Google DeepMind 相关 AI 资讯

6月16日

03:00

HeyGen@HeyGen_Official

Google DeepMind与HyperFrames联合举办了一场闭门活动，现场演示了agentic AI的实时构建过程。活动视频显示开发者在同一空间内进行live demo，吸引了3条回复、1次转发和11个点赞。该活动展示了当前agentic AI从理论到实际落地的进展。

推荐理由：想看看agentic AI怎么从代码变成现实？DeepMind和HyperFrames这场活动全是现场demo，比读论文直观多了。

原文

6月13日

10:52

rohanpaul_ai@rohanpaul_ai

精选

Google DeepMind 发布论文《From AGI to ASI》，探讨从通用人工智能（AGI）到超级人工智能（ASI）的四种可能路径：持续扩展计算与模型规模、算法范式突破（超越 Transformer）、递归自我改进（AI 加速 AI 研发）、多智能体集体智能。论文指出，扩展路径可能受限于数据、计算和能源瓶颈；递归改进最不确定，因需真实世界测试和稀缺硬件；多智能体集体智能最被低估，通过专业化与协调可超越单一模型。ASI 可能不是单一事件，而是 AI 辅助创造更好 AI 的加速链。

论文 Google DeepMind AGI ASI 多智能体递归自我改进

推荐理由：DeepMind 分析 AGI 到 ASI 的四种路线

原文

6月12日

19:01

官方账号Google DeepMind@GoogleDeepMind

精选

Google DeepMind 宣布其 Robotics Accelerator 计划正式启动，首批入选 15 家欧洲初创公司。该加速器为期三个月，参与公司将获得 Google AI stack 以及 Gemini Robotics 模型的使用权限，并得到 DeepMind 团队的实操支持。这一计划旨在加速欧洲在物理 AI 领域的创新与应用落地。

行业 Google DeepMind Gemini Robotics Robotics Accelerator 物理AI 欧洲

推荐理由：15家初创用上Gemini Robotics模型

原文

00:46

官方账号Google DeepMind@GoogleDeepMind

Google DeepMind 宣布与巴西足球俱乐部 Palmeiras 合作，Palmeiras 成为首个深度应用 TacticAI 的足球俱乐部。TacticAI 是 DeepMind 开发的 AI 系统，能够模拟场上场景并提前最多 8 秒预测开放比赛动态。这一合作将 AI 从实验室带入真实体育战术决策，有望改变球队训练和比赛策略。

AI产品 TacticAI Google DeepMind 体育AI 足球战术预测模型

推荐理由：足球战术分析终于有了 AI 实战案例——TacticAI 能提前 8 秒预测比赛动态，做体育科技或战术分析的团队值得关注这次合作。

原文

00:44

官方账号Google DeepMind@GoogleDeepMind

精选

Google DeepMind 的 TacticAI 利用图神经网络将球场上的 22 名球员视为独立节点，球员间的物理互动作为连接，从而构建出完整的比赛态势图。这使得俱乐部数据科学部门能够通过虚拟拖拽球员的方式，实时测试不同的防守阵型配置。该技术为足球战术分析提供了全新的交互式工具，有望提升球队的战术部署效率。

AI产品图神经网络足球战术实时模拟 Google DeepMind 体育分析

推荐理由：足球战术分析团队终于有了可交互的 AI 工具——TacticAI 让数据科学家像玩游戏一样拖拽球员测试阵型，做体育数据分析的建议点开看看。

原文

00:41

lmarena.ai@lmarena_ai

精选

Gemini Omni Flash在Video Arena排名第一。文本转视频得分比Veo 3.1 (1080p)高158分，领先Seedance 2.0达61分。图像转视频同样位居榜首。这是Google DeepMind发布的多模态模型，结合了Gemini的智能与生成式媒体系统。

