Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
Google 正在向全球 Gemini 聊天用户推出 Skills，以取代 Gems。用户可用“/”加名称调用保存的任务指令，Gemini 还能从历史对话生成 Skills，并在检测到匹配提示词时自动运行。Skills 支持文本文件、PDF 和图像作为参考资料，现有 Gems 会自动转换；Gems 将于 11 月对个人账户停用，并在之后分批停止支持 Workspace 客户。
推荐理由：Google 将 Gems 迁移为可调用、可组合的 Skills，并公布了资料引用、自动生成和后续协作集成安排。
据报道，Google 已启动一项向出版商支付费用的试点计划，约有 100 家出版商参与，其内容对 Search 的 AI Overviews、AI Mode 及 Gemini chatbot 的贡献会影响收入。最早加入的一家出版商一年收入超过 $1 million，几个月前加入的另一家收入约为 $50,000 至 $60,000；该计划面临出版商诉讼和监管机构对网页流量影响的审查。
推荐理由：报道呈现了 Google 向内容参与 AI 搜索的出版商付费的试点规模与收入差异，也交代了该安排面临的流量和监管压力。
Google 的轨道计算卫星搭载 SpaceX 火箭升空，首次将其 TPU 芯片送入太空，以测试供电、散热、模型推理和辐射环境下的运行表现。
推荐理由：文章把 Google 的轨道计算设想与 Starship 的发射规模要求放在同一框架中，呈现了太空数据中心面临的工程与成本约束。
Google 发布 Gemini 4 Argon，称其在多项基准上追近 OpenAI 和 Anthropic 的模型，并将输出上限从 64,000 提升至 one million tokens。
推荐理由：文章汇总了独立基准、价格和开放计划，便于比较 Gemini 4 Argon 与 GPT-6 Astra、Claude 系列的性能与成本取舍。
Google 发布下一代前沿模型 Gemini 4 Argon，称其在复杂工作流、软件工程、法律与金融等企业知识工作及网络安全防御方面具备前沿性能。该模型目前仅向一组受信任的网络安全防御者开放，Google 将在扩大开放前加强关键前沿安全措施，包括防范滥用和提示词注入攻击并监测失配。
推荐理由：Google 仅向受信任的网络安全防御者开放 Gemini 4 Argon，并将重点完善滥用、提示词注入和失配防护。
Google DeepMind 宣布 Gemini 4 Argon，这款新模型面向软件工程、法律和金融等企业知识工作，以及网络安全防御，正在通过 Fairwind Program 向可信网络防御者分阶段开放。
推荐理由：文章同时给出 Gemini 4 Argon 的长程任务能力、评测结果、定价与分阶段开放安排，便于了解其面向企业和安全场景的落地边界。
Google DeepMind 在 Nature 发表研究，提出 SynthIDBio，可在 ProteinMPNN 设计蛋白质时嵌入分布式水印，同时保持蛋白质与目标蛋白结合的功能。
推荐理由：论文展示了 SynthIDBio 如何在不损害蛋白质功能的前提下嵌入可检测水印，为筛查来源不明的 AI 设计蛋白提供了具体思路。
Google DeepMind 发布 SynthID Bio，可将不可见签名嵌入AI生成的蛋白质序列和预测的3D结构，并在合成后的物理蛋白质中验证。实验显示，经过水印处理的蛋白质结合剂在VEGF-A、SARS-CoV-2 spike protein RBD和PD-L1三种目标上保持了与未加水印设计相当的命中率、结合亲和力和自然序列多样性。
推荐理由：SynthID Bio把水印嵌入蛋白质序列和预测结构，并在实验中保持生物功能，为AI生成生物设计的来源核验提供了具体路径。
Google Research 提出 Diffusion Controller，将图像生成的去噪过程重新表述为连续控制问题，用轻量级控制网络调节生成轨迹。该框架支持灰盒和白盒场景，并通过 SFT、RWL 和 PPO 在 Stable Diffusion v1.4 上进行评估；其完全解锁版本相对基线模型取得了 90% 的胜率。
推荐理由：Diffusion Controller 将推理时引导与微调统一为连续控制框架，并展示了灰盒和白盒场景下兼顾偏好匹配与图像质量的实现路径。
Google Research 介绍了一套基于 Gemini 和 Veo 的 AI 视频联合导演多智能体框架，用于自动规划多镜头叙事并减少角色、场景和物体状态漂移。框架包含 Co-Director、CANVAS、A²RD 和 VQQA，分别覆盖创意编排、视觉连续性、分钟级视频生成和闭环提示词优化，并在多个视频基准上报告了质量与一致性提升。
