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开发的SpeciesNet模型可对相机陷阱图像中的2,498类动物进行分类，并已作为开源工具供下载、适配和改进。模型基于超过65M张标注图像训练，可在标准笔记本上每天处理约30,000张图像；在测试中，99.4%的含动物图像被识别，83%的预测达到物种级别，其中94.5%正确。过去一年，研究团队已将其用于哥伦比亚、美国爱达荷州、澳大利亚和坦桑尼亚等地的野生动物监测。
推荐理由：SpeciesNet将大规模相机陷阱图像识别转为可本地运行和适配的开放工具，文中数据与项目案例展示了它在野生动物监测中的实际用法。
Google 发布 Gemini 3.1 Pro，定位于需要复杂推理的问题，并已在消费者、开发者和企业产品中以预览版逐步推出。
推荐理由：Gemini 3.1 Pro 同时给出 ARC-AGI-2 成绩和多端预览入口，便于了解其推理能力进展与实际可用范围。
IBM Research 与 UC Berkeley 将 MAST 应用于 ITBench，分析了 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 的 310 条 SRE 执行轨迹。
推荐理由：文章把 ITBench 的成功率拆解为具体失败模式，并针对不同模型给出验证、终止控制和上下文管理等工程改进方向。
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级，面向科学、研究和工程挑战强化专门推理能力。
推荐理由：文章同时给出学术基准成绩和 Gemini API 早期访问入口，便于了解 Deep Think 从专门推理模式走向科研与工程应用的路径。
Google Research介绍Natively Adaptive Interfaces（NAI）框架，尝试用原生嵌入界面的多模态AI智能体替代静态导航，让应用根据用户情境和偏好动态调整。
推荐理由：Google Research提出将智能体原生嵌入界面，通过多模态协作和社区共创缩小无障碍功能滞后，为通用设计提供了可复用框架。
Google 宣布与 Included Health 合作，在获 Institutional Review Board（IRB）批准后开展一项面向全国、经同意参与者的前瞻性随机研究，评估对话式 AI 在真实虚拟医疗工作流中的表现。
推荐理由：研究将把对话式 AI 从模拟和可行性测试推进到全国范围的随机对照研究，为评估真实虚拟医疗中的安全性与实用性提供更严格证据。
Google DeepMind 开始向美国 18 岁以上的 Google AI Ultra 订阅者开放 Project Genie，这是一款由 Genie 3、Nano Banana Pro 和 Gemini 驱动的实验性网页原型。
推荐理由：Project Genie 将 Genie 3 的世界模型能力封装为可操作原型，展示了从生成环境到实时探索和视频导出的完整体验。
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，通过180种智能体配置评估单智能体与四类多智能体架构。
推荐理由：这项研究用180种智能体配置比较不同架构，展示任务可分解性、顺序依赖和工具数量如何影响性能与可靠性。
Google Research 发布 ATLAS 多语言模型研究，基于 774 次训练运行、400+ 种语言和 48 种语言评测，提出可适应语言混合的 scaling laws。
推荐理由：论文将多语言预训练、语言迁移和微调决策统一到可操作的 scaling laws 中，为不同语言组合下的模型规模、数据量与计算预算规划提供了量化参考。
Google Research 介绍一项发表于 EMNLP 2025 的研究，将用户界面轨迹的意图理解拆为逐屏摘要和序列意图抽取两步，以便小型多模态 LLM 在设备端处理。
推荐理由：论文将界面轨迹的意图理解拆成屏幕摘要与序列抽取两步，并以事实级指标分析小模型在端侧场景中的效果与误差来源。
Google DeepMind 推出 D4RT，一种统一的 AI 模型，用于跨空间与时间进行 4D 场景重建和跟踪。D4RT 采用基于查询的 Transformer 编解码架构，在测试中比此前 state of the art 方法快 18x 至 300x；处理一分钟视频约需 5 秒，而此前方法最多需要 10 分钟。