AI模型 Gemini Omni Flash Google DeepMind Video Arena 文本生成视频图像生成视频

推荐理由：视频生成双料第一

原文

6月11日

20:17

官方账号Google DeepMind@GoogleDeepMind

Google DeepMind 宣布与 Schmidt Sciences、Cooperative AI Foundation、ARIA 等机构合作，并获 Google.org 支持，共同启动一项 1000 万美元的研究基金。该基金旨在研究当数百万 AI 智能体相互交互时可能涌现的集体行为，例如协作、竞争或意外模式。这一举措对于理解大规模 AI 系统的社会影响和潜在风险至关重要，尤其是在多智能体系统日益普及的背景下。研究将帮助预测和引导 AI 群体的行为，确保其安全可控。

行业多智能体系统 AI 安全群体行为研究基金 Google DeepMind

推荐理由：多智能体系统正在从实验室走向现实，这笔 1000 万美元基金直接瞄准了群体行为这一关键盲区——做 AI 安全、多智能体系统或复杂系统研究的团队，值得关注其研究方向和资助机会。

原文

04:47

HeyGen@HeyGen_Official

HeyGen 与 Google DeepMind 将于明天在洛杉矶联合举办一场面向构建者、创始人、研究人员和开发者的活动。活动聚焦智能体、创意工具和多模态应用领域。主办方在 X 平台发布消息，提醒有意者尽快通过 Luma 平台 RSVP。这是两家 AI 领域重要公司的一次线下交流机会，适合关注前沿 AI 应用和生态合作的从业者。

行业智能体多模态创意工具 HeyGen Google DeepMind

推荐理由：HeyGen 和 Google DeepMind 的联合活动聚焦智能体与多模态应用，做 AI 产品和工具的团队值得关注，明天就开始了，现在报名还来得及。

原文

04:42

官方账号Google DeepMind@GoogleDeepMind

Google DeepMind 发布了一项为期八周的研究，评估 AI 对教育的影响。研究不仅关注考试成绩，还观察了学生的行为变化。结果显示，学生使用 Gemini 的方式从直接寻找答案转向理解概念，关于“如何解决问题”的查询比例从 68% 上升到 90%。这表明 AI 正在促进更深层次的学习，而非简单的答案获取。

AI产品 AI教育 Gemini 学习行为 Google DeepMind 教育科技

推荐理由：这项研究揭示了 AI 在教育中的真实价值——不只是提分工具，而是改变学习方式。教育工作者、AI 产品经理和关注学习效率的家长值得一看，了解如何引导 AI 从“答案机”变成“思维教练”。

原文

03:06

官方账号NVIDIA AI@NVIDIAAI

76°

Google DeepMind 推出实验性开源模型 DiffusionGemma，采用文本扩散技术，每步并行生成 256 个 token，推理速度可达 150+ TPS（DGX Spark）或 1000+ TPS（单张 H100）。该模型激活仅 3.8B 参数，量化后可在 24GB VRAM 消费级 GPU 上运行，适合代码填充、内联编辑等非线性任务。NVIDIA 从首日起提供 BF16/NVFP4 检查点、免费 GPU 加速端点及 vLLM 支持。DiffusionGemma 优先速度而非极致质量，生产场景仍推荐标准 Gemma 4。

AI模型文本扩散并行生成开源模型 Google DeepMind NVIDIA

推荐理由：文本扩散模型把生成速度拉到新高度，做代码补全或实时编辑的开发者可以直接在 NVIDIA 端点试跑，感受并行 token 的爽感。

原文

03:03

官方账号Google DeepMind@GoogleDeepMind

精选

塞拉利昂学生人口增长速度超过教师供给，面临师资严重短缺。Google DeepMind最新研究探讨AI如何作为教学伙伴支持教育工作者。研究强调AI可扩大教师覆盖范围，同时保留其核心专业知识和技能。AI不替代教师，而是增强其教学能力。

论文 Google DeepMind 教育 AI辅助教学塞拉利昂

推荐理由：AI当助教，缓解缺老师

原文

02:54

官方一手marktechpost@Asif Razzaq

76°

Google DeepMind 推出 DiffusionGemma，一款 26B 参数的混合专家（MoE）开源模型，采用文本扩散技术，在 GPU 上生成速度最高提升 4 倍。该模型在保持生成质量的同时，显著降低了推理延迟，适合对实时性要求高的场景。DiffusionGemma 已开源，开发者可直接下载使用。

