Google DeepMind 发布 Gemini 3.7 Flash，这是其针对编码和智能体任务的最强主力模型。该版本在 FrontierCode 1.1 Main (43.6% vs 34.4%) 和 DeepSWE v1.1 (65.3% vs 49.0%) 等基准测试中显著优于前代，并在 GDP.pdf 和 AutomationBench 上展现更强的推理能力。
推荐理由：新模型在代码生成和复杂文档处理上显著提升，且价格减半，适合评估其在生产环境中的成本效益。
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。
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。
ComfyUI MCP 推出针对批量生成的新工具集，包括支持单次提交最多 50 个任务的 `submit_batch`、状态监控 `get_batch_status` 和结果收集 `get_batch_output`。
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。
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 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 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 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 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 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。
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。
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。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte 和 McKinsey 建立合作伙伴关系，旨在加速全球企业的 AI 转型。