Gemini 推出智能体视频理解能力，token 消耗最高降低 88%
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 与 3.5 Flash-Lite 上线智能体视频理解能力，token 消耗最高降低 88%、成本最高降低 66%、准确度最高提升 7%。
推荐理由：原文给出最高 88% 的 token 降幅与 66% 的成本降幅，并说明按标准 API 计费、无额外功能费的开启方式，便于开发者评估接入成本。
Google / Gemini
全部主题Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
最新精选
第 41–60 条 · 共 89 条Google DeepMind精选AI 评分8080
Google DeepMind精选AI 评分8080 Gemini Omni 1.1 Flash 发布，带来更强创意控制与生成视频能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一套新的创意控制与生成视频能力，可通过 Gemini API 在 Google AI Studio 或企业 Agent Platform API 使用。
推荐理由：相比此前只能参考最后一秒，Omni 1.1 可分析最多 10 秒前文，场景延长以 10 秒为步进累计至 40 秒，读者可据此判断它对连续叙事工作流的价值。
Google DeepMind精选AI 评分7575 Gemini 3.5 Transcribe 发布：实现更精准的智能实时语音转录
Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe，提供实时流式与预录制两种 API。据 Artificial Analysis 测量，其流式平均词错率为 4.0%，非流式为 2.6%，最终转录时间较 Chirp 3 缩短 70%。模型支持 85 种以上语言、自定义词汇表与函数调用，现已通过 Google AI Studio 等平台推出公开预览。
推荐理由：相比上一代 Chirp 3，Gemini 3.5 Transcribe 将流式转录错误率降至 4.0%，最终转录时间缩短 70%，并支持函数调用与自定义词汇表。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.7 Flash
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体的最强主力模型，距 3.6 Flash 发布仅三周。
推荐理由：官方列出了 Gemini 3.7 Flash 相对 3.6 Flash 的跑分提升与半价策略，读者可据此评估编码与智能体工作流的升级幅度。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 SL2T 手语转文本模型，登陆 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，让手语 AI 首次走出实验室进入消费级产品：SL2T 驱动 Pixel 11 上 Gboard 与 Live Transcribe 的手语转文字功能，首发支持美国手语（ASL）转英语，更多设备与语言将陆续跟进。
推荐理由：SL2T 以姿态关键点而非原始视频做端到端翻译，并进入 Gboard 与 Live Transcribe，可看作无障碍交互从实验室走向消费级产品的样本。
Google DeepMind精选AI 评分8383 WeatherNext AI 模型在气旋预测中取得突破，为预报员多争取一天预警时间
Google DeepMind 在 Nature 发表论文，其 WeatherNext AI 模型在热带气旋路径、强度和风结构预测上达到 SOTA 精度，三天预报相当于以往两天水平，为预报员多争取约一天预警时间。
推荐理由：该模型以 28x28km 分辨率取得气旋路径、强度与风结构预测的 SOTA 精度，领先时间多出约一天，相当于约十年气象进展。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics ER 2，提升视频理解、任务编排与多机器人协作能力
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层大脑负责推理、规划与任务编排，并将运动执行交给底层 VLA 模型。该模型支持连续视频进度追踪、精确关键时刻识别与多机器人协作，进度分类准确率达 57.4%，关键时刻识别准确率达 91.3%。开发者现可通过 Gemini API 与 Google AI Studio 使用。
推荐理由：官方博客给出了新模型在视频理解、任务编排和多机器人协作上的能力升级与评测数据，可据此判断具身智能的落地进度。
Google DeepMind精选AI 评分6161 Google DeepMind 在 Google Flow Music 发布 Lyria 3.5，改进音乐性、歌词、人声与创作控制
Google DeepMind 发布最新音乐生成模型 Lyria 3.5，今日起在 Google Flow Music 中推出。模型在音乐性、歌词与人声三方面均有改进，歌词的提示词遵循度和结构感知提升，人声更真实且发音改善。用户可更方便地控制输出节奏与时长。
推荐理由：官方列出了 Lyria 3.5 在音乐性、歌词与人声上的改进及节奏、时长控制，可据此对照 Google 音乐生成能力的当前水位。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics 2：为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，通过三个模型为机器人带来全身智能、灵巧操作和多机协同能力。该系统可控制完整人形机器人执行耗时数分钟的多步任务，ER 2 推理模型已在 Google AI Studio 上线，On-Device 2 端侧模型仅需几小时即可适配新本体。
推荐理由：官方公布了全身控制、灵巧操作与多机协同能力，并给出端侧几小时适配新本体的指标，适合评估具身智能进展。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber 三款新模型，旨在提升规模化构建 AI 智能体的效率与可靠性。
