Google DeepMind 推出 Gemini Robotics 2 系列模型，赋予机器人全身智能控制、精细灵巧操作及多机协作能力。该系列包含用于视觉语言动作控制的 VLA 模型、作为高层大脑的 ER 推理模型以及支持快速适配新硬件的端侧模型。目前 ER 模型已在 Google AI Studio 上线，VLA 和端侧模型向早期合作伙伴开放。
推荐理由：原文详细拆解了全身体控制、灵巧操作及多机协作的技术实现，为理解通用物理AI的落地路径提供了具体参考。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型，旨在提升 AI 智能体的构建效率与可靠性。
推荐理由：原文给出了三款新模型在效率、延迟和特定场景下的具体性能数据与定价，读者可以据此评估其在智能体工作流中的实际落地价值。
OpenAI 推出 GPT-5.6（含 Sol 和 Luna）并将桌面编码产品更名为 ChatGPT Work，SpaceX AI 发布低成本 Grok 4.5，Meta 上线 Muse Spark 1.1。中国开源模型占 OpenRouter 周 token 量超 30%，NVIDIA 发布 Nemotron-Labs-Diffusion 三模式语言模型。
Anthropic 推出 Claude Sonnet 5，主打限时折扣定价与增强的智能体编码能力，并部署了新的网络安全分类器。Etched 获得价值 10 亿美元的推理硬件需求，中国开源 LongCat 2.0 MoE 模型展示大规模训练效率。Google 同步上线 NotebookLM 视频摘要功能及 Nano Banana 2 Lite 图像生成器。
Google DeepMind 推出基于 Gemini 3.5 Flash 微调的轻量级网络安全模型 Gemini 3.5 Flash Cyber，旨在高效查找、验证和修补软件漏洞。
推荐理由：原文展示了轻量级模型在代码安全扫描中的成本与效率优势，并给出了通过多次调用提升发现率的工程实践。
Google DeepMind 与 Isomorphic Labs 于 2026 年 7 月 16 日联合公布其生物韧性（bioresilience）方法，旨在通过防止模型滥用和利用 AI 技术增强社会对疫情等事件的抵御能力。
Google DeepMind 推出 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款新模型，现已在 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 上线。
推荐理由：原文给出了两款新模型的定价、延迟指标及 API 接入方式，读者可据此评估其在高吞吐图像生成与视频编辑工作流中的实际成本效益。
Gemini 3.5 Flash 现已将计算机操作（computer use）作为内置工具支持，此前该能力仅存在于独立的 Gemini 2.5 模型中。开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能跨浏览器、移动端和桌面环境进行感知、推理及行动的自定义智能体。
推荐理由：原文说明了计算机操作能力从独立模型整合进主模型的变化，并给出了针对提示注入风险的安全措施与开发入口。
Google DeepMind 发布 AI Control Roadmap，提出针对内部 AI Agent 的纵深防御框架，将未信任的智能体视为潜在内部威胁。该方案基于 MITRE ATT&CK 构建威胁模型，通过可信 AI 监督、行为分析及分级响应机制（D1-D4/R1-R3）来应对模型能力增长带来的安全风险。
推荐理由：原文公开了内部 AI 控制路线图及百万级智能体轨迹分析数据，为行业提供了可参考的纵深防御框架与实时监测实践。
宝玉指出 Anthropic 推出的 Claude Design 能生成高完成度的可交互原型，而 OpenAI 的 Codex 尚未推出同类产品，核心原因在于 GPT-5.5 模型在系统架构设计和状态管理方面的能力不足。
Google DeepMind 发布 DiffusionGemma，这是一个基于 Apache 2.0 许可的 26B Mixture of Experts (MoE) 实验性开源模型，通过并行生成文本块实现最高 4 倍的推理加速。
推荐理由：原文给出了扩散模型在本地推理中的速度优势与硬件适配细节，读者可据此评估其在实时交互场景下的可用性。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 及 Google.org 宣布启动最高 $10M 的多智能体 AI 安全研究资助计划。
Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate，支持 70 多种语言的近实时语音到语音翻译。该模型能自动检测语言并生成保留说话人语调、节奏和音高的流畅译文，通过持续生成语音而非等待说完来减少停顿。
推荐理由：原文展示了 Gemini 3.5 Live Translate 在连续流式翻译、保留语调及多端部署上的能力变化，为开发者与企业提供了实时语音交互的新方案。
Google DeepMind 发布 Gemma 4 12B，这是一款旨在在笔记本电脑上运行的高性能多模态模型。该模型采用统一的无编码器架构，视觉和音频输入直接流入 LLM 主干，无需传统独立编码器，从而降低延迟和内存占用。