AI模型 DiffusionGemma Google DeepMind MoE 文本扩散开源模型

推荐理由：做文本生成或实时 AI 应用的开发者，这个模型用扩散方法把生成速度翻了 4 倍，值得下载实测。

原文

00:33

elvis@omarsar0

Google DeepMind 推出 DiffusionGemma，一种基于扩散的新型开放模型，可在专用 GPU 上实现最高 4 倍的输出加速。与传统逐词预测不同，它同时生成整段文本，并能在生成过程中自我纠错和实时格式化复杂 Markdown。该模型权重已在 Hugging Face 上开放。这对于文本扩散领域的研究者来说是一个重要进展，因为该方向目前仍有大量未探索的研究问题。

AI模型扩散模型文本生成 Google DeepMind DiffusionGemma 开源/仓库

推荐理由：文本扩散模型的研究者终于有了一个强大的开放基线——DiffusionGemma 同时生成整段文本并支持实时纠错，做生成式 AI 研究的团队值得下载权重试试。

原文

6月9日

23:18

官方账号Google DeepMind@GoogleDeepMind

精选

Google DeepMind 推出了 Gemini 3.5 Live Translate，一个专为快速跨语言交流设计的音频模型。该模型支持实时翻译，覆盖包括英语、西班牙语和中文在内的多种语言。在测试中，Gemini 3.5 Live Translate 在语音翻译基准上相比前代 Gemini 3.0 提升了 20% 的准确率。它能够无缝处理对话中的语言切换，延迟低于 200 毫秒。

AI模型 Gemini 3.5 Live Translate Google DeepMind 音频模型跨语言翻译

推荐理由：谷歌出了个超快语音翻译模型

原文

6月8日

19:05

AI Will@FinanceYF5

Google DeepMind 联合创始人兼 CEO Demis Hassabis 在斯坦福商学院访谈中表示，AGI（通用人工智能）可能在 2030 年左右到来，社会没有太多时间准备。他认为人类正站在奇点的山脚下，未来几年将决定走向。评论指出，真正的挑战不在于 AGI 何时精确到来，而在于现有制度能否适应——学校、企业、政府等人类系统反应速度远慢于技术变革速度，可能形成危险的时间差。

行业 AGI Demis Hassabis Google DeepMind 奇点社会影响

推荐理由：Hassabis 的 AGI 时间线预测给所有关注 AI 长期影响的人敲响警钟——做政策研究、战略规划或技术伦理的团队，建议认真思考这个时间差带来的风险。

原文

06:22

rohanpaul_ai@rohanpaul_ai

72°

Google DeepMind 联合创始人兼 CEO Demis Hassabis 在最新访谈中表示，AGI（通用人工智能）可能在 2030 年左右到来，误差不超过一年。他认为社会需要意识到这一时间紧迫性，因为人类正站在奇点的山脚。评论指出，真正的挑战不在于 AGI 何时精确到来，而在于现有体制（教育、企业、政府）能否适应技术变革的速度——学校仍为稳定职业培养人才，企业围绕人类瓶颈组织工作，政府则在危害显现后才监管。如果 AGI 按前沿实验室的时间表到来，这种滞后将形成危险鸿沟。

行业 AGI Demis Hassabis Google DeepMind 社会影响技术预测

推荐理由：Hassabis 给出了 AGI 最具体的时间预测（2030±1年），做 AI 战略、政策研究或技术投资的人值得关注——这不仅是技术判断，更是对现有体制适应能力的拷问。

原文

6月6日

04:20

Latent.Space@latentspacepod

强化学习环境初创公司层出不穷，但许多环境质量极差。来自Google DeepMind的专家Auriel Wright基于多年经验，揭示了RL环境中最常见的错误，包括不合理的奖励设计、不真实的物理模拟和缺乏可复现性。文章通过具体示例展示了如何识别和避免这些陷阱，帮助开发者构建更高质量的RL环境。对于RL研究者和工程师来说，这是一份实用的避坑指南。

