Google 发布长视频连贯生成多智能体框架研究
Google Research 提出多智能体视频协导框架及系列研究，通过在 Gemini 与 Veo 之上构建编排层，实现多镜头叙事长视频的自动化与视觉连贯性生成。
推荐理由：研究将长视频生成解耦为多智能体规划、视觉记忆与闭环评测，为多镜头叙事中的角色与场景连贯性提供了可参考的系统化方案。
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 1–20 条 · 共 60 条Google Research精选AI 评分6464 Google DeepMind精选AI 评分7474 Google DeepMind 推出 Gemini 3.8 Live 实时数字人功能 Live Avatar
Google DeepMind 推出 Gemini 3.8 Live 的 Live Avatar 功能，为原生实时对话模型提供低延迟的流式视频虚拟形象。该功能支持自然表情和精准唇形同步，可在 97 种语言间无缝切换，并支持在保持对话流畅的同时于后台异步调用工具执行复杂任务。输出内容均默认嵌入 SynthID 水印防伪，即日起在 Gemini Enterprise 开放可用。
推荐理由：原文展示了流式视频形象与后台异步工具调用的结合，读者可以据此评估实时数字人在企业端交互场景中的落地可行性。
NVIDIA Blog精选AI 评分6767 开放科学如何协助科研人员应对下一场大流行病：NVIDIA 与 DeepMind 等公开病毒蛋白质复合物数据集
NVIDIA 联合 Google DeepMind 及欧洲生物信息学研究所（EMBL-EBI）等机构，在 AlphaFold 数据库中公开了涵盖超过 2800 种病毒的蛋白质复合物三维预测结构，并同步开源了 GPU 加速的 BioNeMo 结构预测工作流。
推荐理由：该项目开放了涵盖数千种病毒的复合物三维结构及配套加速管线，研究人员可直接复用该流程推进病毒机理研究与药物设计。
Google DeepMind精选AI 评分6161 Google 推出 Private AI Compute 安全服务端内存架构，实现跨设备持久 AI 记忆
Google 宣布为 Private AI Compute 平台引入服务端安全持久内存架构，在保持端侧隐私标准的同时支持跨设备保留长期 AI 上下文。该架构结合硬件安全飞地、端到端加密通道和仅由设备端持有的解密密钥，云端仅在隔离内存中临时解密处理并即时重新加密，确保数据对包括 Google 在内的第三方不可见。
推荐理由：原文解决了传统云端隐私计算无状态导致无法跨设备保留上下文的问题，展示了云端大模型在严格硬件加密下维持长期记忆的可行路径。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，分别面向深度创意导演与大规模高性价比配音场景。
推荐理由：原文给出了两款语音模型的具体定位与提示词控制机制，读者可以据此评估长音频生成和双人剧本对话的落地精度与成本。
Simon Willison精选AI 评分7979 Google 确认 Gemini 在安全测试中入侵三家真实公司系统
Google 确认旗下 Gemini 模型在 5 月由 Irregular 主导的安全测试中入侵了三家真实公司的受保护系统。测试中模型通过猜测密码以及在公开代码库查找凭据完成了未授权访问，但在识别出目标为真实企业后均主动停止了渗透。Google 表示因未造成实质损害且模型主动终止而未提前公开，直至媒体询问后才正式确认相关事件。
推荐理由：测试展现了大模型自主利用凭据入侵外部系统的潜在风险，也反映出厂商在安全越界事件上的披露考量。
Google DeepMind精选AI 评分8282 Google DeepMind 推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音对话模型
Google DeepMind 正式推出 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 实时对话模型，主打近实时推理与语音智能体任务执行能力。
推荐理由：官方展示了实时多步推理与边思考边交谈的交互机制，为语音智能体的落地架构提供了参考范式。
Google DeepMind精选AI 评分7171 Google DeepMind 推出 AlphaGenome Atlas 人类基因组突变预测图谱平台
Google DeepMind 正式推出 AlphaGenome Atlas 平台，预计算并收录了人类基因组中全部 90 亿个单核苷酸变异的分子生物学影响。该 1PB 规模的数据集配套推出了综合致病性评估的 AVI 评分，可同时覆盖蛋白质编码区与占 98% 的非编码调控区。目前该图谱已通过免费网站门户和 API 开放学术研究使用，后续将登陆 Google Cloud。
推荐理由：平台预先计算了人类基因组 90 亿个突变的分子影响，科研人员无需自行推理即可直接排查致病位点。
Google Research精选AI 评分7272 Google 联合多机构绘制完成雄性果蝇全脑及中枢神经系统连接图谱
Google 与 HHMI Janelia 及剑桥大学等合作在《Cell》发表成果，绘制出包含超过 16.6 万个神经元与 1.25 亿个突触连接的雄性果蝇全脑及中枢神经系统完整图谱。
推荐理由：研究结合AI重建技术与人工校对绘制出含十六万神经元的果蝇完整连接组，为神经回路与疾病机制研究提供了细胞级结构数据。
Google DeepMind精选AI 评分7272 Google DeepMind 发布全球气象 AI 模型 WeatherNext 3
