Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。Nano Banana 2 Lite 主打速度与成本，官方建议用它替换第一版 Nano Banana（gemini-2.5-flash-image），并将登陆 Search 的 AI Mode、Gemini app、NotebookLM、Google Photos 等消费端产品。Gemini Omni Flash 通过 Gemini API 和 Google AI Studio 开放，支持文本、图像、视频输入的高质量视频生成与对话式编辑，定价为每秒视频输出 $0.10，与 Veo 3.1 Fast 相同。
匹配字段标题
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
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。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。
匹配字段标题
Google DeepMind 发布 AI Control Roadmap，一套用于构建和管理 Google 内部部署的高级 AI 的框架，在模型对齐之外增加系统级安全层，即便对齐不完美也能提供保障。该框架把不受信任的 AI 智能体视为潜在内部威胁，基于 MITRE ATT&CK 拆解攻击战术与技术，并按模型能力划分检测等级 D1-D4 与预防响应等级 R1-R3。团队已分析一百万个编码智能体任务，并据此为 Gemini Spark 智能体搭建实时监控，数据显示多数被标记事件并非恶意意图，而是智能体误解或过度追求用户目标。
匹配字段标题
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation 和 ARIA，并获 Google.org 支持，面向全球研究者发起最高 $10M 的多智能体 AI 安全研究资助征集。项目聚焦大规模智能体系统的群体行为，以及理解、预测、监测和缓解交互风险的框架。申请截止日期为 2026 年 8 月 8 日，获奖者预计于 2026 年秋季公布。
匹配字段标题
Google DeepMind 发布 DiffusionGemma，一个采用 Apache 2.0 许可的 26B MoE 实验性开源模型，探索文本扩散生成，在 GPU 上文本生成速度最高提升 4 倍。该模型不再逐 token 顺序生成，而是同时生成整块文本，面向内联编辑、快速迭代等速度敏感的本地交互工作流。其加速优势主要体现在单加速器、低到中等批大小的本地低并发推理场景，高 QPS 云端服务下并行解码收益递减。
匹配字段标题
Google DeepMind 选出欧洲15家早期机器人公司参加为期三个月的 Accelerator: Robotics 项目，帮助其将 AI 融入核心产品。入选团队将获得技术辅导、产品指导、AI 技术栈及 Gemini robotics models，应用涵盖医疗、建筑、回收、物流和制造等领域。
匹配字段标题
Google DeepMind 推出 Gemma 4 12B，将智能体式多模态能力带到笔记本电脑，并首次在其中型模型中支持原生音频输入。该模型在标准评测中的表现接近 26B MoE，内存占用不到后者一半，可在配备 16GB RAM 的消费级笔记本上本地运行。其无编码器架构可直接整合音频与视觉输入，以减少延迟和内存用量。
匹配字段标题
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
Google DeepMind 推出 Gemini Omni，其首款模型 Gemini Omni Flash 可接收图像、音频、视频和文本输入，生成高质量视频，并支持通过多轮自然语言对话编辑。该模型正向 Gemini app、Google Flow 和 YouTube Shorts 推出，未来数周将通过 API 面向开发者和企业客户开放；初期音频输入仅支持语音参考，生成视频均含 SynthID 数字水印。
匹配字段标题
Google DeepMind 在亚太地区启动首个以“AI for the Planet”为主题的加速器项目，帮助机构利用前沿 AI 应对自然、气候、农业和能源等领域的问题。该项目为期三个月，面向初创企业、研究团队和非营利组织，入选者将获得专家指导、定制支持及 Google AI 模型集成协助，并在新加坡参加线下训练营。
匹配字段标题