AI模型强化学习环境设计最佳实践 Google DeepMind RL环境

推荐理由：RL环境质量直接影响模型训练效果，做强化学习的研究者和工程师可以对照检查自己的环境，避免常见的低级错误。

原文

02:59

官方一手marktechpost@Asif Razzaq

精选

Google DeepMind 推出 Gemma 4 的 QAT（量化感知训练）检查点，包含 Q4_0 格式（4-bit 量化）和新开发的移动格式。与 BF16 版本相比，Q4_0 可将模型内存占用降低约 75%，而移动格式进一步优化至适合手机等设备。这些检查点面向边缘计算场景，平衡了精度和推理速度。

AI模型 Gemma 4 Google DeepMind QAT 量化模型移动端

推荐理由：Gemma 4 量化版来了，内存省 75%

原文

6月4日

21:43

Google AI Developers@googleaidevs

Google DeepMind 与 HeyGen 将于6月11日在洛杉矶联合举办一场面向 AI 智能体、创意工具和多模态应用开发者的活动。活动包括演示、交流环节，并开放闪电演示名额，供有创意的团队展示项目。目前注册已开放，适合关注 AI 智能体与多模态应用的开发者参与。

行业 Google DeepMind HeyGen AI 智能体多模态应用创意工具

推荐理由：这是 Google DeepMind 与 HeyGen 首次联合举办的线下活动，聚焦 AI 智能体与多模态应用，做创意工具或智能体开发的团队值得关注，还能申请闪电演示展示自己的项目。

原文

18:17

rohanpaul_ai@rohanpaul_ai

76°

论文 AI 智能体安全/攻击提示注入记忆投毒 Google DeepMind

推荐理由：这篇论文戳破了「模型安全=一切安全」的幻觉，做自主智能体开发、RAG 系统或浏览器自动化工具的团队，建议认真看看攻击面到底在哪。

原文

04:27

官方账号Decoder@Matthias Bastian

78°

Google DeepMind 发布了 Gemma 4 12B 开源模型，原生支持文本、图像和音频处理，仅需 16GB 内存即可在笔记本上运行。该模型在基准测试中几乎与两倍大小的 26B 模型持平，并采用 Apache 2.0 许可证，允许商业使用。这标志着多模态 AI 在消费级硬件上的重大突破，降低了开发者和企业的使用门槛。

AI模型多模态开源/仓库 Gemma 4 Google DeepMind 本地推理

推荐理由：多模态模型终于能跑在普通笔记本上了，做本地 AI 应用或边缘计算的开发者可以直接下载试试，性能还接近两倍大的模型。

原文

04:12

HeyGen@HeyGen_Official

HeyGen 与 Google DeepMind 将于6月11日在洛杉矶联合举办一场线下活动，主题聚焦智能体、多模态应用和创意工具。活动内容包括产品演示、交流讨论，并开放闪电演示名额，邀请有创新项目的团队或个人参与。这是两家 AI 领域知名公司首次公开合作举办社区活动，旨在促进前沿 AI 技术的实践与交流。

行业 HeyGen Google DeepMind 智能体多模态线下活动

推荐理由：做 AI 应用和智能体开发的团队别错过——HeyGen 和 DeepMind 首次线下联办，有机会展示你的项目、直接和两家团队交流，闪电演示名额开放中，建议有 demo 的立刻报名。

原文

6月3日

20:41

Philipp Schmid@_philschmid

Google DeepMind 发布了一套科学智能体技能合集，专为研究任务设计，涵盖基因组学、结构生物学、化学信息学、文献搜索等多个领域。该合集旨在帮助研究人员利用 AI 智能体自动化复杂的科学工作流程，提升研究效率。这些技能可以直接在 GitHub 上获取，为科学计算和生物信息学领域提供了新的工具。

AI产品智能体科学计算基因组学结构生物学 Google DeepMind

推荐理由：做科研或生物信息学的开发者终于有了现成的 AI 智能体工具库——覆盖基因组学、结构生物学等核心领域，可以直接拿来用，省去从零搭建的麻烦。

原文

11:06

berryxia@berryxia

83°

Google DeepMind 推出名为 Co-Scientist 的多 Agent 系统，基于 Gemini 构建，旨在将科学家的研究流程（从假设生成到验证）自动化。该系统能生成上千个假设、举办“idea 锦标赛”、让多个 Agent 进行科学辩论并交叉验证，最后用文献和工具落地。在肝纤维化、ALS 新疗法和逆转衰老等复杂问题上，Co-Scientist 已产出有潜力的新方向。目前假设生成功能已通过 Gemini for Science 向个人研究者开放，旨在将高强度假设迭代从顶尖团队普及到普通研究员。

