Google DeepMind 发布面向机器人的 Gemini 4 Argon，官方称其在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。该模型覆盖机器人控制、Real2Sim、物理理解与研究自改进四类场景，示例包括用 MuJoCo 数字孪生练习踩垃圾桶踏板、从手绘草图生成 mujoco_warp 场景，以及通过仿真合成 4500+ 域随机化 episode 将真机成功率从 56% 提升到 75%、完成时间从 35s 降至 24s。开发者即日起可在 Google 开发者平台使用 Gemini 4 Argon。
匹配字段标题、摘要
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的端侧多模态嵌入模型，原生将文本、图像、音频和视频映射到统一嵌入空间。它在 MTEB Code 上从 68.76 提升到 78.68，支持 8K token 上下文窗口，可处理约 5.5 分钟音频、29 张图像或 58 帧视频，并可通过 MRL 将向量从 768 维截断至 128 维。模型权重已在 Hugging Face 和 Kaggle 开放下载，支持 LiteRT、MediaPipe、transformers.js、vLLM、Ollama 等部署方式。
匹配字段标题、摘要、正文
Google DeepMind 发布 EmbeddingGemma 2，这是面向端侧的多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间。模型基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿，文本任务最低 2.7 亿参数，可选视觉（1.7 亿）和音频（3 亿）编码器。它支持 8K token 上下文窗口，是 EmbeddingGemma 1 的 4 倍，可处理约 5.5 分钟音频、29 张图片或 58 帧视频；借助 MRL 可将输出向量从 768 维截断至 512、256 或 128 维，最多减少 6 倍存储占用。在 MTEB Code 上得分从 68.76 提升至 78.68，模型权重已在 Hugging Face 和 Kaggle 开放下载。
匹配字段标题、摘要、正文
Google DeepMind 发布开放权重多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频帧和音频映射到统一的向量空间，参数量 740M，文本权重在 Google Pixel 11 Pro 上仅需约 191MB 活跃内存，完整多模态模型约 567MB。该模型无需训练数据或微调即可作为端侧决策引擎，将用户输入直接与分类标签和描述匹配，实现毫秒级零样本意图路由。Google AI Edge Gallery 新增 Instant Media Search 和 Video Moments Finder 两个演示，Google AI Edge Foresight for Mac 也由 EmbeddingGemma 2 与 Gemma 4 驱动；未来数周内该模型将通过 ML Kit 以服务形式登陆 Android，并支持 NPU 加速。
匹配字段标题、摘要、正文
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构的 740M 参数开源多模态嵌入模型，可将文本、代码、图像、视频和音频嵌入同一个 768 维空间，采用 Apache 2.0 许可，权重已上线 Hugging Face 和 Kaggle，并提供 Ollama、llama.cpp GGUF 和 LiteRT 版本。模型采用模块化设计，文本与代码主干 270M、视觉编码器 170M、音频编码器 300M 均可选，上下文窗口 8192 token，是上一版的 4 倍。Google 研究团队称其在 MTEB Code 和 MAEB 的 1B 以下多模态嵌入模型中领先，代码检索从 68.76 提升到 78.68；量化后在 Pixel 11 Pro 上纯文本约占 191MB 内存，全多模态约 567MB。
匹配字段标题、摘要、正文
Google DeepMind 发布前沿模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御，今日起通过 Fairwind Program 向受信任测试者开放，并承诺尽快扩大访问。Google 称其输出上限达 1M token，较此前的 64K 大幅提升，标准定价为每 1M 输入/输出 token 4 美元/20 美元，另有 50% 的限时折扣。Google 称 Argon 在 19 项公开基准中的 13 项排名第一，DeepSWE 得分 77.9%，高于 Opus 5.5 的 74.2% 和 Astra 的 74.1%；Artificial Analysis 测得其在 Intelligence Index 上得 53 分，与 GPT-6 Astra 持平。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 4 代首款前沿模型 Gemini 4 Argon，面向长周期软件工程、法律金融等企业知识工作与网络安全防御，单次响应最多可生成 1M tokens，此前 Gemini 模型为 64K。定价为介绍期每 1M 输入 tokens 2 美元、输出 10 美元，缓存输入享 95% 折扣即 0.10 美元，介绍期后升至输入 4 美元、输出 20 美元，Logan Kilpatrick 确认了介绍期价格。Google 采取分阶段发布，参与美国政府预发布模型访问的自愿流程，先收集早期测试者反馈并迭代防护措施；Argon 在 18 项基准中 12 项领先、1 项并列第一，CWE-bench v1 上以 68% 并列第一，Wiz 已通过 Scan for Good 用它发现一处此前前沿模型漏掉的医疗软件严重漏洞。
匹配字段标题、摘要、正文
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续再逐步扩展到开发者、企业和消费者。该模型输出 token 上限从 64K 提升到 1M，在 DeepSWE v1.1 上取得 77.9%，在 LVBench 上取得 91.7%，并在 Vals Index、AutomationBench 等评测中领先。Google 称 Argon 已用于内部工作流，并针对提示注入、失准监控和沙箱环境等方向加强了安全措施。
匹配字段标题、摘要
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的实时对话能力上加入低延迟流式视频，让模型能边听、边看、边说。该功能支持精确唇形同步、自然表情与流畅轮次切换，并可在对话中无缝切换 97 种语言而不损失视频保真度。它已上线 Gemini Enterprise，支持后台异步工具调用，企业还可基于参考图定制专属形象，定制功能目前仅通过企业白名单开放。
匹配字段标题、摘要