Google DeepMind 与 Accenture、Bain & Company、BCG、Deloitte 和 McKinsey 合作，推动企业以负责任的方式规模化采用前沿 AI 和智能体技术。双方将结合 AI 研究与战略咨询能力，重点服务金融、制造、零售、媒体和娱乐等行业，并让合作伙伴直接与 Google DeepMind 的技术人才协作。
匹配字段标题
Google DeepMind 推出 Gemini 3.1 Flash TTS，通过 audio tags 精细控制语音风格、节奏和表达，并支持 70 多种语言及原生多说话人对话。该模型在 Artificial Analysis TTS 排行榜获得 1,211 Elo 分，正逐步上线 Google AI Studio、Vertex AI 和 Google Vids；生成的音频均带有 SynthID 水印。
匹配字段标题
Google DeepMind发表论文,提出CALLIOPE主题树构建方法:让大语言模型为每篇文档打上少量关键词并加噪,只保留高频关键词,再由大语言模型据此提出主题并归类文档,从而在严格隐私约束下生成更清晰的主题地图。在最严格的隐私设置下,人工评分者在全部3个数据集上都更偏好CALLIOPE而非基于嵌入向量的URANIA,最高比例为76%对18%。该方法消耗的token是URANIA的2到5倍。目前尚无后续进展。
匹配字段标题
Google DeepMind 发表论文,研究用强化学习训练 Gemma-4 4B 撰写道德论证的效果。结果显示,模型在 MoralChoice 模糊案例上因选项顺序调换而改变答案的比例从 14.3% 降至 6.6%,但附和用户的比例仅从 45.3% 变为 44.0%,道德寓言题准确率反而从 56.5% 降至 53.4%。论文据此建议,评估建议或判断类任务时,应将一致性与正确性分开测试。
匹配字段标题
Google DeepMind 发表论文,研究用强化学习训练 Gemma-4 4B 撰写道德论证的效果。结果显示,模型在 MoralChoice 模糊案例上因选项顺序调换而改变答案的比例从 14.3% 降至 6.6%,但附和用户的比例仅从 45.3% 变为 44.0%,道德寓言题准确率反而从 56.5% 降至 53.4%。论文据此建议,评估建议或判断类任务时,应将一致性与正确性分开测试。
匹配字段标题
2026年10月30日,Google DeepMind发表论文《The Economics of Intelligence》,提出用胜任(单任务能力)与协同(智能体协作能力)两项阈值刻画AGI对经济的影响,认为经济影响取决于智能体协调能力而非单个模型变强。论文称AI已在精简初创公司、扁平化组织架构和部分入门岗位招聘放缓上显现变化,但尚未出现大规模失业;多数基准只测单个模型,而企业以团队形式竞争。论文引用一项100人测验,互补配对的小组比随机配对表现高32%。同日,Ethan Mollick评论该研究,指出组织不只是最优秀个体的加总,单个智能体变强不会独自改变经济,能协同工作的智能体才可能带来转型。
匹配字段标题
2026年10月30日,Google DeepMind发表论文《The Economics of Intelligence》,提出用胜任(单任务能力)与协同(智能体协作能力)两项阈值刻画AGI对经济的影响,认为经济影响取决于智能体协调能力而非单个模型变强。论文称AI已在精简初创公司、扁平化组织架构和部分入门岗位招聘放缓上显现变化,但尚未出现大规模失业;多数基准只测单个模型,而企业以团队形式竞争。论文引用一项100人测验,互补配对的小组比随机配对表现高32%。同日,Ethan Mollick评论该研究,指出组织不只是最优秀个体的加总,单个智能体变强不会独自改变经济,能协同工作的智能体才可能带来转型。
匹配字段标题
Google DeepMind发表论文,提出CALLIOPE主题树构建方法:让大语言模型为每篇文档打上少量关键词并加噪,只保留高频关键词,再由大语言模型据此提出主题并归类文档,从而在严格隐私约束下生成更清晰的主题地图。在最严格的隐私设置下,人工评分者在全部3个数据集上都更偏好CALLIOPE而非基于嵌入向量的URANIA,最高比例为76%对18%。该方法消耗的token是URANIA的2到5倍。目前尚无后续进展。
匹配字段标题
Google DeepMind与多所顶尖高校发表论文,测试AI智能体求解未发表研究级理论物理问题的能力。论文显示,表现最好的AI智能体解出50道未公开研究级理论物理题中的49道,每题约相当于领域专家一天的工作量,单题成本低于3美元。题目由专家从自身研究中提供,智能体独立作答,分联网与不联网两组,仅按最终数值答案评分。GPT-6-Astra在Codex中联网解出49道;它与Opus 5.5在Claude Code中不联网各解出46道,去掉联网后准确率变化很小,作者据此认为模型可能已记住大量物理文献。
匹配字段标题