026 届博士毕业生，研究覆盖机器人与具身智能、大语言模型与推理、计算机视觉、生成模型与 AI 安全等领域。毕业生将走向教职与博士后岗位、业界研究实验室和自创的初创公司，其中 Hanlin Zhu 将加入 OpenAI，Charlie Snell 将加入 Physical Intelligence。
Google DeepMind精选AI 评分7373 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。
Google DeepMind精选AI 评分6868 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。
Google DeepMindAI 评分4040 Google DeepMind 与英国政府合作推出基于 Gemini 的 AI 规划审批原型
Google DeepMind 与英国政府、Google Cloud 等合作，基于 Gemini 开发 AI 规划审批原型，目标把房主规划申请的决策时间缩短 50%。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 AI Control Roadmap 智能体安全框架
Google DeepMind 发布 AI Control Roadmap 框架，用纵深防御方式管理内部部署的先进 AI 智能体，并同步发布面向政策制定者的技术框架 Three Layers of Agent Security。
推荐理由：原文给出把不可信智能体视作内部威胁的整套做法，以及按模型能力分级的检测与响应指标，对建设智能体安全体系有直接参考价值。
Google DeepMind精选AI 评分7575 Google DeepMind 开源实验模型 DiffusionGemma，文本生成提速最高 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，用文本扩散方式一次并行生成整段文本，在专用 GPU 上文本生成速度最高提升 4 倍。
推荐理由：把扩散式并行解码用到 26B MoE 文本模型上，讲清了本地低并发场景下速度与质量的取舍边界。
Google DeepMindAI 评分5050 Google DeepMind 联合多方发起最高 $10M 的多智能体 AI 安全研究资助
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 与 Google.org 启动最高 $10M 的技术研究资助，面向全球研究人员征集大规模多智能体 AI 系统安全研究提案。
Google DeepMind精选AI 评分7373 Gemini 3.5 Live Translate 发布，支持 70+ 语言近实时语音翻译
Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate，可自动检测 70+ 语言并连续生成流畅自然的译音，保留说话人的语调、节奏和音高，全程只落后说话人几秒。
推荐理由：解释了连续生成与等待上下文之间的取舍，读者可据此理解近实时同传的延迟表现。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemma 4 12B：无编码器统一多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的无编码器统一多模态模型，16GB 内存或统一显存即可运行。其基准表现接近 26B MoE 模型但内存占用不足一半，视觉与音频输入直接进入 LLM 主干，并配备 Multi-Token Prediction（MTP）drafter 降低延迟，采用 Apache 2.0 许可。
推荐理由：讲清了去掉多模态编码器如何降低延迟与内存占用，读者可据此判断本地跑智能体的可行性。
Google DeepMindAI 评分4848 Google DeepMind 启动 Robotics 加速器，遴选欧洲 15 家机器人初创公司
Google DeepMind 启动为期 3 个月的 Google DeepMind Accelerator: Robotics 项目，从欧洲选拔出 15 家早期机器人初创公司加入。
Google DeepMind精选AI 评分6565 Google DeepMind 公布塞拉利昂 AI 数学教学预注册试验结果
Google DeepMind 公布了在塞拉利昂开展的 Guided Learning 预注册试验结果，使用该工具的学生数学成绩比对照组提高 0.258 个标准差，八周内约合 1.2 到 1.7 年的常规学习进展。
推荐理由：一次预注册试验给出了 AI 辅导的效应量与真实使用率数据，可作为评估教学效果的量化参照。
Google DeepMindAI 评分2828 Google DeepMind 在亚太启动 Accelerator 项目应对环境风险
Google DeepMind 启动首届亚太 Accelerator 项目，聚焦「AI for the Planet」，面向该地区的初创公司、研究团队和非营利组织，用前沿 AI 解决自然、气候、农业、能源等领域的问题。
Google DeepMindAI 评分5151 Co-Scientist 加速寻找逆转细胞衰老的基因线索
Google DeepMind 介绍其 Co-Scientist 帮助生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室加速细胞衰老研究：它扫描数万篇论文后提出 20 多个新颖的候选基因因子，实验室测试验证了其中数个假设，其推荐的因子成功让细胞进入更年轻、整体功能改善的状态。同时它把大型基因筛选数据结合多年分散文献的分析工作从最长六个月缩短到几天。
Google DeepMindAI 评分5656 Project Genie 接入 Google Street View 并向 Google AI Ultra 订阅者开放
