2026年10月27日,Google DeepMind发布世界模型Genie 4,主打实时交互模拟,并首次在该系列中引入原生音频。官方介绍称,该模型基于Gemini家族能力,Gemini Omni负责让模拟贴合真实世界的外观与行为,其他Gemini模型提供维持模拟连贯性所需的复杂推理;用户可用自然语言实时操控场景,每个世界还会即时生成环境音、音乐和交互对话。次日,Google DeepMind进一步说明,Gemini 3.8 Flash在循环中拆解目标、检查画面以维持多步事件的因果连贯,Gemini 4 Argon也已用于与Gemini Robotics联合模拟任务;官方称其仍属早期实验模型,长时运行下物体恒常性与复杂物理交互仍会漂移,生成内容均带SynthID水印,目前先向可信测试者开放预览。10月28日,Ethan Mollick发帖称Genie 4能运行DOOM,并实测其边生成边产出游戏式环境,表示体验并不完美。10月29日,Peter Yang用Genie 4实时构建5个世界,认为世界模型是LLM之后AI的下一个大方向。
匹配字段摘要
2026年9月30日,Google发布前沿模型Gemini 4 Argon,先通过Fairwind Program向受信任的网络安全防御方开放,随后再逐步扩大范围。据Google Blog与Google DeepMind,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可自主发现、验证并修补软件漏洞,内部已用于C/C++到Rust的代码迁移和内存优化,并将以介绍性价格上线。Google DeepMind还表示,该模型针对提示注入、失准监控和沙箱环境等方向加强了安全措施。目前尚无后续有证据的发展。
匹配字段摘要
Google更新Gemini 3.8 Live,推出实时虚拟形象Live Avatar。据Google DeepMind发布,该功能在Gemini 3.8 Live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,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。该功能已上线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。另有报道称,用户可在对话时看到实时回应的动画AI形象,它会同步口型并展示不同面部表情,目前仅面向Gemini Enterprise客户开放;除预设形象库外也允许企业自建,输出带有不可见的SynthID水印及尊重身份的防护措施。
匹配字段摘要
Google发布Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking两款实时对话音频模型,即日起通过Gemini API、Google Workspace和Gemini应用开放。据Google DeepMind介绍,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。9月18日,Google展示用Gemini 3.8 Live Extended Thinking构建的工作坊助手演示,可分析工作区、出声推理并引导搭建过程。9月21日,Google又演示了用该模型构建的编程辅导Agent,能查看用户屏幕、通过function calling引用p5.js库并讲解代码逻辑。
匹配字段摘要
2026年9月3日,Google DeepMind与Google Research发布全球天气预测AI模型WeatherNext 3,称其为目前最先进的全球天气AI模型。据官方说明,该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。目前尚无后续有证据的发展。
匹配字段摘要
2026年8月27日,Google DeepMind 发布 Gemini Omni 1.1 Flash 视频生成模型,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。官方说明显示,新版本支持场景延长,可分析最多 10 秒前序上下文,并以 10 秒为单位延长至累计 40 秒;同时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。官方还称其生成速度最高快 60%,成本为 720p 的三分之一。目前该事实尚无后续独立发展事实,状态以发布时的官方信息为准。
匹配字段摘要
2026年8月26日,Google DeepMind发布Gemini 3.5 Transcribe语音转文本模型,面向实时转写场景,已在Gemini API、Google AI Studio和Gemini Enterprise Agent Platform向开发者开放。据官方信息,该模型相比此前的Chirp 3,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。次日,Google AI Developers进一步说明其面向代码场景的能力:可在转写时过滤口语中的犹豫停顿,并依据当前上下文精确对齐技术术语、文件名和代码变量,还通过视觉偏置为复杂开发者工作流提供屏幕感知上下文。目前该模型已开放构建入口。
匹配字段摘要
2026年8月12日,Google DeepMind 发布多语言手语转文本模型 SL2T,并应用于 Pixel 11 的 Gboard 和 Live Transcribe,首批支持美国手语(ASL)转英文。据官方介绍,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。8月13日,Demis Hassabis 在社交平台称 SL2T 首次让用户可以直接对着手机打手语,并提到其与聋人社区密切合作打造。目前该模型已落地上述两项功能,暂无进一步开发进展。
匹配字段摘要
2026年7月30日,Google DeepMind发布Gemini Robotics ER 2机器人模型,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。官方称,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。7月31日,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。
匹配字段摘要
2026年7月21日,Google DeepMind 发布轻量级网络安全模型 Gemini 3.5 Flash Cyber,该模型基于 3.5 Flash 微调,用于快速发现、验证和修补漏洞。据 Google DeepMind 介绍,模型以限量试点形式通过 CodeMender 向政府和可信合作伙伴开放,后续逐步扩大范围。在 V8 JavaScript 引擎测试中,它发现 55 个已确认的独立问题,高于主线 3.5 Flash 的 47 个和 Claude Opus 4.6 的 36 个,其中 10 个为另外两个模型未发现的问题。另有报道称,Google 同期发布 3 款 Gemini 新模型,3.5 Flash Cyber 可自行发现并修复安全漏洞,三款模型即日起在 AIS 和 API 中提供。目前尚无进一步有证据的发展。
匹配字段摘要
Google DeepMind与Google Research 发布 全球天气预测AI模型WeatherNext 3
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布 Gemini Omni 1.1 Flash视频生成模型
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布 Gemini 3.5 Transcribe语音转文字模型
English translation is being prepared.
匹配字段摘要
2026年8月13日,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。官方数据称,该模型在FrontierCode 1.1 Main得分43.6%(3.6 Flash为34.4%),DeepSWE v1.1为65.3%(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、输出token 3.75美元,为3.6 Flash原价的一半,并附针对CBRN与网络攻击滥用的更新防护措施。次日,Google AI Developers展示其在Antigravity中用Three.js构建3D网页游戏,以及凭单一架构规格为Flutter、SwiftUI、Jetpack Compose、React Native和NativeScript生成原生代码。8月17日,官方演示其从维多利亚植物图鉴PDF提取并按APG IV分类历史植物;8月18日展
匹配字段摘要
Google DeepMind 发布 多语言手语转文本模型SL2T，并应用于Gboard和Live Transcribe
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布 Gemini Robotics ER 2
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布 轻量级网络安全模型Gemini 3.5 Flash Cyber
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布 开源文本扩散模型DiffusionGemma
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布 Gemini 3.5 Live Translate语音翻译模型
English translation is being prepared.
匹配字段摘要
Google DeepMind 发布 Gemma 4 12B多模态模型
English translation is being prepared.
匹配字段摘要