Google DeepMind 推出 Project Genie 互动世界原型
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。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 101–120 条 · 共 139 条Google DeepMind精选AI 评分8383
Google Research精选AI 评分6565 Google 研究用分解方法提升小模型的用户意图提取效果
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精选AI 评分7272 Google DeepMind 发布 D4RT，统一动态 4D 场景重建与跟踪
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精选AI 评分8282 Google发布MedGemma 1.5 4B并推出MedASR医疗语音识别模型
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。
Berkeley AI Research精选AI 评分6868 Berkeley AI Research 发布信息驱动的成像系统设计研究
Berkeley AI Research 的 NeurIPS 2025 论文提出从带噪测量中直接估计互信息，用于评估成像系统包含的有效信息。该方法在彩色摄影、射电天文学、无透镜成像和显微镜四个领域预测了下游解码性能；其 IDEAL 方法通过优化信息估计来设计成像参数，在滤色器设计中达到与端到端优化相当的结果，同时不需要任务特定的解码器设计。代码已在 GitHub 开源。
推荐理由：论文将成像系统的分辨率、噪声和采样等因素统一到互信息指标中，并展示了该指标评估与优化多类系统的方式。
Mistral AI精选AI 评分7979 Mistral OCR 3 发布，文档解析能力与 Document AI Playground 同步升级
Mistral AI 发布 Mistral OCR 3，相较 Mistral OCR 2 在表单、扫描文档、复杂表格和手写内容上取得 74% 的整体胜率。模型支持提取文本与嵌入图像、Markdown 和结构化 JSON 输出，并以 $2 per 1,000 pages 提供 API，Batch API 价格为 $1 per 1,000 pages。
推荐理由：Mistral OCR 3 给出了相较 OCR 2 的具体提升、价格和 API 入口，便于评估文档解析场景的部署成本与迁移路径。
Google DeepMind精选AI 评分8989 Google 发布 Gemini 3 Flash，主打前沿智能与高速低成本推理
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精选AI 评分7878 Google DeepMind 发布 FACTS Benchmark Suite 评测大语言模型事实性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，新增 Parametric、Search、Multimodal 三项基准，并更新 FACTS Grounding Benchmark v2。
推荐理由：FACTS Benchmark Suite 将内部知识、网页搜索、图像问答和上下文 grounding 分开评测，并公开 3,513 个样例，便于比较模型在不同事实性任务上的表现。
Google DeepMind精选AI 评分6363 Google DeepMind 利用 AlphaFold 设计更耐热的光合作用酶
研究人员利用 AlphaFold 预测植物及耐热藻类 glycerate kinase（GLYK）的结构，并通过分子模拟发现植物 GLYK 的三个柔性环在高温下会失稳。团队以藻类 GLYK 的刚性结构替换这些区域，设计出的杂合酶在最高 65 °C 下仍保持稳定，为培育更耐热的作物提供了研究路径。
推荐理由：研究展示了如何结合 AlphaFold 结构预测与分子模拟定位酶的热不稳定区域，并据此设计出耐受更高温度的杂合酶。
Google Research精选AI 评分6767 Google Research 发布 MSEB 声音理解基准，评测八类听觉能力
Google Research 发布 Massive Sound Embedding Benchmark（MSEB），用于统一评测检索、推理、分类、转录、分割、聚类、重排和重建八类声音理解能力。
推荐理由：MSEB 将语音与生物声学等场景纳入统一评测，并拆分八类能力，帮助比较通用声音表示与专用系统的差距。
Mistral AI精选AI 评分9191 Mistral AI 发布 Mistral 3 模型系列
Mistral AI 发布 Mistral 3，包含14B、8B和3B的Ministral 3小型稠密模型，以及激活41B、总计675B参数的Mistral Large 3，全部采用Apache 2.0许可。
推荐理由：Mistral 3同时覆盖3B至675B参数规模，并提供Apache 2.0许可、量化格式和多种部署路径，便于比较开放模型的性能与落地成本。
Google DeepMind精选AI 评分8282 AlphaFold 五年影响：从蛋白质结构预测走向数字生物学