推荐理由：原文给出了无编码器统一架构和16GB显存本地运行门槛，读者可以据此判断其在笔记本上实现多模态智能体的可行性。
Google DeepMind公布了一项在塞拉利昂进行的预注册试验结果，显示使用Gemini驱动的Guided Learning工具使学生在八周内数学成绩提升0.258个标准差，相当于1.2至1.7年的典型学习进度。
推荐理由：原文披露了塞拉利昂预注册试验的量化结果，展示了AI作为教学伙伴而非答案引擎的实际效能与行为改变。
DeepSeek 通过 MLA、DSA 及 mHC 等创新技术大幅压缩 KV 缓存，使 V4 Pro 在 1M 上下文下仅需 5.48GB HBM，远低于 GLM5 和 Qwen3。其战略旨在利用 NAND/LPDDR 存储替代算力，扶持中国硬件生态并冲击 1 万亿美元市值。
Google DeepMind 的 Co-Scientist 协助生物学家筛选出20多个可能逆转细胞衰老的新型遗传因子，实验室验证显示其能成功驱动细胞进入更年轻状态。该工具将原本需耗时6个月的大规模基因筛查数据分析工作缩短至几天，显著加速了从海量文献与实验数据中提取有效假设的过程。
Google DeepMind 在 Project Genie 中推出基于 Street View 的实景锚定能力，允许用户选择美国境内的真实地点作为生成世界的起点，并应用如“海洋世界”或“黑白电影”等风格进行创意重构。
推荐理由：Project Genie 接入 Street View 真实影像，让 AI 生成的虚拟世界能锚定现实地点，为智能体提供更具真实感的交互环境。
Google DeepMind 推出 Gemini Omni 系列首个模型 Gemini Omni Flash，支持从图像、音频、视频和文本输入生成高质量视频，并允许通过自然语言进行多轮对话式编辑。
推荐理由：原文展示了 Gemini Omni Flash 在视频生成与对话式编辑上的能力，并明确了其在多个 Google 产品中的落地入口。
Google DeepMind 推出 Gemini for Science，包含三个基于 Google Labs 的实验性工具和集成在 Google Antigravity 中的 Science Skills。
推荐理由：原文展示了面向科研的 Agent 工具集与技能包，读者可据此了解 AI 如何加速假设生成、计算发现及文献分析等核心科研环节。
Google DeepMind 的 Co-Scientist 工具协助剑桥大学 Clare Bryant 教授团队识别导致严重疾病的分子开关。该工具通过生成并排序假设，将原本需两到三年的实验工作缩短至六个月，精准定位关键氨基酸突变。
Calico Life Sciences 使用 Google DeepMind 的 Co-Scientist 模型整合衰老生物学文献，生成关于代谢调节整合应激反应（ISR）的新假设。该工具帮助研究人员从混杂数据中识别高价值科学线索，并优化实验设计以验证假设。相关实验已产生对健康与疾病具有重要意义的发现，团队计划发表结果。
Google DeepMind 的 Co-Scientist 协助爱丁堡大学团队在 MASH 研究中生成新假设，通过合成证据缩小药物组合搜索范围。该系统提出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁，解释了 resmetirom 疗效局限的原因，该假设已获实验验证并有望推动双靶点疗法开发。
Google DeepMind 的 Co-Scientist 协助 MIT 的 Ritu Raman 快速梳理 ALS 矛盾文献并生成可测试假设。该工具促使她与波士顿儿童医院的 Ryan Flynn 合作，结合组织模型与 RNA 映射技术，共同探索针对 ALS 的新型 RNA 机制及药物。
斯坦福大学Gary Peltz团队利用Google DeepMind的Co-Scientist加速寻找治疗肝纤维化的重定位药物。相关研究发表于Advanced Science，Peltz让Co-Scientist提出三个候选药物并解释推理过程，同时自己基于文献选出两个候选。
推荐理由：原文展示了Co-Scientist在药物重定位任务中的具体表现，对比了AI筛选与人类专家选药的实际实验结果。
Google DeepMind 发布文章说明其 AI 气象模型 WeatherNext 协助美国国家飓风中心（NHC）提前五天以高置信度预测了飓风 Melissa 的增强与路径。
推荐理由：原文通过具体案例展示了AI模型在极端天气预测中的实际效能，为理解技术如何辅助人类决策提供了清晰视角。
Google DeepMind 发布 Gemini 3.5 系列并率先推出 3.5 Flash 模型，该模型主打智能体工作流与编码能力，已在 Terminal-Bench 2.1、GDPval-AA 和 MCP Atlas 等基准测试中超越 Gemini 3.1 Pro，输出速度比其他前沿模型快 4 倍。
推荐理由：原文给出了新模型在智能体与编码基准上的具体分数及速度对比，读者可据此评估其实际性能表现。
Google DeepMind 发布基于 Gemini 构建的多智能体 AI 系统 Co-Scientist，旨在通过迭代生成、辩论和演化假设来加速科学研究。该系统包含生成、反思、排名和演化等专用智能体，并引入类似 AlphaGo 的“想法锦标赛”机制对假设进行验证和排序。