推荐理由：D4RT 将动态场景重建与跟踪统一到查询式架构中，并以速度数据展示其在实时空间理解场景中的应用潜力。
Google Research 发现，Android Auto 收集的硬刹车事件（HBE）频率与道路路段实际碰撞率呈显著正相关，可作为道路安全评估的先行指标。研究结合 Virginia 和 California 的公开事故数据与匿名聚合的 Android Auto 数据，并使用 10 年事故记录和负二项回归进行验证；观测到 HBE 的路段数量是报告事故路段的 18 倍。
推荐理由：研究用两州公开事故数据和 Android Auto 聚合数据验证了硬刹车事件作为高密度道路风险先行指标的可行性。
Google发布MedGemma 1.5 4B，扩展对CT、MRI和全切片组织病理图像的支持，并改进胸部X光定位、纵向影像 review、实验室报告提取和医疗文本问答等能力。
推荐理由：Google同时更新了MedGemma的高维医疗影像与文本能力，并发布MedASR，文中的基准数据可帮助开发者比较其适配医疗场景的起点。
Google Quantum AI 在 Willow 处理器上实验展示了采用动态电路的表面码量子纠错，并提出 hexagonal、walking 和 iSWAP 三种电路。hexagonal 电路仅需每个量子比特连接三个 coupler，walking 电路将泄漏相关误差降低超过一个数量级，iSWAP 电路达到 1.56 的误差抑制因子。
推荐理由：研究通过三种动态表面码展示了在连接布局、泄漏误差和双量子比特门选择上的适应空间，为量子硬件与纠错协议协同设计提供了具体实验依据。
Google DeepMind 更新 Veo 3.1 Ingredients to Video，增强基于参考图生成视频时的角色、背景和物体一致性，并支持更丰富的对话与叙事。
推荐理由：Veo 3.1 此次更新同时覆盖参考图一致性、原生竖屏和高分辨率输出，清晰展示了从移动端短视频到专业制作的适用范围。
Google DeepMind 发布 Gemini 3 Flash，结合 Gemini 3 Pro 级推理与 Flash 级延迟、效率和成本，面向开发者、消费者及企业逐步开放。
推荐理由：Gemini 3 Flash同时给出推理、速度、成本和编码基准数据，并覆盖开发者、消费者与企业入口，便于比较其实际定位。
Google DeepMind发布Gemma Scope 2开放解释性工具套件，覆盖Gemma 3从270M到27B参数的全部模型尺寸。该套件结合SAE、transcoder、skip-transcoder和cross-layer transcoder，并提供面向聊天模型的工具，用于分析越狱、拒答机制和思维链忠实性等复杂行为。
推荐理由：Gemma Scope 2覆盖Gemma 3全尺寸模型并引入多类解释工具，为研究越狱、幻觉和模型行为审计提供了更完整的开放基础。
Google Research 为 STOC 2026 创建了由 Gemini 2.5 Deep Think 驱动的 Paper Assistant Tool，在论文提交前提供自动反馈，帮助作者发现计算错误、变量不一致和证明中的逻辑漏洞。
推荐理由：这项试验展示了专用 AI 工具如何在人工同行评审前检查理论论文，并给出错误识别、反馈速度与作者使用感受等具体结果。
Google DeepMind宣布通过新的谅解备忘录扩大与英国AI安全研究所（AISI）的合作，从测试模型扩展到基础安全与安全性研究。双方将共享模型、数据和想法，开展联合报告及研究，重点关注AI推理过程监测、社会情感错位和经济系统影响评估。
推荐理由：Google DeepMind与英国AI安全研究所将合作范围从模型测试扩展至基础安全研究，覆盖推理监测、社会情感影响和经济系统评估。
Google Research 介绍论文《Urania》提出的差分隐私框架，用 DP 聚类、DP 关键词提取和仅基于匿名关键词的 LLM 摘要分析聊天机器人使用情况。与非私有基线相比，隐私摘要在一次评估中最高有 70% 的偏好率，成员推断攻击的 AUC 为 0.53，而非私有流程为 0.58。
推荐理由：文章展示了如何用差分隐私替代启发式脱敏分析聊天数据，并通过摘要偏好和成员推断实验呈现隐私与信息细致度的权衡。