Google DeepMind 的 Gemini 4 Argon 已在 OpenRouter 上线，可通过 Google AI Studio 和 Google Cloud 使用。该模型在 AutomationBench 得分 51.3%、LVBench 得分 91.7%，并在 CWE-bench v1 以 68% 并列第一，定价为输入 $2/M、输出 $10/M（介绍期价格）。OpenRouter 称其面向长流程多步任务，在 Vals Index 的金融、法律、编码和税务领域排名第一，并在 DeepSWE v1.1 上创下新高；单次响应借助 continuation tokens 最长可输出 1M tokens。
匹配字段标题
哲学家 Henry Shevlin 于去年 5 月加入 Google DeepMind，职称为“Philosopher”，并将 80% 的时间投入该公司，同时仍在剑桥大学 Leverhulme 未来智能研究中心任职。他认为 AI 发展速度太快，学术界反应迟缓，与 LLM 的日常接触是形成良好直觉的必要条件。他还指出，抑制模型自我归因心理状态会连带降低其对动物福利的关注，因此不宜只改动模型的单一维度。
匹配字段标题
Google DeepMind 发布前沿模型 Gemini 4 Argon，向开发者、企业和消费者开放，在 Vals Index 上排名第一，覆盖编码、金融、法律和网络安全等领域。该模型通过 Gemini API 提供 1M 统一输入输出 token 上限，并公布多项实测结果，包括 Antigravity 中智能体代码提交量提升超 35%、回滚减少近三分之一，以及将 Gemma 4 E2B 在 A100 上通过 vLLM 实现 2.85 倍端到端推理加速。安全方面，Argon 在 Gray Swan 间接提示注入基准上将 15 次自适应攻击的成功率降至 0.7%，并推出面向 1 万名科学家的 Antigravity 最高使用档位 6 个月免费计划。
匹配字段标题
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
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
Google DeepMind 的新研究显示，AlphaProof Nexus 自主解决了 353 个 Erdős 开放问题中的 9 个，其中两个已悬置 56 年，相关解法在论文发表前已公开。该系统还证明了 OEIS 整数序列数据库中的 44 个猜想，解决了代数几何中的一个开放问题，并改进了 min-max 优化中的一个已知界。它基于 Gemini 3.1 Pro，用形式化语言 Lean 起草和修订证明，Lean 在每次修改后检查草稿，错误信息引导下一次尝试；遇到更难的子问题时还可调用专用证明工具 AlphaProof，但即使不调用 AlphaProof 也能解决那 9 个 Erdős 问题。该研究发表在 Science 上，并经过了同行评审，而 OpenAI 近期将数百个 AI 证明直接发布到 GitHub 而非提交期刊，由 Terence Tao 领导的 Association for Human Mathematics 呼吁抵制。
匹配字段标题
谷歌旗下 DeepMind 团队开发并测试了名为 AlphaProof Nexus 的 AI 框架，它能自主搜索数学证明并借助 Lean 证明助手验证推理过程，相关成果发表于《科学》杂志。在 353 个以数学家保罗·厄多斯命名的开放问题中，该系统解决了 9 个，其中两个已悬而未决超过 50 年；它还解决了《整数数列在线百科全书》492 个开放猜想中的 44 个。团队发现最基础版本的智能体同样解决了这 9 个厄多斯问题，只是处理较难问题需要更多计算资源，该版本主要依靠商业化大型语言模型和 Lean 证明助手。
匹配字段标题
英国 AI Security Institute 宣布与 Google DeepMind 启动新的研究合作，在两年既有前沿模型测试合作基础上签署研究 MOU，开展数据与想法共享、联合发表及团队专项协作。首批联合研究方向包括监测思维链以推进对齐、研究社会情感对齐，以及考察 AI 对经济活动的影响。
匹配字段标题
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 对谈中指出，AlphaFold 的突破只是开始，蛋白质折叠远未解决，静态结构预测无法覆盖蛋白质动态与无序。两人认为生物学不存在现成的缩放定律，找到正确的缩放律比盲目扩大模型更重要，用低质量宏基因组数据训练蛋白质语言模型反而能提升真实蛋白质设计表现。他们提出构建虚拟细胞需要根本不同的数据集，治愈所有疾病要靠 10x 级突破而非 10% 的渐进改进。
匹配字段标题
由Meta支持的非营利科研机构Biohub宣布扩容总投入约18亿美元的虚拟生物学计划，美国能源部、美国国立卫生研究院、谷歌DeepMind、Isomorphic Labs、Meta、英伟达等参与。资金方面，Meta、谷歌DeepMind和Isomorphic Labs联合投资3亿美元，DOE五年内投资超5亿美元，NIH协调利用此前超5亿美元的联邦资金数据集，Biohub自身投入此前承诺的5亿美元。Biohub表示首个大型数据集预计一年内发布，可用预测模型五年内完成，数据集最终公开发布，商业资助方设有数据封锁窗口期。
匹配字段标题
Google DeepMind、Meta 和 AI 药物发现初创公司 Isomorphic Labs 共同向扎克伯格夫妇创立的非营利生物医学研究机构 Biohub 投资 3 亿美元，这是 18 亿美元计划的一部分，用于构建可让研究者以数字化方式预测和回答生物学问题的 AI 数据集。Biohub 成立于 2016 年，目标是打造可供研究者进行模拟的虚拟细胞；美国能源部将在未来五年投入超过 5 亿美元，美国国立卫生研究院则提供来自此前联邦投资的数据集、存储库和知识库，总额超过 5 亿美元。
匹配字段标题
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
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
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
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
Google DeepMind 推出 SynthID Bio，一套专为合成生物学设计的水印方法，通过调整氨基酸序列和预测 3D 结构的原子坐标来标记 AI 生成的生物设计，在 VEGF-A、SARS-CoV-2 spike 蛋白 RBD 和 PD-L1 三个靶点测试中，水印版本与未水印版本的命中率、结合亲和力和序列多样性相当。C5R Corp 的 SciUniverse 基准用 92 项任务测试 AI 操作自动化实验室的能力，Claude Fable 5.1（xhigh）以 45.3% 通过率、每任务 $40.61 领先，GPT-5 Astra（xhigh）为 32.5%、$52.37，Claude Opus 5（xhigh）为 30.5%、$46.31。DeepMind 另发论文建议建立自动化科学经济，以市场机制匹配科研想法与稀缺物理资源。
匹配字段标题
Google 关联研究员 Benjamin Bratton、Blaise Agüera y Arcas 和 James Manyika 在一篇 DeepMind Institute 文章中提出"人工共生智能"，认为 AGI 将从人与 AI 智能体协作的社会系统中涌现，而非单一超级智能。文章援引对 DeepSeek-R1 和 QwQ-32B 等推理模型的分析，指出其推理轨迹呈现内部辩论、转换视角和调和冲突的特征，且这种多视角行为在强化学习只奖励推理准确率时自行出现。作者主张 AI 智能体是可拆解重组的临时组合体，未来界面可能更像可视化网络图。
匹配字段标题
在忙碌的一周里，SynthID Bio——我们为 AI 设计的蛋白质打造的水印技术——在科学诚信与生物安全方面迈出了重大一步！祝贺 @GoogleDeepMind 团队
匹配字段标题
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
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