Google DeepMind 推出大规模多语言手语转文本（SL2T）模型，首次将手语AI应用于消费级产品，支持美国手语（ASL）到英语的实时转换。该模型基于超过10万小时、涵盖50多种手语的数据训练，通过MediaPipe Holistic提取人体姿态关键点而非原始视频以保护隐私，直接输出流式文本。
推荐理由：原文给出了SL2T模型的技术原理、隐私保护机制及在Pixel 11上的落地入口，读者可以据此判断其如何改变聋人用户的输入体验。
Google DeepMind 宣布开源 WeatherNext 2 和 WeatherNext Cyclones 模型，其 Nature 论文显示该 AI 模型在气旋路径、强度和风结构预测上达到 SOTA，平均为预报员提供额外一天的预警时间，相当于过去十年的气象技术进步。
推荐理由：WeatherNext 在气旋预测中实现相当于十年气象进步的精度提升，并开源了模型权重与代码。
Google DeepMind 正式发布 Gemini Robotics ER 2，这是其最新的高阶“具身推理”模型，旨在通过视频理解、任务编排和多机器人协作提升机器人在物理世界中的实用性。
推荐理由：新模型通过视频理解实现任务进度追踪与多机器人协作，并公开了API接入入口及基准测试数据。
Google DeepMind 推出最新音乐生成模型 Lyria 3.5，并即日起在 Google Flow Music 中向用户开放。该模型在音乐性、歌词质量、人声表现和创作控制四个方面进行了升级，包括生成更复杂的旋律结构、提高提示词遵循度、增强人声情感表达以及允许用户更轻松地控制输出节奏和时长。
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 宣布向 Genesis Mission 投入 4000 万美元的 AI tokens 和 credits，以加速科学发现前沿。
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。
Google DeepMind 在印度启动 ATL Saathi 实时试点，这是一款基于 Gemini 3.5 Flash 模型的 Web 应用，旨在为 Atal Tinkering Labs 教师提供全天候规划与培训助手。该工具支持 8 种语言，利用 NotebookLM 整理课程并生成项目方案、接线图及安全指南，目前已在 100 所试点学校部署，助力将传统实验室转型为 AI 增强型发现实验室。
Google DeepMind 与电影制作公司 A24 宣布建立首个专注于研究的合作伙伴关系，并伴随一项投资。双方将开展深度研发协作，让艺术家参与塑造未来工具，以弥合前沿技术与下一代娱乐之间的差距。
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 宣布与英国政府合作开发基于 Gemini 的 AI 规划原型，旨在将住宅规划申请的处理时间缩短 50%。该工具通过整合数据、识别本地政策、总结反馈和起草评估报告来辅助规划官员，但官员仍保留最终审批权并拥有完整的审计追踪记录。
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 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 Accelerator 从欧洲选出15家机器人初创公司加入为期3个月的加速计划。入选者将获得密集导师指导、技术支援及 Gemini robotics models 访问权限，以将 AI 集成至核心产品。该计划旨在推动物流、医疗等领域的物理 AI 应用落地。
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。
Google DeepMind 在亚太地区启动首个“AI for the Planet”加速器计划，旨在利用前沿 AI 解决气候、农业及能源等环境挑战。该为期三个月的项目面向初创公司、研究团队和非营利组织，提供专家指导及 Google AI 科学模型集成支持。项目将以新加坡线下训练营正式启动。
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 宣布在 Search、Gemini、Chrome、Pixel 和 Cloud 中扩展内容透明度与验证工具，并推出新的 AI Content Detection API。
推荐理由：原文详述了 SynthID 与 C2PA 在搜索、Chrome 及 Pixel 端的落地细节，并推出面向企业的 AI 内容检测 API。
Google DeepMind 与新加坡政府启动国家 AI 合作伙伴关系，聚焦医疗、教育与科研领域。双方将部署 Gemini for Education 赋能教师，利用 AlphaFold 加速疫情研究，并开发基于 Gemma 的视障跑步助手。该合作旨在通过前沿 AI 技术提升公共服务质量，预计至 2040 年创造 33 亿新元经济价值。
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。
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 宣布与韩国科学技术信息通信部（MSIT）建立合作伙伴关系，将在首尔设立 AI Campus。双方将利用 AlphaEvolve、AlphaFold 等前沿模型加速生命科学与气候研究，并深化在 AI 安全及人才培养领域的协作。
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。