搜索“Google DeepMind”

Google DeepMind推出DeepMind Institute平台

2026年9月16日,Google DeepMind推出DeepMind Institute平台。据代表来源Philipp Schmid当日发布的信息,该平台面向Google DeepMind以及更广泛研究社区的研究者,用于发表并讨论日益强大的AI应如何被构建、治理和使用;首批4篇文章探讨推理透明度、经济政策与人类繁荣。此后暂无新的合格事实证据,平台处于已推出状态。

Google DeepMind为Gemini推出代理式视频理解

2026年9月1日,Google DeepMind为Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite推出代理式视频理解功能。据官方说明,模型可动态扫描视频片段,按需检索画面、音频和转录文本,相比固定1 FPS的静态处理,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上线,支持视频上传和YouTube视频,按标准token计费且不额外收费。9月2日,Google AI Developers进一步说明,该能力可自动调整处理速度,从而准确识别并计数拍手等快速动作。官方还表示后续将接入Gemini应用和YouTube的Ask YouTube功能。

Google DeepMind发布Gemini 3.7 Flash

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

Google DeepMind与A24建立研究合作

2026年6月22日,Google DeepMind与A24宣布建立首个聚焦研究的合作伙伴关系,将研究实验室与电影制作工作室结合,帮助艺术家开发新工作流与技术。据Google DeepMind发布的信息,双方将围绕多个项目展开长期研发协作,Google同时已对A24进行投资。目前该合作没有进一步的有证据发展,后续进展尚待披露。

Google DeepMind与A24建立研究合作

Google DeepMind与A24 建立 面向创意技术与影视工作流的长期研发合作

查看事件：Google DeepMind与A24建立研究合作

Google发布Gemini 4 Carbon模型

2026年10月28日,Google DeepMind发布Gemini 4 Carbon,称其为最强模型,在Artificial Analysis Intelligence Index v5.0上以59分排名第一,并在SEC-bench Pro取得88.2%、ExploitGym取得54.8%、CWE-bench取得71.0%。该模型面向长程工程任务,先向部分网络安全防御者开放,再通过Fairwind Program扩大范围,之后面向开发者、企业和消费者。10月29日,Arena.ai称Gemini 4 Carbon在Agent Arena排名第二、净提升16.2%,并推动帕累托前沿移动;同日Yuchen Jin引用Artificial Analysis数据提出保留,指出评测使用Antigravity CLI。10月30日,Artificial Analysis智能指数显示其以59分居首,比Claude Opus 5.5高1分。10月31日,Perplexity CEO Aravind Srinivas分享早期评测,称其在WANDR基准刷新SoTA。

Nathan Lambert批评Gemini模型未公开可用却公布分数

2026年10月29日,Nathan Lambert公开批评Google DeepMind的Gemini模型:他表示每次想试用该模型时都无法公开获取,并认为如果外界用不上,就不必公布跑分成绩。目前该批评仅见于其本人发布的文章,尚无Google DeepMind的回应或其他后续发展。

Google在新加坡设立AI研究枢纽

Google于2026年10月29日宣布在新加坡设立Google Research研究枢纽,并与新加坡卫生部合作,将前沿AI部署到该国医疗系统。该枢纽聚焦基础AI模型,同时与新加坡国立大学、南洋理工大学合作培养科研人才。Google.org与Google DeepMind向Philanthropy Asia Alliance的Health for Human Potential Coalition投入700万美元,其中100万美元用于PathGen疾病检测平台。Google DeepMind还将与国立大学医学组织评估AI临床助手工具,Google Cloud与NHG Health合作开展群体健康项目。

Google发布世界模型Genie 4

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。

英国宣布设立国家AI生物安全实验室

英国宣布设立国家AI生物安全实验室(AIBL)。据2026年10月24日报道,该实验室定位为独立的非营利机构,由政府出资1亿英镑,OpenAI和Anthropic合计承诺最高2亿英镑,整体规模最高3亿英镑。初期聚焦新兴生物威胁的早期检测以及疫苗和治疗手段的加速研发。OpenAI将提供1亿英镑算力与模型额度,并通过Rosalind Biodefense计划开放模型访问;Anthropic提供最高1亿英镑模型额度与技术支持;Google DeepMind和Basecamp Research参与研究合作。后续报道同样提到政府斥资1亿英镑、OpenAI与Anthropic提供价值最高2亿英镑的模型调用额度,并称Google DeepMind与Basecamp Research参与合作。目前尚无进一步有证据的发展。

Hassabis将AGI时间线缩短至两到三年

Google DeepMind 创始人、诺贝尔化学奖得主 Demis Hassabis 提出判断,认为通用人工智能(AGI)可能在未来两到三年内到来。他今年早些时候给出的估计是三到五年。Hassabis 把 AGI 定义为一个能匹配人脑完整认知范围的系统,并以“爱因斯坦测试”作为判断标准,即一个只用 1901 年前知识训练的系统能否复现爱因斯坦 1905 年的论文。另有报道称,他在《华尔街日报》专访中把时间线缩短到未来 2 到 3 年,并提到此前预期从 5 到 10 年、5 年内到 2030 年不等。目前没有更多经事实证据确认的后续发展。

Gray Swan推出改版Arena红队测试平台

Gray Swan于2026年10月20日推出重新设计的Arena红队测试平台。据Fortune AI报道,参赛者通过诱骗AI模型突破护栏争夺奖金,新平台新增针对间接提示注入的沙箱测试环境,并提供面向新手的挑战、培训证书,以及为表现优异者开放进入Gray Swan红队社区参与真实测试的通道。报道还称,Gray Swan为Anthropic、OpenAI和Google DeepMind等前沿实验室做发布前压力测试,其Arena社区规模约15,000人。目前尚无后续发展事实。

