与“DeepMind”标签匹配的公开内容。
AMD 宣布以约 82 亿美元全股票收购李飞飞创立的 World Labs，交易完成后李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 约 70 人团队以相对独立的研究单元并入。文章回顾了李飞飞从 ImageNet、AI 民主化到空间智能的三次方向选择，并指出这次收购比 World Labs 2026 年 2 月 C 轮融资后 54 亿美元的估值高出约 52%。作者认为后续要看 Atlas、Marble 在 MI450 上的性能提升能否延续 MI325X 上 4 倍提速的曲线，以及其他空间智能团队是否因此转向 AMD 硬件。
推荐理由文章梳理李飞飞从 ImageNet 到 World Labs 的三次方向选择，并给出 AMD 收购后判断空间智能成败的两条具体标准。
谷歌发布新旗舰模型 Gemini 4 Carbon，在 Artificial Analysis 智能指数 5.0 上以 59 分登顶，超过 Claude Opus 5.5 和 GPT-6 Astra。Terminal-Bench 4.0 得分 65.2%，256k 至 1M 上下文的 GraphWalks 得分 96.2%，SEC-bench Pro 漏洞挖掘得分 88.2%。首发定价为输入 2 美元、输出 10 美元每百万 Token，缓存命中输入低至 0.2 美元；因具备漏洞挖掘与利用能力，将先向部分网络安全防御人员开放。
推荐理由原文列出 Carbon 在终端编程、长上下文与安全基准上的具体分数和定价，可对照 Opus 5.5 判断差距。
推荐理由Arena 的实测数据把 Carbon 相对 Argon 的提升拆到可操控性、任务完成率和用户情绪三个信号上，便于判断差距来源。
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。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，如移动镜头、改变天气或引入新角色，每个世界还会即时生成环境音、音乐和交互对话。
推荐理由原文说明了 Genie 4 在实时交互模拟中加入原生音频与自然语言操控，读者可据此了解世界模型的新能力边界。
Google DeepMind 主任研究科学家 Jon Barron 披露，PyTorch、JAX 及教科书中的 Softmax 与交叉熵标准实现存在两个浮点舍入 Bug，会导致梯度被抹零和蒸馏出现幽灵梯度。团队在 arXiv 提交论文《Softmax和交叉熵的修复》，给出重写方案；在模加法（a + b mod 31）任务中，bfloat16 精度下测试准确率从 93.3% 提升到 100.0%。Barron 表示该 Bug 最初由 Gemini Flash 3.7 发现并修复，论文大部分实验由 Flash 3.8 完成，Gemini 4 Argon 写了初稿。
推荐理由原文梳理了 Softmax 与交叉熵实现中两个浮点舍入缺陷的成因，并给出修复前后的准确率对比。
推荐理由Pichai 把两位核心人物的变动解释为前沿模型开发成为高强度专职工作后的自然分工。
四个运行Gemini 4 Argon的自主智能体在《我的世界》生存模式中耗时27小时14分钟击败末影龙，全程无人类干预、未接受游戏专项训练，DeepMind研究团队在arXiv论文中披露了该实验。过程中智能体编写并运行2783个程序、交换229条聊天消息、死亡605次，处理约13.5亿输入token，按优惠价格计算约520美元。论文称这是首个仅使用标准Mineflayer库、没有预先勘探种子或人类编写游戏专用工具的端到端自主通关。
推荐理由论文披露四个通用智能体在无游戏专项训练下自主通关，可与AlphaGo、AlphaStar的专用训练路线对照。
推荐理由商汤在 12 个仿真基准和 8 个真机平台上实测 GPT-6-Astra，并给出成本与实时性上的具体差距。
Google DeepMind 的自动数学证明系统 AlphaProof Nexus 登上 10 月 8 日的《Science》，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。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。
推荐理由论文公开了353道Erdős问题的解题率、成本与消融结果，读者可据此判断形式化证明系统的真实能力边界。
推荐理由ARC-AGI-3 上第二家突破 95% 的实验室出现，读者可据此观察前沿模型在该基准上的竞争位置。
推荐理由ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI 三代基准上的分数与单任务成本，可对比不同 harness 下的表现差异。
推荐理由ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI-3 的完整成绩与成本，可对照其与 GPT-6 Astra 的差距及动作效率。
推荐理由ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI 三代基准上的分数与单任务成本，可对照不同 harness 下的表现差异。
Google DeepMind 正式上线通用物理推理模型 Gemini 4 Argon，并发布与 Apptronik Apollo 人形机器人合作的演示视频，机器人仅观看一段掷沙包示范视频后反复练习，最终连续投中 7 次。该模型具备视觉语义推理、物理理解和代码生成能力，可用于机器人控制、仿真环境构建、物理数据分析和动作优化，在纯推理模式下 ERQA 基准得分达 87%。演示还覆盖从机器人视角、人类视角视频及手绘草图生成 MuJoCo 仿真环境，以及用仿真数据把真实机器人抓取成功率从 56% 提升至 75%。
推荐理由演示覆盖仿真环境构建、零样本控制与数据生成，可看到物理推理模型在机器人研发链路中的具体分工。
Google Research 与 HHMI Janelia 等机构合作，在 Cell 发表论文，发布完整雄性果蝇大脑与中枢神经系统连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今神经元数量最多的脑图谱。该图谱还涵盖相当于脊髓的腹神经索，并已由 HHMI Janelia 专家团队完成标注与校对，可通过开源工具 Neuroglancer 查看、探索和下载。它与已发布的雌性果蝇脑图谱互补，可用于比较两性神经元差异，研究求偶与攻击行为的生物学机制。
推荐理由Google 与 HHMI Janelia 用 AI 完成迄今神经元数量最多的脑图谱，读者可了解连接组学的技术路径与后续物种计划。
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。
推荐理由AlphaProof Nexus 用 Lean 形式化验证并接受同行评审，与 OpenAI 直接公开证明的做法形成对照。
推荐理由第三方评测给出 Nano Banana 2.1 在文生图与图像编辑双榜的排名和价格对比，可据此判断其性价比位置。
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。
推荐理由Gemini 4 Argon 把单次输出上限从 64K 提到 1M，并公开了分阶段发布与定价，读者可据此判断长任务成本。
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。
推荐理由NVIDIA 与 Google DeepMind 等联合开放 2800 多种病毒的蛋白复合物结构预测，并开源生成流程，读者可了解开放科学在疫情准备中的具体做法。
推荐理由Google DeepMind 把基因组变异影响预测做成可检索数据库，读者可了解其覆盖范围与学术开放方式。