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持从零生成自定义角色声音并逐句控制口音与情绪，已接入 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids。Gemini 3.8 Flash TTS 在 Hume AI 的 Voice Design Benchmark 上以 71.4 分位列第一，口音建模得分 60.8，两款模型分列 Hume AI Overall Quality Index 第一和第二，支持超过 100 种语言。声音复刻需提供声音所有者的口头同意录音，所有生成音频均嵌入 SynthID 水印。
匹配字段标题、摘要
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，即日起通过 Gemini API、Google Workspace 和 Gemini 应用开放。Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 语音到语音质量指数得 82.6 分排名第一，τ-Voice 智能体任务完成率 68.6%，Big Bench Audio 得 97.7%；Gemini 3.8 Live 在 Speech Agent Arena 排名第二。两款模型支持近实时视觉输入、对话中自动切换 97 种语言，并可在后台执行工具和 API 调用而不打断对话。
匹配字段标题、摘要
Google DeepMind 与 Google Research 发布 WeatherNext 3，这是其目前最先进的全球天气 AI 模型，直接学习实时地球静止卫星数据，每小时生成一次预报，最高分辨率达 5 公里，整体比上一代 WeatherNext 2 的 25 公里网格、6 小时更新清晰约五倍。模型还针对可再生能源提供 100 米风速、云量和太阳辐射预测，降水预报在中期全球评估中对 IMERG 的 CRPS 提升最高 60%。该模型已接入 Google Search、Gemini、Maps、Google Maps Platform 和 Cloud。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 3.8 Flash 和面向可信防御者的 Gemini 3.8 Flash Cyber，称其为目前推理与编码能力最强的模型，速度与成本与 3.7 Flash 相当。3.8 Flash 在 DeepSWE v1.1 上超过多数更大的前沿模型，HLE-Verified 得分 54.9%，复杂任务会执行更多推理步骤并迭代调用工具。3.8 Flash Cyber 在 CyberGym 上达到前沿水平，内部跨 20 种编程语言的漏洞发现基准成功率超过 70%，CWE-Bench 补丁 pass@1 为 47.2%。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供更强的生成视频控制能力，可通过 Google AI Studio 或 Gemini Enterprise Agent Platform 调用。新版本支持场景延长，可分析最多 10 秒前序上下文，以 10 秒为单位延长至累计 40 秒；还支持指定首尾帧生成过渡画面、1080p 与 4K 输出，以及 360p 轻量预览，官方称其生成速度最高快 60%、成本为 720p 的三分之一。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 3.5 Transcribe，一款面向实时转写的语音转文本模型，已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 向开发者开放。相比此前的 Chirp 3，其最终转写时间据 Artificial Analysis 测量提升 70%，在 FLEURS 基准上流式模式 WER 为 5.50%、非流式模式为 5.04%，并支持多说话人区分、词级时间戳和实时语言切换。该模型同时接入 Gboard、Antigravity、Gemini app 和 Chrome 等产品，LangChain、LiveKit、Vercel 等平台通过 Gemini Live API 提供支持。
匹配字段标题、摘要
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和智能体最强的主力模型，距 Gemini 3.6 Flash 发布仅三周。该模型在 FrontierCode 1.1 Main 上得分 43.6%（3.6 Flash 为 34.4%），DeepSWE v1.1 为 65.3%（3.6 Flash 为 49.0%），WebDev Arena Elo 为 1588 对 1538，GDP.pdf 为 34.0% 对 22.0%，AutomationBench 为 30.4% 对 17.0%。年底前入门价为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元，为 3.6 Flash 原价的一半，并随附针对 CBRN 与网络攻击滥用的更新防护措施。
匹配字段标题、摘要
Google DeepMind 发布多语种手语转文本模型 SL2T，并在 Pixel 11 的 Gboard 和 Live Transcribe 中上线手语听写功能，首批支持美国手语（ASL）转英文。该模型基于超过 50 种手语、逾 10 万小时数据训练，其中约四分之一为 ASL 数据，在 FLEURS-ASL（sd-test）上取得 70 BLEURT 的零样本成绩。为保护隐私，模型只接收 MediaPipe Holistic 在端侧提取的姿态关键点坐标，原始视频随即丢弃，并跳过 gloss 标注直接翻译为文本。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini Robotics 2，这是一套面向机器人的新一代物理 AI 模型，为人形机器人带来全身智能、更强的精细操作能力和多机器人协作。Demis Hassabis 表示，机器人现在可以推理每一个动作，完成此前无法实现的任务，例如打精细的绳结，甚至组队解决复杂工作流。
匹配字段标题、摘要
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层大脑，支持实时空间推理、多步任务规划和多机器人协作，可通过 Gemini API、Google AI Studio 或 Gemini Enterprise Agent Platform 调用。相比 ER 1.6，新模型能通过连续视频流跟踪任务进度并实时纠错，在进度分类任务上达到 57.4% 准确率，在 moment-finding 任务上达到 91.3% 准确率和 0.96s 平均绝对距离。官方还展示了其编排 Boston Dynamics Spot 的导航与机械臂 API 完成取物，并支持 Apptronik Apollo 2 与 Franka F3 Duo 协作，代码已在 GitHub 开源。
匹配字段标题、摘要
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，在音乐性、歌词和人声质量上有明显提升，即日起在 Google Flow Music 中上线。官方称该模型旨在帮助用户创作更丰富的曲目，并提供创作控制。
匹配字段标题、摘要