推荐理由：原文给出了三款新模型在效率、速度和安全场景的具体基准数据与价格，读者可据此评估其在智能体工作流中的成本变化。
Google DeepMind精选AI 评分6464 Google DeepMind 与 A24 宣布达成研究合作伙伴关系
Google DeepMind 与 A24 宣布一项聚焦研究的合作，Google 同时对 A24 进行投资。双方将围绕多个项目开展长期研发，让电影人在创作流程中参与塑造新技术并拓展叙事可能性；具体目标、技术成果与创作里程碑将随合作推进逐步明确。
推荐理由：公告明确了双方将围绕多个项目开展长期研发合作，并披露 Google 对 A24 的投资，读者可据此判断 AI 技术进入影视创作流程的走向。
Google DeepMind精选AI 评分7878 Gemini 3.5 Flash 新增内置计算机使用能力
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，开发者可通过 Gemini API 与 Gemini Enterprise Agent Platform 用它构建跨浏览器、移动端和桌面环境操作的智能体。
推荐理由：计算机使用此前仅作为独立的 Gemini 2.5 模型提供，本次原生集成进 Flash 主模型，开发者可直接用它构建跨平台智能体。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 AI Control Roadmap 智能体安全框架
Google DeepMind 发布 AI Control Roadmap，提出把不可信内部智能体当作内部威胁的纵深防御框架，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：原文给出了把不可信智能体当作内部威胁的纵深防御框架，并按检测规避与攻击执行能力划分防护等级，可迁移到自家的智能体安全设计。
Google DeepMind精选AI 评分6060 Google DeepMind 联合多家机构推出最高 $10M 的多智能体 AI 安全研究资助
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持，推出最高 $10M 的多智能体 AI 安全研究资助，面向全球研究者开放申请。
推荐理由：该资助计划把研究重点从单模型安全扩展到多智能体群体行为，为预测和缓解集体涌现风险提供资金支持。
Google DeepMind精选AI 评分8484 Google 发布 Gemini 3.5 Live Translate，支持 70+ 语言近实时语音翻译
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，支持 70+ 语言的近实时语音到语音翻译，可保留说话者的语调、节奏和音高，连续生成且全程仅比说话者滞后几秒。
推荐理由：官方公布了 70+ 语言与连续生成机制，并开放 Gemini Live API 等多端入口，可据此判断实时语音翻译在会议和通话场景的可用性变化。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemma 4 12B：统一的无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款可在笔记本本地运行的多模态模型。该模型采用无编码器统一架构，视觉与音频输入直接进入 LLM backbone，仅需 16GB VRAM 或统一内存即可运行，性能接近 26B MoE 模型。它是该系列首款支持原生音频输入的中型模型，已采用 Apache 2.0 许可证开源。
推荐理由：官方给出了 16GB 内存即可本地运行的规格，以及与 26B MoE 模型的性能对比，便于开发者评估端侧部署方案。
Google DeepMind精选AI 评分6363 Google DeepMind 衡量 AI 辅助学习在塞拉利昂及更多地区的成效
Google DeepMind 在塞拉利昂完成的预注册试验显示，使用 Guided Learning 的学生数学成绩较对照组提高 +0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进度。
推荐理由：这项预注册试验显示，八周内 AI 辅助学习带来 +0.258 个标准差的数学成绩提升，其脚手架式提问模式为教育场景的 AI 应用提供了可迁移方法。
Google DeepMind精选AI 评分6666 Project Genie 上线 Street View 真实地点锚定能力并向 Google AI Ultra 用户开放
Google DeepMind 为实验性世界模型原型 Project Genie 上线 Street View 锚定能力，并即日起向全球符合条件的 Google AI Ultra（$200，18 岁以上）订阅者逐步开放。
推荐理由：官方讲清了 Street View 锚定如何把世界模型从虚拟训练环境扩展到真实地点模拟，读者可据此判断其对具身智能训练的价值。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini Omni Flash 模型
Google DeepMind 发布 Gemini Omni 系列首款模型 Gemini Omni Flash，支持将图像、音频、视频和文本组合作为输入生成高质量视频。
推荐理由：原文给出了 Gemini Omni Flash 的多模态输入与对话式编辑能力，读者可据此判断其视频生成工作流的变化。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 Gemini for Science 科研工具集，推出三款实验工具与 Science Skills
Google DeepMind 推出 Gemini for Science 科研工具集，今天起逐步开放三款 Google Labs 实验工具，并上线 Google Antigravity 的 Science Skills。
推荐理由：原文清楚列出了三款实验工具与 Science Skills 的能力边界，读者可据此判断智能体在科研流程中的具体落点。