Google DeepMind 为 Project Genie 新增 Street View 影像锚定能力，并将其逐步开放给全球符合条件的 Google AI Ultra $200 订阅者（18+）。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash，可将图像、音频、视频和文本任意组合作为输入来生成视频，并支持用自然语言多轮编辑且保持角色与场景连贯。
推荐理由：原文写清了输入组合、对话式多轮编辑与分阶段开放节奏，便于判断它会怎样进入现有视频创作流程。
Google DeepMindAI 评分5454 Google DeepMind 推出 Gemini for Science 三款科研实验工具与 Science Skills
Google DeepMind 发布 Gemini for Science，在 Google Labs 上线三款实验工具并开始逐步开放注册：Hypothesis Generation 基于 Co-Scientist 用多智能体“想法锦标赛”生成并互相评审假说。
Google DeepMind精选AI 评分7070 Google DeepMind 扩展 SynthID 与内容验证工具，覆盖 Search、Gemini、Chrome、Pixel 和 Cloud
Google DeepMind 宣布在 Search、Gemini、Chrome、Pixel 和 Cloud 扩展内容透明与验证工具，SynthID 已为超过 1000 亿张图片和视频、60,000 年音频加水印。
推荐理由：原文列出 SynthID 的水印覆盖规模与各产品的验证入口，读者可据此判断内容溯源已落地到哪些日常场景。
Google DeepMindAI 评分4848 Google DeepMind 与新加坡政府启动新国家 AI 合作
Google DeepMind 启动新加坡新一轮国家 AI 合作项目，覆盖医疗与生命科学、教育、可持续发展及负责任 AI，作为 Google 与新加坡政府 National AI partnership 的关键支柱。
Google DeepMindAI 评分4242 Google DeepMind Co-Scientist 寻找新发传染病背后的分子开关
剑桥大学教授 Clare Bryant 使用 Google DeepMind 的 Co-Scientist 生成并排序研究假说，锁定了一个此前不在她视野中的蛋白及与其关联的多条信号通路，其团队正在构建含该氨基酸突变的细胞系来验证这些细化后的假说。
Google DeepMindAI 评分3434 Co-Scientist 助力 Calico Life Sciences 开辟衰老研究新路径
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 使用 Co-Scientist 连接衰老生物学中分散的发现并生成可检验的假设，已就 integrated stress response（ISR）如何受代谢调控产出新发现，团队计划发表结果。
Google DeepMindAI 评分5656 Google DeepMind 用 Co-Scientist 加速发现肝病机制
Google DeepMind 介绍爱丁堡大学生物工程师 Filippo Menolascina 团队用 Co-Scientist 检索文献并生成假说，其中把 NLRP3 inflammasome 认定为 MASH 中连接炎症与代谢的分子桥梁的假说随后经实验验证。
Google DeepMindAI 评分4040 Co-Scientist 联合生物学工具包，探索 ALS 研究新方法
Google DeepMind 的 Co-Scientist 帮助 MIT 的 Ritu Raman 快速梳理 ALS 领域庞杂且相互矛盾的文献，把原本需数月的工作压缩，并将想法转为可检验假设、按可行性和风险回报排序研究方向。
Google DeepMindAI 评分5757 斯坦福团队用 Co-Scientist 筛选肝纤维化重定位药物，两项候选实验见效
斯坦福大学医学院遗传学家 Gary Peltz 团队借助 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选可重定位用于肝纤维化的药物，研究发表于 Advanced Science。
Berkeley AI ResearchAI 评分5858 自适应并行推理：高效推理扩展的下一范式
Berkeley AI Research 发布长文综述自适应并行推理（APR），分析让模型自行决定何时分解子任务、开多少并发线程、如何协调线程的研究进展。
Berkeley AI ResearchAI 评分3838 GRASP：长时域世界模型的基于梯度规划
GRASP 是一种新的基于梯度的规划器，让基于学习动力学的世界模型的长时域规划变得可行。它通过把轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中加入随机性用于探索、并重塑梯度让动作获得干净信号而避开高维视觉模型中脆弱的 state-input 梯度。该方法针对的痛点是长时域 rollout 中 Jacobian 条件数随时间 T 指数恶化导致的梯度爆炸/消失，以及非贪心结构造成的坏局部极小值。
Berkeley AI ResearchAI 评分4747 成像系统的信息驱动设计
Berkeley AI Research 在 NeurIPS 2025 论文中提出一个按信息含量直接评估和优化成像系统的框架。该信息指标在彩色摄影、射电天文、无透镜成像和显微四个领域都能预测解码器性能，优化它得到的设计匹配端到端方法，同时更省内存和算力、无需任务特定解码器设计。互信息仅从含噪测量与噪声模型直接估计，且是真实信息量的上界。
Berkeley AI ResearchAI 评分4848 不依赖 TD learning 的强化学习
Berkeley AI Research 介绍一种以分治（divide and conquer）取代 TD learning 的 off-policy 强化学习价值学习方法：把轨迹切成等长两段组合价值，Bellman 递归次数可从线性降为对数级。作者与 Aditya 共同主导的近期工作已把该方法扩展到 goal-conditioned RL 等复杂任务。