Metis Reasoning在伦敦成立，主打算力高效AI路线

2026年10月20日,伦敦AI公司Metis Reasoning正式成立并启动,主打算力高效推理路线,寻求区别于Anthropic和OpenAI前沿模型的方向。据Tech.eu报道,该公司由前Google DeepMind研究负责人、AlphaGo共同创造者Thore Graepel联合创办,团队共12人,涵盖研究者、数学家、机器人专家和技术创业者。公司认为LLM在推理上存在根本局限、结果难以验证且缺乏审计轨迹,称其方法更可验证、更稳健也更安全,并称已在前沿推理问题上以远低于前沿模型的成本取得一些积极结果。报道称其初期融资据信为数千万美元,但Metis尚未公布首个AI模型的发布时间。

Arena.ai提出用户满意度是AI实验室最大差距

Arena.ai 提出一项判断:用户是否享受与 Agent 协作,是 AI 实验室之间最大的差距。该判断基于 Arena 对 Anthropic、OpenAI、Google DeepMind、Kimi、xAI 和 DeepSeek 六家实验室最佳智能体在 6 月底至 10 月初四项 Agent Arena 信号的追踪。其中,Praise vs Complaint 指标上,OpenAI 和 Anthropic 高出榜单均值 +35 分,Moonshot、xAI 和 DeepSeek 在 +5 至 +13 之间;Confirmed Success 上,平均实验室最佳模型三个月内从 -4 升至 +14 分,Anthropic 以 Claude Opus 5.5 (Max) 的 +20 领先;Bash Recovery 分差从 34 缩至 16 分,Steerability 从 19 缩至 11 分。目前尚无后续发展。

Andreessen Horowitz领投Eka Robotics A轮融资

2026年10月20日,Andreessen Horowitz(a16z)领投Eka Robotics的A轮融资。据TechCrunch AI当日报道,Eka Robotics完成1.5亿美元A轮融资,由a16z和F-Prime领投,投后估值14.5亿美元;该公司由MIT教授Pulkit Agrawal与前Google DeepMind研究员Tuomas Haarnoja创立,其视觉-力觉-动作模型配合力传感器夹爪,每小时可抓取约1500个1 kg以内物体,成功率超过95%,夹爪成本低于1000美元、额定500万次循环,目前正与工业客户进行抓取放置和线缆操作的试点。次日智东西报道同样称本轮融资1.5亿美元、投后估值约14.5亿美元,由a16z和F-Prime联合领投,Samsung Next等跟投,并称公司成立于2025年、正与多家工业客户开展试点合作。目前尚无本轮融资完成后的进一步进展。

Nick Cammarata发文提出LLM可能远比此前认为的易于理解

2026年10月20日,Goodfire研究员Nick Cammarata发布一篇26,000字博文,提出大型语言模型可能远比此前认为的更容易被理解、监控和控制。他以Inception v1中同时响应猫和汽车的神经元为例,认为这些神经元共享V形特征,而非无规律纠缠。斯坦福的Chris Potts认为这仍只是猜想;Google DeepMind的Neel Nanda与Alignment Research Center的Jacob Hilton也指出,神经元只是更大谜题的一部分,研究者对顶级LLM内部机制的了解不足0.01%。Cammarata表示,团队已开始研究现代LLM,将很快公布技术结果。目前该说法仍处于争论之中,尚无后续技术结果公布。

四个Gemini 4 Argon智能体无人工干预通关Minecraft

Google DeepMind 团队让四个运行在 Gemini 4 Argon 上的 AI 智能体在随机生成的世界中自主通关 Minecraft,击杀末影龙,全程无人类输入。团队没有为它们分配角色、策略或游戏专用工具,四个智能体自行分工、互相预警威胁、回收阵亡队友的物品,并把错误记录在共享记忆中。整轮运行耗时 27 小时 14 分钟,共编写 2783 个 JavaScript 程序、交换 229 条聊天消息、死亡 605 次,按 2027 年生效的 Gemini 4 Argon 标准价格计算花费 1620 美元。

查看事件：Google DeepMind四个Gemini 4 Argon智能体无人工干预通关Minecraft

Chollet称Argon在ARC-AGI-3表现与Astra相近

François Chollet 评价称,Gemini 4 Argon 在 ARC-AGI-3 上的表现与 Astra 相近,Google 重回前沿。同日,ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI 系列上的验证成绩:ARC-AGI-3 在 provider adapter harness 下得 97.5%,成本 4.8K 美元;标准 harness 下为 49.8%,成本 5.8K 美元。ARC-AGI-2 为 91.3%,每任务 0.32 美元;ARC-AGI-1 为 98.5%,每任务 0.16 美元。ARC Prize 称 Google DeepMind 是第二家在 ARC-AGI-3 上超过 95% 的前沿 AI 实验室,Argon 的 97.5% 仅次于 GPT-6 Astra 的 99.9%。标准 harness 测试因 API 问题未能完成全部 55 个游戏,高推理档仅完成 19 个游戏,故未公布分数。

DeepMind论文登上《Science》

Google DeepMind 的论文登上 10 月 8 日的《Science》。据 36氪 · AI 报道,其自动数学证明系统 AlphaProof Nexus 在 353 道悬而未决的 Erdős 问题中自主解出 9 道,其中两道自 1970 年悬置至今。该系统由 Gemini 3.1 Pro 用 Lean 起草证明,编译器逐行校验并反馈迭代,每道题推理开销为几百美元。论文的消融结果显示,去掉子代理锦标赛等复杂结构、只保留大模型加 Lean 反馈的简版系统同样能解出这 9 道题,只是最难的几道更烧钱。目前尚无后续发展事实。

DeepMind论文登上《Science》

Google DeepMind 登上 《Science》

查看事件：DeepMind论文登上《Science》