Google 扩展内容透明度与验证工具，让媒体创建和编辑来源更易辨识
Google 将内容透明度与验证工具扩展至 Search、Gemini、Chrome、Pixel 和 Cloud，帮助辨识媒体来源与编辑历史。
推荐理由：将生成内容水印与相机原始内容凭证结合，提供了理解媒体来源的双向思路，而不只是判断一份文件是否由 AI 生成。
#多模态
#多模态
今日 3 条Google DeepMind精选AI 评分8181
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 3.5 系列，率先开放面向智能体与编码的 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，率先开放 3.5 Flash，面向复杂、长流程的智能体与编码任务。官方称其在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）和 MCP Atlas（83.6%）等基准上超过 Gemini 3.1 Pro，输出 token 速度为其他前沿模型的 4 倍。
推荐理由：官方将智能体与编码基准表现同输出速度、成本放在一起比较，为评估长流程任务中的性能与延迟取舍提供了具体参照。
Google DeepMind精选AI 评分6565 Google DeepMind 探索以 AI co-clinician 支持医生监督下的医疗协作
Google DeepMind 宣布 AI co-clinician 研究计划，探索让 AI 在医生监督下辅助临床决策，并通过实时音视频与患者互动。系统在 98 个真实情境式初级诊疗问题中有 97 个未出现关键错误；在模拟远程问诊评估的 140 项能力中，68 项达到或超过初级保健医生水平，但医生总体表现更好，尤其在识别危险信号和指导关键体格检查方面。
推荐理由：研究将证据检索与远程问诊分开评估，呈现了医疗智能体在信息支持上的进展与临床判断上的差距，为理解医生监督的必要性提供具体依据。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强具身推理与仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人空间推理、多视角理解和任务完成检测，并新增仪表读数能力。官方称其相关能力较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 改善，仪表读数结合视觉推理、图像放大、点位标注与代码执行，可处理压力表、液位计等设施巡检场景。
推荐理由：多视角任务完成判断与仪表读数案例，把具身推理的改进落到机器人重试决策和设施巡检这两个具体应用环节。
Google DeepMind精选AI 评分8787 Google DeepMind 推出 Gemma 4，以 Apache 2.0 许可开放四种尺寸模型
Google DeepMind 发布 Gemma 4 开放模型系列，采用 Apache 2.0 许可，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，面向高级推理与智能体工作流。
推荐理由：不同尺寸对应的硬件要求、上下文窗口与模态差异，为开发者在端侧离线运行和工作站部署之间选型提供了具体依据。
Google DeepMind精选AI 评分7373 Google DeepMind 探索 AI 时代的鼠标指针，将 Gemini 交互融入 Chrome 与 Googlebook
Google DeepMind 展示由 Gemini 驱动的实验性 AI 指针，并将相关交互原则用于 Chrome 和 Googlebook。其设计结合指向位置、视觉与语义上下文及语音，让用户用“这个”“那个”等简短表达提出请求，实验演示可在 Google AI Studio 体验。
推荐理由：将指向位置、视觉上下文与语音结合的交互设计，为减少用户在不同应用间搬运内容和编写详细提示词提供了具体思路。
Google ResearchAI 评分4343 绘制现代世界地图：S2Vec 如何学习城市的语言
Google Research 的 S2Vec 通过自监督学习生成建成环境的通用嵌入向量，用于预测人口密度等地理指标。它将地理特征栅格化，再以掩码自编码学习空间关系，无需人工标签。评测中，其在零样本地理适应任务上通常是表现最佳的单一模型，但树木覆盖、海拔等环境任务仍需改进。
Google ResearchAI 评分5757 Google Research 在 The Check Up 展示医疗 AI 从研究走向真实诊疗场景的进展
Google Research 在今天的 The Check Up 活动中汇总医疗 AI 研究进展，涵盖个性化健康、临床辅助、开发者模型、公共卫生与生物医学发现。
Mistral AIAI 评分5151 Mistral AI 推出 Forge，支持企业用自有知识训练定制模型
Mistral AI 推出 Forge，让企业基于专有数据构建并持续改进模型，支持预训练、后训练和强化学习。系统支持稠密与 MoE 架构及多模态输入，企业可在自身基础设施环境中运行模型，并使用内部基准、合规规则和领域任务进行评估。Mistral Vibe 等自主智能体可借助 Forge 微调模型、寻找最优超参数、调度任务和生成合成数据，Forge 则负责基础设施并监控相关基准是否出现性能退化。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，整合推理、多模态与智能体编码能力
Mistral 发布 Mistral Small 4，以 Apache 2.0 许可开放，将推理、多模态和智能体编码能力整合进单一模型。该模型采用 MoE 架构，总参数为 119B，每个 token 激活 6B 参数（计入嵌入与输出层为 8B），支持 256k 上下文窗口、文本与图像输入，并可通过 reasoning_effort 调节推理强度。
