Project Genie 结合 Street View 模拟真实地点,并扩大全球订阅用户访问范围
Google DeepMind 为 Project Genie 新增 Street View 功能,让用户以真实地点影像为起点创建可交互世界。该功能由 Maps Imagery Grounding 支持,目前可选择美国境内地点,并搭配场景风格与角色描述生成环境,未来计划扩展地点覆盖范围。
推荐理由:以街景影像约束生成世界的起始位置,为理解世界模型如何连接真实地点与可交互虚拟环境提供了具体案例。
Google DeepMind 为 Project Genie 新增 Street View 功能,让用户以真实地点影像为起点创建可交互世界。该功能由 Maps Imagery Grounding 支持,目前可选择美国境内地点,并搭配场景风格与角色描述生成环境,未来计划扩展地点覆盖范围。
推荐理由:以街景影像约束生成世界的起始位置,为理解世界模型如何连接真实地点与可交互虚拟环境提供了具体案例。
Google DeepMind 发布 Gemini Omni 系列首款模型 Gemini Omni Flash,支持结合图像、音频、视频和文本生成视频,并通过多轮对话编辑。
推荐理由:多模态参考输入与多轮对话编辑把视频生成延伸到持续修改的工作流,音频输入和输出模态的开放边界也有明确说明。
Google 推出 Gemini for Science,包含 Google Labs 上的 3 款科研实验工具,以及可在 Google Antigravity 中使用的 Science Skills。
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。
Google 与新加坡政府建立国家级 AI 合作伙伴关系,Google DeepMind 推出多项计划,聚焦医疗、科研、教育及负责任的 AI 部署。Gemini for Education 已提供给小学至初级学院的所有教师,后续将开展培训。Google DeepMind 还将与 IMDA、MLCommons 合作研究多模态和多语言安全评测基准。
剑桥大学教授 Clare Bryant 利用 Co-Scientist 寻找病原体跨物种传播后引发人类重症的分子开关,将研究假设细化至特定氨基酸。团队正构建含相关氨基酸突变的细胞系以验证假设;若靶点正确,原需两到三年的实验工作有望在六个月内完成。
Calico Life Sciences 利用 Co-Scientist 整合衰老生物学研究,提出值得实验检验的新假设。在整合应激反应(ISR)研究中,团队借助它提出代谢调控 ISR 的假设并完善实验设计,实验已取得涉及 ISR 在健康与疾病中作用的新发现,结果计划发表。
爱丁堡大学 Filippo Menolascina 团队利用 Co-Scientist 研究代谢功能障碍相关脂肪性肝炎(MASH),提出了后来获实验验证的机制假说。
推荐理由:案例展示了从跨领域文献综合到实验检验的研究路径,为利用 AI 缩小组合疗法搜索范围提供了具体参考。
Co-Scientist 帮助 MIT 的 Ritu Raman 与波士顿儿童医院的 Ryan Flynn 联结组织建模和细胞表面 RNA 研究,探索 ALS 新路径。它协助梳理文献、提出可检验假设,并按可行性及潜在风险收益排序研究方向。两人正寻找可靶向 ALS 的新型 RNA 机制及潜在 RNA 药物。
斯坦福大学医学院 Gary Peltz 团队利用 Co-Scientist 筛选肝纤维化候选药物,其推荐的 3 种药物中有 2 种在活人类肝细胞实验中阻断纤维化并促进细胞再生。
推荐理由:同一人类肝细胞实验平台对比了研究者与模型推荐的候选药物,为理解文献检索所得假设如何转化为实验结果提供了具体案例。
WeatherNext 提前5天以80%的置信度预测飓风 Melissa 将以5级强度登陆牙买加,帮助美国国家飓风中心提前发出预警。模型同时预测路径与强度,登陆前3天的预测置信度升至接近100%;其预测与 HAFS 等物理模型、卫星及飓风侦察数据共同支持预报员决策,为当地准备和疏散争取时间。
推荐理由:案例展示了 AI 天气预测如何与物理模型、实时观测及预报员经验配合,将更早的强度预判转化为疏散准备时间。
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 在 Nature 发表 Co-Scientist 研究,该系统基于 Gemini,通过多智能体协作生成、辩论和迭代科学假设。系统结合科学文献与数据核查,以基于 Elo 的竞赛排序假设;在肝纤维化研究中,其提示的一种药物再利用候选在实验室测试中阻断了 91% 的瘢痕相关反应。
推荐理由:将假设生成、同行式批评与排序迭代拆给不同智能体,并把多数计算用于核查,为科研智能体的工作流设计提供了具体参考。
Google DeepMind 回顾 AlphaEvolve 过去一年的应用进展,这款由 Gemini 驱动的编码智能体已从试点走向核心基础设施,并拓展至多个商业领域。
推荐理由:跨领域案例把算法优化落到了错误率、可行解比例和存储写入量等具体指标上,为识别编码智能体在科研与工程中的应用空间提供参照。
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 宣布与韩国科学技术信息通信部建立合作伙伴关系,支持科研突破、AI 人才培养及安全研究。Google 将在首尔办公室设立 AI Campus,为韩国学术及研究机构提供前沿科研 AI 模型访问与合作机会。双方将探索生命科学、能源、天气及气候领域的合作,并与韩国 AI 安全研究所开展研究。
Google Photos 的 Auto frame 已支持三维感知照片编辑,可自动调整符合条件的人物照片的相机视角,并修正广角人像透视畸变。该方法先估计三维点图与相机参数并重新渲染,再用专门训练的潜在扩散模型补全新视角下的缺失区域,同时尽量保留原始可见内容。
推荐理由:相较于只能裁剪或缩放的传统编辑,这种方法通过重建三维场景再补全遮挡区域,将拍摄后的构图调整扩展到相机视角。
Google DeepMind 在新论文中提出 Decoupled DiLoCo,通过计算集群间的异步数据流隔离局部故障,实现低带宽跨数据中心训练。团队使用 2-5 Gbps 广域网络,在美国 4 个区域完成了一个 12 billion 参数模型的训练,速度比传统同步方法快 20 倍以上。
Google DeepMind 与埃森哲、贝恩、BCG、德勤和麦肯锡合作,帮助企业规模化采用前沿 AI。合作伙伴将提前获得 Gemini 系列等前沿模型的访问权限,并直接与技术团队协作,开发行业专用 AI 解决方案。合作还将连接其领导层与客户 CEO 及董事会,帮助企业规划前沿 AI 的应用。
Google 发布文本转语音模型 Gemini 3.1 Flash TTS,新增音频标签,可通过文本中的自然语言指令精细控制声音风格、语速和表达方式。模型原生支持多说话人对话及超过 70 种语言,在 Artificial Analysis TTS 排行榜获得 1,211 Elo,所有生成音频均嵌入 SynthID 水印。
推荐理由:音频标签把语气、语速和句中表达变化纳入文本输入控制,为多角色对话与本地化语音应用提供了更细粒度的创作方式。
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 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 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。