Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地划为六类森林与土地利用类型，作为欧盟森林砍伐法规的关键基线。团队用约 170 万个标注地点训练模型，并以 AlphaEarth Foundations 嵌入向量为关键输入；在 9000 多个随机抽样点验证中，森林类型判对率 90%，森林与非森林区分准确率 95%。配套的 2017 至 2025 年逐年时间序列同步开放，可在 Google Earth Engine 上以开放许可免费使用。
匹配字段标题、摘要、正文
Google DeepMind 与 Google Research 联合世界资源研究所(WRI)和国际应用系统分析研究所(IIASA)发布 Forest Typology(ForTy)2020 全球森林类型地图。该地图把全球每块 10×10 米土地划为六类森林与土地利用类型,并作为欧盟森林砍伐法规的关键基线。团队用约 170 万个标注地点训练模型,以 AlphaEarth Foundations 嵌入向量为关键输入;在 9000 多个随机抽样点验证中,森林类型判对率 90%,森林与非森林区分准确率 95%。配套的 2017 至 2025 年逐年时间序列同步开放,可在 Google Earth Engine 上以开放许可免费使用。目前尚无后续发展。
匹配字段标题
Google DeepMind 介绍其智能体开发平台 Google Antigravity 如何加速抗菌肽（AMP）的发现，把原本分散在多个数据库的检索压缩到一次会话中，并借助 ProtNLM 模型扫描 UniProt 中数百万条未表征蛋白质。文中展示生物学家用该平台找到一个对呼吸道感染病原体有预测活性的新型抗菌肽候选物，该候选物目前正在进行湿实验验证。Antigravity 还内置了 Biomolecular Structure Viewer，可在同一工作区内查看 AlphaFold 预测结构并与智能体共享 3D 视觉状态。
匹配字段标题、摘要
2026年10月15日,Google DeepMind 展示其智能体开发平台 Google Antigravity 如何加速抗菌肽(AMP)的发现。据官方介绍,该平台把原本分散在多个数据库的检索压缩到一次会话中,并借助 ProtNLM 模型扫描 UniProt 中数百万条未表征蛋白质。文中展示生物学家用该平台找到一个对呼吸道感染病原体有预测活性的新型抗菌肽候选物,该候选物目前正在进行湿实验验证。Antigravity 还内置 Biomolecular Structure Viewer,可在同一工作区内查看 AlphaFold 预测结构并与智能体共享 3D 视觉状态。后续报道称,该平台已发现一种新型抗菌肽候选分子,预测其对呼吸道感染病原体具有活性,目前正进行湿实验室验证。
匹配字段标题
Google DeepMind 与新加坡政府科技局（GovTech）合作推出端侧诈骗检测模型，基于轻量级 Gemma 微调，可在普通智能手机上本地运行。模型采用两级流水线，先用轻量分类器筛查消息，再用微调后的 Gemma 分析更大范围对话上下文，检测到操纵性对话模式时在设备上实时提醒用户。训练在 GovTech 管理的 GCP 环境中完成，数据经匿名化处理，不含私人或可识别个人信息，该成果在新加坡国际网络周（SICW 2026）上展示。
匹配字段标题、摘要、正文
Google DeepMind 公布 Gemini 4 Argon 的安全与防护方案，并开始向更广泛用户开放该模型，同时扩大 Fairwind Program 的可信网络安全防御者范围。在网络安全测试中，Argon 解决了全部 12 个端到端模拟网络攻击场景，上一代为 5 个；在对抗测试集上违规请求减少近一半。防护采用输入筛查、激活探针内部监测和持续监控三层实时机制，在 Gray Swan 的间接提示注入基准上把 15 次自适应攻击的成功率降至 0.7%。
匹配字段标题、摘要
NVIDIA 加入由 Google DeepMind、EMBL-EBI 等组成的联盟，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供全球科学家免费使用。这些结构由 AlphaFold2 推断，并用 NVIDIA BioNeMo Inference Runtime 优化以扩展到数千个病毒蛋白质组。NVIDIA 同时开源生成该数据集的 BioNeMo Structure Prediction Pipeline，其中约 30% 的蛋白相互作用此前未在 Protein Data Bank 中记录。
匹配字段标题、摘要、正文
Google DeepMind 发布 AlphaGenome Atlas，一个可搜索的数据库，用于预测全部 90 亿种可能的单字母 DNA 变异带来的影响。Demis Hassabis 表示，继 AlphaFold 绘制蛋白质宇宙之后，该工具转向绘制人类基因组，帮助科学家更好地理解疾病，并面向学术研究免费开放。
