跳到正文

#DeepMind

今日 1 条
今天9月29日周二
  1. Latent Space75

    AINews：Opus 5.5 擅长生成讲解视频

    AINews 汇总 9/24/2026-9/25/2026 期间消息，指出 Opus 5.5 本周发布后社区反响积极，尤其在生成讲解视频上表现突出。Opus 5.5 以 88.4% 登顶 SimpleBench，被 @skalskip92 评为 Anthropic 迄今最强视觉模型，成本比 Fable 5.1 低约 60%，但弱于 GPT-6 Astra。

9月23日周三
9月16日周三
9月3日周四
  1. Google DeepMind79

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 正式推出 Gemini 3.8 Flash 及专注于网络安全防御的 Gemini 3.8 Flash Cyber，在保持与 3.7 Flash 相同速度和低成本的同时强化了推理与编码能力。

    推荐理由：新模型在保持原有推理成本和低延迟的基础上，显著强化了长程编码智能体能力并推出了防御型安全版本。

8月28日周五
8月27日周四
8月14日周五
  1. Google DeepMind83

    Google DeepMind 发布 Gemini 3.7 Flash

    Google DeepMind 正式推出面向编程与 AI 智能体的工作流模型 Gemini 3.7 Flash，在软件工程、知识处理和 Web 开发上均有提升。

    推荐理由：原文给出了编程和复杂工作流的实测基准数据与首发半价方案，读者可以据此评估在生产环境中替换现有轻量模型的性价比。

8月12日周三
  1. Google DeepMind70

    Google DeepMind 推出手语转文本模型 SL2T

    Google DeepMind 推出多语言手语转文本模型 SL2T，并在 Pixel 11 的 Gboard 与 Live Transcribe 中率先支持美式手语转英语输入。该模型使用覆盖 50 多种手语的超 100,000 小时数据联合训练，借助端侧 MediaPipe Holistic 提取身体姿态关键点坐标直接翻译为文本，在 FLEURS-ASL 基准测试中达到 70 BLEURT 分数。

    推荐理由：该模型将端侧姿态坐标提取与云端序列翻译结合并绕过中间标注，为视觉多模态语言落地提供了具体方案。

8月6日周四
  1. Google DeepMind78

    Google DeepMind 开源气旋预测模型 WeatherNext

    Google DeepMind 联合多家气象机构在《Nature》发表研究并开源 WeatherNext 系列模型，在热带气旋路径、强度及风场结构预测上平均获得额外 24 小时的精度提前量。

    推荐理由：该成果证明大尺度低分辨率输入结合生成网络同样能精准预测极端气旋，为极端气象预警提供了开源且低计算门槛的方案。

7月30日周四
  2. Google DeepMind65

    Google DeepMind 在 Flow Music 中推出音乐生成模型 Lyria 3.5

    Google DeepMind 宣布在 Google Flow Music 中上线最新音乐生成模型 Lyria 3.5，全面升级音乐性、歌词、人声表现和创作控制。新模型支持更复杂的旋律结构与发音更准、情感更自然的人声，同时增强了歌词生成的提示词遵循度，并允许用户直接调整输出的节奏与时长。

    推荐理由：模型在旋律、歌词、人声以及节奏和时长控制上的升级，为创作者在音乐生成工具中微调成品提供了更细致的调节空间。

7月28日周二
  1. Google DeepMind76

    Google DeepMind 发布 Gemini Robotics 2 机器人模型系列

    Google DeepMind 发布机器人模型系列 Gemini Robotics 2，首次实现对人形机器人的全身运动控制、高灵巧度末端操作及多机器人协作。该系列包含负责视觉语言动作控制的 VLA 模型、负责长流程规划的具身推理模型 ER 2，以及适配新本体仅需数小时数据的端侧模型 On-Device 2。

    推荐理由：该系列将控制范围扩展至人形机器人全身协调与灵巧操作，为具身智能从桌面任务迈向多机长周期协作提供了落地方案。

7月21日周二
  1. Google DeepMind82

    Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber

    Google DeepMind 正式推出 Gemini 3.6 Flash、3.5 Flash-Lite 以及专用于网络安全的 3.5 Flash Cyber 模型，重点提升智能体工作流的 token 效率与执行速度。

    推荐理由：模型通过减少输出 token 消耗和推理步骤降低智能体运行成本，为开发者部署高吞吐工作流提供了兼顾速度与精度的选型参考。

7月1日周三
6月11日周四
  1. Google DeepMind82

    Google DeepMind 发布开源文本扩散模型 DiffusionGemma

    Google DeepMind 推出实验性开源模型 DiffusionGemma，采用文本扩散机制替代传统的自回归逐字生成，在专用 GPU 上的文本生成速度最高提升至 4 倍。

    推荐理由：该模型通过文本扩散架构将自回归逐字解码转为并行块生成，读者可以据此了解其在本地低延迟交互与代码补全场景下的性能取舍。

6月9日周二
  2. Google DeepMind83

    Google DeepMind 发布统一无编码器多模态模型 Gemma 4 12B

    Google DeepMind 推出开源多模态模型 Gemma 4 12B，支持在配备 16GB 显存或统一内存的普通笔记本上本地运行多模态与智能体任务。该模型采用无编码器的统一架构，移除传统的独立视觉与音频编码器，将视觉和原始音频信号直接投影至大语言模型主干网络，性能接近其 26B MoE 模型。

    推荐理由：模型采用无编码器的统一架构直接处理视觉与音频输入，使笔记本端在 16GB 内存下也能本地运行多模态推理与智能体工作流。

5月16日周六
  1. Google DeepMind88

    Google DeepMind 发布 Gemini 3.5 系列并上线 3.5 Flash

    Google DeepMind 正式推出 Gemini 3.5 模型系列并上线首发版本 Gemini 3.5 Flash，主打长流程编码与复杂智能体任务执行。该模型在 MCP Atlas 达 83.6%、Terminal-Bench 2.1 达 76.2%，输出 token 速率达到其他前沿模型的 4 倍，系列旗舰 3.5 Pro 计划于下月推出。

    推荐理由：模型在兼顾生成速率的同时强化了编码与多步智能体执行能力，可作为评估长流程任务端到端自动化成本的重要参考。

4月16日周四
  1. Google DeepMind72

    Google DeepMind 推出 Gemini 3.1 Flash TTS 语音模型

    Google DeepMind 正式推出文本转语音模型 Gemini 3.1 Flash TTS，支持通过自然语言音频标签精确控制语音风格、节奏和表达，并原生支持多说话人对话与 70 多种语言。

    推荐理由：该模型通过自然语言行内标签实现对语调和语速的精细调度，为构建多角色对话系统提供了更具成本效益的语音方案。

4月13日周一