AI产品多Agent系统科研助手假设生成 Gemini Google DeepMind

推荐理由：做科研的团队和个人研究者终于有了一个 24 小时不睡觉的 AI 合作者，能帮你生成假设、辩论验证，直接提升发现速度，建议试试 Gemini for Science。

原文

08:47

官方账号Google DeepMind@GoogleDeepMind

精选

Google DeepMind 推出了 Co-Scientist，一个基于 Gemini 的多智能体系统，旨在作为科研人员的专属研究伙伴。该系统能够自动生成、辩论并演化针对复杂科学问题的新假设。Co-Scientist 通过多智能体协作，模拟科研团队的工作流程，有望加速科学发现过程。这一工具将帮助科学家更高效地探索未知领域，推动突破性进展。

AI产品多智能体系统科研助手 Gemini 假设生成 Google DeepMind

推荐理由：科研人员终于有了 AI 驱动的协作伙伴——Co-Scientist 能自动生成和优化假设，做基础研究或跨学科探索的团队可以直接用它加速发现，建议点开看看具体怎么用。

原文

06:05

Google AI Developers@googleaidevs

Google DeepMind 在 GitHub 上开源了 Science Skills 工具包，旨在帮助开发者构建用于科学发现的自主智能体。该工具包提供科学基础和高 token 效率，可加速智能体工作流。开源版本允许社区直接使用和贡献，推动 AI 在科学研究中的应用。

AI产品智能体开源/仓库科学发现 Google DeepMind 工具包

推荐理由：做科学 AI 智能体的开发者可以直接用上这个开源工具包，提升 token 效率和科学推理能力，值得一试。

原文

05:23

官方账号Google DeepMind@GoogleDeepMind

Google DeepMind 宣布将 Co-Scientist 工具开放给个人研究者，作为 Gemini for Science 项目的一部分。该工具专注于假设生成，旨在探索 AI 驱动的科学发现未来。个人研究者现在可以通过 Hypothesis Generation 功能使用这一工具，加速科研流程。这是 AI 在科学领域应用的重要一步，降低了高级研究工具的使用门槛。

AI产品 Google DeepMind Co-Scientist 科学发现假设生成 Gemini for Science

推荐理由：个人研究者终于能直接使用 DeepMind 的 AI 科学助手生成假设，做科研的可以试试这个工具来加速发现过程。

原文

01:08

官方账号Google DeepMind@GoogleDeepMind

精选

Google DeepMind 系统与全球科学专家合作，一年内处理了多个复杂科学问题。系统成功识别出肝纤维化的新治疗靶点。它还发现了针对肌萎缩侧索硬化症的新研究方法。系统通过消化数十年文献，提出了逆转衰老的新遗传线索。

AI模型 Google DeepMind 科学发现肝纤维化 ALS 衰老

推荐理由：系统搞定三个难题

原文

5月28日

17:49

AI Will@FinanceYF5

GenAI Summit SF 2026 将于7月18-19日在旧金山 Palace of Fine Arts 举办，汇聚 OpenAI、Anthropic、Google DeepMind 的科学家。刚融资6.5亿美元的 AI labs 联合创始人田渊栋也将出席。该峰会已有5届历史，拥有79,000人社区，现场将有500+ VC和200+展商。第二日还将直播世界杯决赛。