推荐理由：将可调推理、图像输入与编码能力放进同一开放模型，为需要兼顾多类任务与部署效率的团队提供了减少模型切换的选型思路。
Mistral AIAI 评分5353 Mistral AI 与 NVIDIA 合作，计划共同开发前沿开源模型
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，并计划与 NVIDIA 共同开发前沿开源 AI 模型。Mistral AI 将贡献模型架构、训练技术、多模态能力及微调工具，NVIDIA 提供算力、模型开发工具和合成数据生成流水线。
Mistral AI精选AI 评分6666 Mistral AI 发布 Mistral OCR 3，提升手写、扫描件与复杂表格识别能力
Mistral AI 发布 Mistral OCR 3，官方称其在表单、扫描文档、复杂表格和手写内容上的整体胜率较 Mistral OCR 2 达到 74%。模型支持提取文本与嵌入图像，输出带 HTML 表格结构的 Markdown，价格为 $2 per 1,000 pages，Batch-API 提供 50% 折扣后为 $1 per 1,000 pages。
推荐理由：对文档处理流程而言，表格结构保留、批量价格与向后兼容信息提供了具体依据，可用于评估升级成本和接入方式。
Mistral AI精选AI 评分8080 Mistral AI 发布 Devstral 2 编码模型系列与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型，并推出支持端到端代码自动化的开源助手 Mistral Vibe CLI。
推荐理由：两种规模模型的基准成绩、许可差异与硬件要求提供了具体选型依据，可用于权衡编码智能体的性能需求和本地部署条件。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral 3，涵盖 Large 3 与 3B、8B、14B 小模型
Mistral 发布 Mistral 3 系列，包括 3B、8B、14B 的 Ministral 3，以及激活参数为 41B、总参数为 675B 的混合专家模型 Mistral Large 3，均采用 Apache 2.0 许可证。
推荐理由：从端侧稠密模型到大型混合专家模型均采用宽松许可证，并给出压缩格式与硬件部署条件，为不同资源预算下的模型选型提供参考。
Mistral AIAI 评分4444 Mistral AI：面向德国的 AI
Mistral AI 扩大对德国的长期投入，与 SAP 和 Helsing 推进战略合作，并计划在未来几个月开设德国办公室、扩充当地团队。与 SAP 的多年合作将打造面向德国和欧洲的主权 AI 技术栈，将模型整合至 SAP AI Foundation；与 Helsing 的合作将加速开发用于国防与安全的视觉-语言-动作模型。
Mistral AIAI 评分4545 如何通过微调释放 Pixtral-12B 在卫星影像上的潜力
Mistral AI 展示了 Pixtral-12B 的卫星影像微调方法，微调后分类表现较基础模型显著改善。案例采用 AID 数据集，划分 8,000 个训练样本和 2,000 个测试样本，针对易混淆场景类别进行适配。开发者可通过微调 API 或 LaPlateforme UI 启动微调任务。
Mistral AI精选AI 评分7171 Mistral AI 更新 Le Chat，新增深度研究、语音模式与项目空间
Mistral AI 为 Le Chat 新增 Deep Research 预览模式、语音模式、原生多语言推理、Projects 和高级图像编辑。Deep Research 可规划任务、澄清需求、搜索并生成带引用的结构化报告；语音模式由 Voxtral 支持，多语言推理由 Magistral 驱动。
推荐理由：项目空间能保留文件、工具与设置，为需要持续研究和多轮交流的工作提供上下文组织方式，减少跨会话整理材料的负担。
Mistral AI精选AI 评分7171 Mistral AI 发布 Mistral Medium 3，主打性能、成本与企业部署的平衡
Mistral AI 发布 Mistral Medium 3，面向编码、多模态理解等企业场景，支持混合部署、本地部署及 in-VPC 部署。官方称其各项基准表现达到或超过 Claude Sonnet 3.7 的 90%，价格为 $0.4 input / $2 output per M token，并可在至少 4 个 GPU 的自托管环境中部署。
推荐理由：将基准表现、API 价格与自托管条件放在一起比较，为企业在模型能力、使用成本和部署方式之间取舍提供了具体参考。
Mistral AI精选AI 评分7474 Mistral AI 发布 Mistral Small 3.1，增强多模态理解并支持 128k token 上下文
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens。
推荐理由：单张消费级显卡或指定内存的电脑即可运行，加上开放的基础与指令检查点，为端侧多模态应用的部署和定制提供了具体参考。
Mistral AI精选AI 评分7676 Mistral 发布文档理解模型 Mistral OCR，API 定价为 1000 pages / $
Mistral 发布 Mistral OCR 文档理解模型，可从图片和 PDF 中按顺序提取交错的文字与图像，处理表格、公式及复杂布局。其已成为 Le Chat 的默认文档理解模型，API mistral-ocr-latest 今日在 la Plateforme 开放，定价为 1000 pages / $，批量推理时每美元可处理的页数约翻倍。
推荐理由：对需要处理复杂文档的检索系统，按顺序提取交错的文字与图像比单纯转录文本更有参考价值，也更贴近多模态资料的接入需求。