Google DeepMind 回顾 AlphaFold 自 2020 年以来对科学研究的影响，包括 AlphaFold Protein Database 被超过 3 million 名研究者在 190 多个国家使用，以及相关研究在疾病理解、药物研发和生物学发现中的应用。
推荐理由：文章以五年应用数据和具体科研案例梳理 AlphaFold 的扩散路径，呈现其从蛋白质结构预测工具走向数字生物学平台的过程。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），面向开发者提供高保真图像生成与编辑能力，目前通过 Gemini API 在 Google AI Studio 和 Vertex AI 以付费预览形式推出。
推荐理由：这篇发布说明集中展示了 Gemini 3 Pro Image 在文字渲染、图像控制、语言本地化和 Google Search grounding 方面的开发者用法。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Nano Banana Pro 图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），主打更强的推理、世界知识、文字渲染和图像编辑控制。
推荐理由：Nano Banana Pro 将更强的推理、文字渲染和创作控制结合到图像生成与编辑中，并给出了面向消费者、开发者和专业用户的使用入口。
Google Research精选AI 评分8686 Google 推出延迟 2 秒的实时语音到语音翻译技术
Google Research 介绍了一种端到端实时语音到语音翻译模型，可保留原说话者的声音，并将延迟降至 2 秒。该技术已用于 Google Meet 服务器端功能和 Pixel 10 的端侧功能，当前支持英语与西班牙语、德语、法语、意大利语、葡萄牙语之间的翻译。
推荐理由：文章具体说明了端到端语音翻译如何将延迟降至 2 秒，并展示其在 Google Meet 与 Pixel 10 上的落地方式。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 3，Gemini 3 Pro 开放预览
Google DeepMind 发布 Gemini 3，其中 Gemini 3 Pro 已通过 Gemini API 在 Google AI Studio 和 Vertex AI 提供预览，价格为 $2/million input tokens 和 $12/million output tokens，适用于 200k tokens 或更短的 prompts。
推荐理由：Gemini 3 Pro同时覆盖智能体编码、单提示词应用生成和多模态推理，并公布了API价格与接入方式，便于评估其开发价值。
Google DeepMind精选AI 评分6060 Google DeepMind 将在新加坡开设新的 AI 研究实验室
Google DeepMind 宣布在新加坡开设新的研究实验室，以推进亚太地区的 AI 研究、Gemini 核心能力和区域应用。新加坡团队将与政府、企业、学术机构及社会组织合作，重点关注语言与文化包容性。该公司还介绍了与新加坡机构在 AlphaFold、AI agent sandbox、Project Aquarium、SEA-LION v4 和 AI 教育等方面的合作。
推荐理由：Google DeepMind 将新加坡研究实验室与区域合作结合，覆盖 Gemini、语言文化包容性及公共服务等应用方向。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 3，推出 Gemini 3 Pro、Deep Think 与 Google Antigravity
Google DeepMind 发布 Gemini 3，首先推出 Gemini 3 Pro 预览版，并在 Gemini app、AI Mode in Search、AI Studio、Vertex AI 和 Gemini CLI 等入口提供使用。
推荐理由：Gemini 3 Pro、Deep Think 与 Google Antigravity 同步亮相，原文集中展示了模型能力、开发入口和智能体工作流变化。
Google Research精选AI 评分8787 Google推出Generative UI，Gemini与AI Mode可按提示生成交互界面
Google Research推出Generative UI，让AI模型根据用户提示动态生成网页、游戏、工具和应用等定制化交互界面。该能力已在Gemini app中以dynamic view和visual layout实验形式推出，并接入Google Search的AI Mode；美国Google AI Pro和Ultra订阅者可在AI Mode中选择“Thinking”体验。
推荐理由：Google同时给出论文依据、产品入口和偏好评测，能帮助读者理解Generative UI从研究实现走向真实产品时的能力边界与使用条件。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 WeatherNext 2 天气预测模型
Google DeepMind 和 Google Research 发布 WeatherNext 2，可将全球天气预测提速 8x，分辨率最高达到 1 小时，并从单一起始条件生成数百种天气情景。
推荐理由：WeatherNext 2 同时提升预测速度、分辨率和情景覆盖，并开放至多个 Google 平台，展示了天气模型从研究走向应用的路径。