行业 GenAI Summit OpenAI Anthropic Google DeepMind 田渊栋

推荐理由：AI 领域顶级科学家同台，对关注前沿模型和融资动态的从业者来说，这是了解行业风向的难得机会，建议关注或计划参加。

原文

5月27日

18:43

AI Will@FinanceYF5

Google DeepMind 宣布其内容水印工具 SynthID 已为超过 1000 亿条内容添加水印。为了进一步推动行业透明度，DeepMind 正与 OpenAI、ElevenLabs 和 Kakao 合作，将 SynthID 水印技术集成到他们的模型中。此举旨在加速整个行业对 AI 生成内容进行标记的标准化进程，该合作始于与 NVIDIA 的联合推动。SynthID 通过嵌入不可见水印，帮助识别 AI 生成内容，防止滥用。

行业内容水印 AI 安全行业合作 SynthID Google DeepMind

推荐理由：AI 内容溯源终于有了行业级协作——SynthID 水印被 OpenAI、ElevenLabs 等巨头采用，做内容审核、版权保护或 AI 安全合规的团队值得关注这一标准化的进展。

原文

5月25日

21:38

Qdrant@qdrant_engine

精选

Google DeepMind 的 Paige Bailey 在 Vector Space Day 活动前提出一个尖锐问题：为什么开发者还在用静态 Markdown 文件（如 SKILLS.md）来定义 Agent 的能力边界？她认为这是一种过渡方案，并将在活动中讨论替代方案。该活动将于 6 月 11 日在旧金山 Midway 举行，面向构建生产级 Agent 的开发者。

AI产品智能体 Agent 开发 Google DeepMind Vector Space Day 静态配置

推荐理由：Paige Bailey 点出了当前 Agent 开发中的关键痛点——静态配置文件的局限性，做 Agent 的团队值得关注她提出的替代方案，或许能大幅提升 Agent 的灵活性和可维护性。

原文

5月23日

05:09

官方账号Google DeepMind@GoogleDeepMind

Google DeepMind 宣布其 AI 内容隐形水印技术 SynthID 将扩展至更多合作伙伴。该技术能在 AI 生成的图像、音频、视频中嵌入人眼不可见的水印，帮助识别内容来源。同时，用户现在可以通过 Gemini 应用或 Google 搜索直接查询内容是否由 AI 生成。这标志着 AI 内容溯源技术从实验室走向大规模应用，对打击虚假信息具有重要意义。

AI产品 SynthID 水印 AI 内容溯源 Google DeepMind Gemini

推荐理由：AI 内容真假难辨的时代，SynthID 让溯源变得简单——做内容审核、媒体监测或关心信息可信度的团队，可以直接在 Gemini 和 Google 搜索里查水印，值得一试。

原文

5月21日

10:48

官方账号Google DeepMind@GoogleDeepMind

Google DeepMind 发布了 Science Skills，这是一套为 AI 配备的科学工具包，整合了来自 UniProt 和 AlphaFold 数据库等 30 多个主要生命科学来源的见解。该工具旨在加速日常研究流程，让 AI 能够直接利用权威科学数据辅助分析。对于生命科学领域的研究者来说，这有望大幅提升文献调研和数据处理的效率。

AI产品科研工具生命科学 AlphaFold Google DeepMind 数据整合

推荐理由：生命科学研究者终于有了 AI 直接调用的权威数据工具——Science Skills 整合了 UniProt 和 AlphaFold 等关键资源，做分子生物学或药物发现的团队值得试试，能省下大量手动查库的时间。

原文

08:24

官方账号Google DeepMind@GoogleDeepMind

精选

Google DeepMind团队将AI应用于AK2突变导致的罕见遗传病分析。他们比常规方法更快完成高度复杂的结构分析，从而对该疾病的潜在机制产生了新见解。这项研究展示了AI在罕见病基因分析中的实用价值。

AI产品 Google DeepMind AK2 罕见病 AI医疗基因分析

推荐理由：DeepMind把AI用来解罕见病难题

原文

08:00

官方账号Google DeepMind@GoogleDeepMind

72°

Google DeepMind 发布 Gemini 3.5 Flash 模型演示，展示其通过多智能体协同完成复杂任务的能力。视频中，模型自动部署多个子智能体，分工协作设计并建造一座完整的虚拟城市。这一演示凸显了 Gemini 3.5 Flash 在任务分解与多智能体协调方面的进步，为复杂自动化场景提供了新思路。