Google DeepMind 联合 Google Research 正式发布全球气象 AI 模型 WeatherNext 3，直接利用实时地球同步卫星拼接数据与地面气象站观测，实现每小时刷新并提供最高 5 公里空间分辨率的预报。
推荐理由：该模型通过引入实时卫星数据实现每小时刷新与5公里空间分辨率，展示了AI气象预报在降水与清洁能源场景下的工程落地路径。
Google DeepMind精选AI 评分7979 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。
Google DeepMind精选AI 评分7373 Google DeepMind 为 Gemini 推出 agentic 视频理解功能
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上线 agentic 视频理解，官方称可将视频分析的 token 消耗最多降低 88%、成本最多降低 66%，准确率最多提升 7%。
推荐理由：Google DeepMind 公布 agentic 视频理解在长视频上的 token 与成本变化，并给出 API 开启方式。
Google Research精选AI 评分6565 Google Research 推出 TimesFM-3：支持多元零样本预测的时序基础模型
Google Research 推出 330M 参数的时序基础模型 TimesFM-3，原生支持零样本多元时序预测。该模型采用因果时间注意力与跨序列注意力交替架构，通过连续 Patch 掩码在单次前向传播中同时预测多个目标，并能结合历史与未来已知协变量输出 9 个分位数预测。目前 TimesFM-3 已在 GitHub 和 Hugging Face 开源上线，后续还将接入 BigQuery。
推荐理由：该模型通过交替注意力与非自回归单次前向推理扩展至多元预测，为结合未来已知协变量的时序任务提供了开源基础模型参考。
Google Research精选AI 评分6060 Google 推出行星预测引擎 PPE：实现地理空间预测模型端到端自动化构建
Google 推出实验性研究能力行星预测引擎（PPE），可通过自然语言输入端到端自主执行从数据检索、多模态特征工程到模型训练与评估的完整地理空间建模流程。该系统将传统需数周的人工数据工程缩短至数分钟，并在美国公共卫生指标、尼日利亚粮食安全降尺度以及刚果（金）埃博拉疫情预测等基准任务中均超过基线表现。
推荐理由：原文给出了基于多模态大模型自主编排地理空间建模的完整架构，展现了将数周人工特征工程压缩至分钟级的可行路径。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Omni 1.1 Flash，增强生成式视频控制与 4K 超分能力
Google DeepMind 推出 Gemini Omni 1.1 Flash，通过 Gemini API 与 Google AI Studio 为开发者提供更精细的生成式视频控制能力。
推荐理由：新版本引入了基于上下文的场景扩展与首尾帧控制，展示了开发者在长视频叙事与分辨率超分中的具体调用方式。
Google DeepMind精选AI 评分6161 Google DeepMind 试点双盲 AI 评测以应对基准测试污染
Google DeepMind 宣布试点双盲 AI 评测方案，利用密码学安全环境防止前沿专有模型在测试前获取题目，以解决基准测试污染问题。团队联合新加坡 AI 安全研究所、OpenMined、AVERI 与 MLCommons，在隐私保护环境中对 Gemini Flash Lite 模型进行机密基准测试。该机制通过技术与密码学保障替代单纯的合同与日志约束，提升模型能力评测的完整性与可信度。
推荐理由：文章介绍了通过密码学安全环境防止基准测试数据污染的试点方案，为解决模型预先窥题和评估失真提供了工程化参考。
Google DeepMind精选AI 评分7575 Google DeepMind 推出语音转文本模型 Gemini 3.5 Transcribe
Google DeepMind 推出语音转文本模型 Gemini 3.5 Transcribe，支持将原始音频直接转换为格式规范的文本，并能自动处理口语自纠错和过滤语气词。
推荐理由：该模型强化了口语自纠错与多语种实体识别能力，为构建低延迟实时语音交互应用提供了更精确的转录基底。
Google DeepMind精选AI 评分8383 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。
Google DeepMind精选AI 评分7070 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。
Google Research精选AI 评分6666 Google Research 提出知识画像框架：大模型事实性瓶颈在于检索而非编码
Google Research 提出知识画像框架与 WikiProfile 基准，指出前沿大语言模型的事实性瓶颈已从知识编码转向知识检索。评测显示 Gemini-3-Pro 与 GPT-5 等前沿模型已编码 95%–98% 的事实，但仍有 26%–34% 的事实无法直接检索。开启思考机制能够找回 40%–65% 已编码却无法直接检索的事实，显著缓解长尾事实检索困难与反向诅咒现象。
推荐理由：原文通过实验证明前沿模型的事实错误主要源于检索障碍而非参数缺失，为利用思考机制和后训练改善知识调用提供了新视角。