推荐理由：Google 将长视频生成拆解为创意编排、视觉记忆、时间扩展和闭环优化四个环节，展示了缓解跨镜头一致性问题的系统化路径。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将低延迟流式视频与实时语音对话结合，生成具备唇形同步、表情和连续对话能力的动态视觉化身。该功能支持异步工具调用、97 种语言间切换，并已在 Gemini Enterprise 提供；自定义化身目前仅通过企业 allowlisting 开放，所有输出均带有 SynthID 水印。
推荐理由：Google DeepMind 展示了 Live Avatar 在实时对话、异步工具调用、多语言同步和品牌定制上的企业应用方式。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，通过 AlphaFold Database 开放发布覆盖2800多种病毒的预测蛋白复合物3D结构。
推荐理由：文章说明了开放病毒蛋白复合物数据集及生成流程的来源、规模和用途，展示 AI 结构预测如何支持疫情研究准备。
Google 发布 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts 两个文本转语音模型，并提供超过 2,000 种声音及基于 30 秒音频样本创建自定义声音的能力。
推荐理由：这篇内容同时展示了 Gemini 3.8 TTS 的多角色对话能力与可复用的 Playground，包含生成时长和成本等实测信息。
Google DeepMind 发布 Private AI Compute 技术更新，引入服务器端持久记忆，让 AI 可在设备间保留上下文，同时维持端侧隐私标准。用户数据存放在加密存储中，解密密钥仅由个人设备持有，云端通过硬件强制的安全隔离环境临时处理数据。Google DeepMind 还发布更新后的技术白皮书、服务器软件的防篡改公开记录，并提供独立网络安全审计结果。
推荐理由：文章具体说明了云端持久记忆如何结合设备密钥、加密通道与安全隔离环境，在跨设备连续体验和隐私控制之间取得平衡。
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，用于生成可定制的角色声音、逐句指导场景对白和大规模语音内容。
推荐理由：两款模型分别覆盖创意驱动与高量低成本语音生成，并提供声音定制、逐句导演和同意验证，展示了语音模型面向生产应用的能力边界。
Google Research 介绍 MilleMiglia，这是一个用 C++ 编写的中程物流实例生成器，可创建包含固定车辆时刻表、配送中心吞吐限制和复杂同步约束的现实基准数据。它通过空间分布、需求和车辆班次等统计分布生成隐私保护的合成网络，覆盖从小型测试到洲际规模实例，并可用于训练 ML 算法。项目代码和文档已在 GitHub 开源，Google 及学术合作伙伴还在开发专用求解器和 API。
推荐理由：文章解释了中程物流为何难以套用传统 VRP，并展示 MilleMiglia 如何用隐私保护的合成数据支持统一基准与后续求解器研究。
Google Research 发布一项研究实验，利用面向学习优化的生成式 UI，帮助教师按课程目标创建定制的互动教育模拟。研究同时发布了 30 多个英文 STEM 学习互动内容，涵盖物理、化学、生物和数学，并由教师审核。实验包含迭代式生成、自我纠错和 Agent 式自动评估；一项涉及 12 名美国教师的初步研究中，互动内容质量平均评分为 8/10。
推荐理由：Google 以教师审核和教学护栏为核心，展示了 GenUI 如何生成可定制的 STEM 互动练习及其早期教师反馈。
Emerald AI、Google与NVIDIA宣布成立AI Energy Management Alliance（AEMA），推动可根据电网状况动态调整用电的AI数据中心。联盟提出技术中立、以性能为基础的要求，涵盖响应速度、持续时间、可预测性、应急行为、技术标准和运营数据共享，并计划与公用事业及电网运营商合作，探索更快的AI基础设施并网路径。
推荐理由：文章介绍了AEMA面向AI数据中心的性能化灵活用电框架，涵盖响应指标、互联成本和电网协作，为理解AI基础设施扩张中的电力约束提供了具体背景。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train，通过离线 RL 生成监督数据，再将集合级检索行为蒸馏到 53.9M 参数的扩散模型中。该模型可在单次非自回归推理中生成完整目标嵌入集合，相比自回归方法实现 12 到 20 倍加速，并在时延规模扩大时保持亚秒至数秒响应。
推荐理由：论文展示了如何把离线 RL 学到的集合级检索行为蒸馏进扩散模型，以降低复杂搜索的推理延迟并减少人工标注依赖。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，分别面向规模化低成本语音交互与高复杂度任务推理。
推荐理由：Google DeepMind同时发布面向规模化语音交互和复杂任务的两个模型，并给出基准成绩、工具调用与多语言能力，便于比较其定位差异。