AI模型 Gemini 3.5 Flash 多智能体任务分解自动化 Google DeepMind

推荐理由：多智能体协同是 AI 落地的关键方向，做自动化或游戏开发的团队值得看看 Gemini 3.5 Flash 如何拆解任务并调度子智能体。

原文

07:59

官方账号Google DeepMind@GoogleDeepMind

72°

Google DeepMind 发布了名为 Gemini for Science 的实验性工具套件，旨在帮助科学家利用 AI 探索更多假设、大规模验证工作、轻松解析文献等。该工具集成了 Gemini 模型的能力，为科研人员提供从假设生成到结果验证的全流程支持。这是 AI 在科学领域应用的重要一步，有望加速药物发现、材料科学等领域的突破。目前该工具处于实验阶段，但已开放给部分研究者使用。

AI产品 Google DeepMind Gemini 科学发现实验工具科研助手

推荐理由：科研人员终于有了一个能贯穿研究全流程的 AI 助手——从假设探索到文献解析，Gemini for Science 能帮你省下大量重复劳动，做实验设计或写论文的团队值得关注。

原文

5月20日

13:09

berryxia@berryxia

83°

Google DeepMind 推出了 Gemini 3.5 Flash 模型，在 Intelligence Index 上获得 55 分，比上一代 Gemini 3 Flash 高 9 分，超越 Grok 4.3 和 Claude Sonnet 4.6。Agentic 任务 Elo 评分达 1656，幻觉率从 92% 降至 61%，多模态理解 MMMU-Pro 达 84%，输出速度超 280 tokens/s，比前代快 70%。但成本大幅上升，运行一次测试的成本是 Gemini 3 Flash 的 5.5 倍，定价为 $1.5/$9 per 1M input/output tokens，是前代的 3 倍。这标志着智能与速度的 Pareto 前沿被刷新，但“Flash”系列的性价比优势不再。

AI模型 Gemini 3.5 Flash Google DeepMind 推理模型多模态成本分析

推荐理由：Gemini 3.5 Flash 在智能和速度上实现了突破，做 AI 应用或 agent 开发的团队值得关注——性能提升显著，但预算敏感型项目需要重新评估成本。

原文

06:27

Justine Moore@venturetwins

精选

Genie是Google DeepMind开发的世界模型。演示中用户选择光球代表场景和角色，模型即时加载世界。用户可通过摇杆像玩游戏一样导航。该交互让用户实时控制世界模型中的环境与角色。

AI模型 Genie Google DeepMind 世界模型交互演示实时模拟

推荐理由：你也能像打游戏一样操控世界模型

原文

03:53

lmarena.ai@lmarena_ai

83°

Google DeepMind 的 Gemini 3.5 Flash 模型在 Code Arena 前端评测中取得显著进步，总分 1507，比上一代 Flash 提升 70 分，甚至超越了之前的 Pro 版本。该模型在消费产品、内容创作工具、数据与分析等子类别中全面领先，输出速度达到 Pro 版本的 2 倍以上。目前 Gemini 3.5 Flash 在 Code Arena 前端排名第 9，在 Text Arena 也位列第 9，并在其价格区间内实现了最佳性价比。

AI模型 Gemini 3.5 Flash Google DeepMind 前端编码 Code Arena 性价比

推荐理由：前端开发者做自动化编码任务时，Gemini 3.5 Flash 以更快的速度和更低的成本超越了 Pro 版本，值得在项目中实测对比。

原文

03:37

官方账号Google DeepMind@GoogleDeepMind

Google DeepMind 推出 Computational Discovery 智能体原型，结合 AlphaEvolve 与实证研究助手，可并行开发并评分数千种代码变体。该原型旨在大幅缩短复杂领域（如流行病学）新建模方法的测试时间，从通常的数月缩短至数天。这标志着 AI 在科学发现自动化方面迈出重要一步，尤其适用于需要大量模拟和参数优化的研究场景。

AI产品智能体科学发现 AlphaEvolve 流行病学 Google DeepMind

推荐理由：做流行病学或复杂系统建模的研究者终于有了能并行跑数千种代码变体的工具，测试新方法的时间从数月缩到数天，值得点开看看怎么用。

原文