匹配字段标题、摘要
Google DeepMind 于 9 月 8 日发布 AlphaGenome Atlas，这是一个用 AlphaGenome 模型预先算好全部 90 亿个人类基因组单碱基变异的在线预测库，数据集约 1 PB，供非商业研究免费使用。Atlas 让科学家无需写代码或自行运行模型即可查询单个变异，并新增一个单数值影响分数，可快速判断变异是否可能重要。团队通过模型蒸馏、GPU kernel 优化和消除冗余计算把速度提升约 80 倍；DeepMind 指出该预测仍有局限，例如部分增强子调控距离超出模型 100 万碱基对的视野。
匹配字段标题、摘要、正文
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解功能，模型可动态扫描视频片段，token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。该功能已在 Google AI Studio 和 Gemini Enterprise Agent Platform 的 Gemini API 中上线，支持视频上传和 YouTube 视频，按标准 token 计费且不额外收费。相比固定 1 FPS 的静态处理，它结合模型推理与原生视频工具，按需检索画面、音频和转录文本，后续还将接入 Gemini 应用和 YouTube 的 Ask YouTube 功能。
匹配字段标题、摘要、正文
Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，此前该能力仅以独立的 Gemini 2.5 computer use 模型形式提供。开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 使用它构建能跨浏览器、移动端和桌面环境感知、推理并执行操作的智能体，面向持续软件测试等长周期与企业自动化任务。为降低实时环境中的提示词注入风险，官方对 computer use 做了针对性对抗训练，并发布两套可选的企业级防护系统。
匹配字段标题、摘要、正文
Google DeepMind 推出 Gemini for Science，包括 Google Labs 的三款实验性工具，以及 Google Antigravity 中的 Science Skills。Science Skills 整合超过 30 个生命科学数据库和工具，可将部分结构生物信息学及基因组分析从数小时缩短至数分钟；实验工具自即日起逐步开放申请。
匹配字段标题、摘要
Google DeepMind 为实验性原型 Project Genie 推出 Street View 地图影像接地能力，使其生成的交互式世界能够以现实地点为起点。用户可在美国选择地点、视觉风格和角色，探索或重新构想现实场景；该功能现已可用，并计划逐步扩展到更多地区。
Google DeepMind 为实验性原型 Project Genie 推出 Street View 地图影像接地能力，使其生成的交互式世界能够以现实地点为起点。用户可在美国选择地点、视觉风格和角色，探索或重新构想现实场景；该功能现已可用，并计划逐步扩展到更多地区。 · Google DeepMind has launched Street View imagery grounding for its experimental Project Genie prototype, allowing its generated interactive worlds to begin from real-world locations. Users can select a place in the U.S., a visual style and a character to explore or reimagine real settings; the capability is available now, with plans to expand to more places ove
匹配字段摘要、正文
Google AI 发布演示，展示 Gemini 4 Argon 在 antigravity 中充当虚拟建造者，自主生成一座可完整探索的多层宝塔建筑场景，整个过程只需几分钟。视频由 Google DeepMind 的 GeokenAI 讲解。
匹配字段摘要、正文
OpenAI 正在为 ChatGPT 和 Codex 的文本输出加入不可见、机器可读的水印，首批仅面向欧盟用户。OpenAI 称其 textGrain 水印在效果上匹配或超过 Google DeepMind 的 SynthID 等方案，并给出基准测试显示加水印与未加水印文本性能相近。OpenAI 同时说明 textGrain 不保证可靠检测，文本水印也无法验证准确性、确定文本归属、衡量人类贡献比例或证明人类作者身份。