推荐理由：原文展示了多智能体协作生成假设的具体机制及在肝病、ALS等领域的实测案例，为科研人员评估AI辅助发现工具提供了可参考的落地场景。
英伟达机器人与AI研究组负责人Jim Fan在Sequoia AI Ascent 2026演讲中宣布VLA路线过时，提出以DreamZero为代表的世界动作模型（WAM）新范式。他指出VLA架构参数过度集中于语言而忽视物理动作，主张通过人类第一人称视频预训练和动作微调实现“底层同构”，并预测2040年前完成机器人终局。
推荐理由：文章梳理了英伟达Jim Fan关于机器人范式从VLA转向WAM的演讲核心，提供了对遥操作数据局限及神经缩放定律的具体分析。
Google DeepMind 发布 AlphaEvolve 一周年回顾，展示该 Gemini 驱动的编码智能体在数学、计算机科学及工业界的显著影响。在科研方面，它帮助将电网优化可行解率从 14% 提升至 88%，并在量子物理中使分子模拟误差降低 10 倍。
推荐理由：AlphaEvolve 团队回顾其作为 Gemini 驱动的编码智能体在科学发现、基础设施优化及商业应用中的具体成效，展示了算法自进化对多领域的加速作用。
OpenAI 发布 GPT-5.5，xAI 推出 Grok Voice Think Fast 1.0，DeepSeek 开源 V4。Google 拟向 Anthropic 投资至多 $40B，Meta 收购 Manus 受阻。最新研究聚焦模型对 AI 安全研究的潜在破坏行为。
Google DeepMind 宣布启动 AI co-clinician 研究计划，旨在探索 AI 如何作为协作成员增强医生专业能力并提升护理质量。该研究在盲测评估中显示，AI co-clinician 在98个初级保健查询案例中有97例未出现关键错误，且在开放式药物知识问答上超越其他前沿模型。
推荐理由：原文展示了AI在真实临床查询中零关键错误及多模态远程诊疗的模拟评估，为理解医疗AI从文本向实时交互演进提供了具体数据支撑。
OpenAI 推出擅长文本生成的 ChatGPT Images 2.0，阿里 Qwen 3.6 Max Preview 转为仅 API 模式。Moonshot AI 开源 1T 参数 MoE 模型 Kimi K2.6，MiniMax M 2.7 在 SWE-Pro 得分 56.22%。
Google DeepMind CEO Demis Hassabis 在 YC 访谈中指出，当前 AI 范式距离 AGI 仍有 50% 概率需要一两个关键突破，主要缺失在于持续学习、长程推理和记忆机制。
推荐理由：Google DeepMind CEO 详细拆解了 AGI 缺失的关键拼图、智能体投入产出比争议以及科学发现的本质，为理解当前 AI 瓶颈提供了权威视角。
Google DeepMind 推出 Decoupled DiLoCo 架构，支持在低带宽下跨数据中心进行弹性分布式 LLM 训练。该方案基于 Pathways 和 DiLoCo，通过异步计算隔离硬件故障影响，并在 Gemma 4 模型测试中保持同等 ML 性能。实验显示，使用 2-5 Gbps 网络训练 12B 参数模型的速度比传统同步方法快 20 倍以上，且兼容不同代际 TPU 混合训练。
黄仁勋接受 Dwarkesh Patel 两小时专访，提出“输入是电子，输出是 Token”定义 Nvidia 使命，并强烈反对将 AI 芯片视为武器或实施对华出口管制。他承认早年未投资 Anthropic 导致其转向 TPU/Trainium 是特例而非趋势，强调 CUDA 护城河在于装机量与跨云生态，并指出能源政策比芯片产能更制约未来。
Google DeepMind 推出最新文本转语音模型 Gemini 3.1 Flash TTS，支持通过嵌入自然语言命令的音频标签来精确控制声音风格、语速和表达方式。该模型在 Artificial Analysis TTS 排行榜上获得 1,211 的 Elo 分数，原生支持多说话人对话及 70 多种语言，所有生成音频均带有 SynthID 水印。
推荐理由：新模型引入自然语言音频标签以精细控制语速和风格，并在 Artificial Analysis 基准中取得高分。
文章介绍了 Claude Code 将上下文窗口升级至 100 万 Token 后的会话管理最佳实践。作者解释了上下文衰减概念，并对比了继续、回溯、清空、压缩和子智能体五种决策路径。针对何时开启新会话、如何用回溯代替纠正以及压缩翻车的原因，给出了具体的操作建议和判断标准。
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是一款专为机器人设计的高层推理模型，显著提升了空间推理、多视角理解和成功检测能力。该模型新增了仪表读取功能，能结合视觉推理与代码执行精确解读压力表等工业仪器，并已通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由：新模型强化了空间推理与仪表读取能力，为机器人自主执行复杂物理任务提供了更可靠的感知基础。
OpenAI 发布 GPT-5.4 mini 和 nano，支持 400k token 上下文窗口，主打 Codex 效率但价格最高涨至 4 倍。Mistral 开源 Small 4 MoE 模型（119B 总参/6B 激活）并推出 Forge 平台。Meta Manus 上线本地 Mac 智能体，Nvidia 宣布 NeMo 沙箱运行时及 DLSS 5。