匹配字段摘要、正文
Cerebras 在 Cerebras Inference Cloud 以公开预览形式上线 Gemma 4 31B，输出速度超过 1800 tokens/s，据 Artificial Analysis 测得为 1851 tokens/s，约为典型 GPU 端点的 35 倍，含推理的首个答案 token 延迟 1.5 秒。这是 Cerebras 平台首个支持图像理解的模型，也是首个上线的 Google DeepMind 模型，可处理截图、图表、UI 状态等视觉输入。该模型为 Apache 2.0 开源权重，在 Artificial Analysis 智能指数上得分 29，与 Claude Haiku 4.5 的 30 分接近，但在 Cerebras 上运行速度快 18 倍。
匹配字段摘要、正文
Hugging Face 与 Cerebras 搭建了开放、模块化的实时语音到语音管线，以 Nvidia Parakeet 识别语音、在 Cerebras 上运行 Google DeepMind Gemma 4 31B，并通过阿里巴巴 Qwen3TTS 生成语音回复。Cerebras 旨在缩短并稳定模型推理延迟；该管线已用于超过 9,000 台 Reachy Mini 机器人，开发者可体验 Demo 并查看 huggingface/speech-to-speech 仓库。
Hugging Face 与 Cerebras 搭建了开放、模块化的实时语音到语音管线，以 Nvidia Parakeet 识别语音、在 Cerebras 上运行 Google DeepMind Gemma 4 31B，并通过阿里巴巴 Qwen3TTS 生成语音回复。Cerebras 旨在缩短并稳定模型推理延迟；该管线已用于超过 9,000 台 Reachy Mini 机器人，开发者可体验 Demo 并查看 huggingface/speech-to-speech 仓库。 · Hugging Face and Cerebras built an open, modular real-time speech-to-speech pipeline using Nvidia Parakeet for speech recognition, Google DeepMind’s Gemma 4 31B running on Cerebras, and Alibaba’s Qwen3TTS for spoken responses. Cerebras is intended to reduce a
匹配字段摘要、正文
Google 宣布在 Flood Hub 上线城市山洪预报，可提前最多 24 小时预测城市山洪风险。该模型用 Groundsource 方法借助 Gemini 从公开新闻报道中提取历史山洪事件作为训练数据，弥补地面观测站缺失，输入仅依赖全球气象产品与 ECMWF、Google DeepMind 的天气预报，当前空间分辨率为 20x20 公里，覆盖人口密度大于每平方公里 100 人的区域。Google 称在南美、东南亚等全球南方地区，模型的精确率与召回率与富裕国家相当，并计划继续提升对农村地区的泛化能力。
匹配字段摘要、正文
Prime Intellect 开源 OpenDiLoCo，这是 DeepMind DiLoCo 低通信分布式训练方法的可复现实现，代码基于 Hivemind 与 PyTorch FSDP，已发布在 GitHub。团队在加拿大、芬兰和美国两地共四个 DiLoCo worker（各 8 张 H100）上训练 1.1B 参数模型，跨两大洲三国，计算利用率保持 90-95%，all-reduce 仅占训练时间 6.9%。相比原论文 400M 参数规模，该方法被扩展到 1.1B 参数，并验证伪梯度可用 FP16 all-reduce 而不损失性能。
匹配字段摘要、正文
Google DeepMind 与 Google Research 联合世界资源研究所(WRI)和国际应用系统分析研究所(IIASA)发布 Forest Typology(ForTy)2020 全球森林类型地图。该地图把全球每块 10×10 米土地划为六类森林与土地利用类型,并作为欧盟森林砍伐法规的关键基线。团队用约 170 万个标注地点训练模型,以 AlphaEarth Foundations 嵌入向量为关键输入;在 9000 多个随机抽样点验证中,森林类型判对率 90%,森林与非森林区分准确率 95%。配套的 2017 至 2025 年逐年时间序列同步开放,可在 Google Earth Engine 上以开放许可免费使用。目前尚无后续发展。
匹配字段标题