Google DeepMind 的新研究显示，AlphaProof Nexus 自主解决了 353 个 Erdős 开放问题中的 9 个，其中两个已悬置 56 年，相关解法在论文发表前已公开。该系统还证明了 OEIS 整数序列数据库中的 44 个猜想，解决了代数几何中的一个开放问题，并改进了 min-max 优化中的一个已知界。它基于 Gemini 3.1 Pro，用形式化语言 Lean 起草和修订证明，Lean 在每次修改后检查草稿，错误信息引导下一次尝试；遇到更难的子问题时还可调用专用证明工具 AlphaProof，但即使不调用 AlphaProof 也能解决那 9 个 Erdős 问题。该研究发表在 Science 上，并经过了同行评审，而 OpenAI 近期将数百个 AI 证明直接发布到 GitHub 而非提交期刊，由 Terence Tao 领导的 Association for Human Mathematics 呼吁抵制。
匹配字段标题、摘要、正文
英国 AI Security Institute 宣布与 Google DeepMind 启动新的研究合作，在两年既有前沿模型测试合作基础上签署研究 MOU，开展数据与想法共享、联合发表及团队专项协作。首批联合研究方向包括监测思维链以推进对齐、研究社会情感对齐，以及考察 AI 对经济活动的影响。
匹配字段标题、摘要、正文
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 对谈中指出，AlphaFold 的突破只是开始，蛋白质折叠远未解决，静态结构预测无法覆盖蛋白质动态与无序。两人认为生物学不存在现成的缩放定律，找到正确的缩放律比盲目扩大模型更重要，用低质量宏基因组数据训练蛋白质语言模型反而能提升真实蛋白质设计表现。他们提出构建虚拟细胞需要根本不同的数据集，治愈所有疾病要靠 10x 级突破而非 10% 的渐进改进。
匹配字段标题、摘要、正文
Google DeepMind、Meta 和 AI 药物发现初创公司 Isomorphic Labs 共同向扎克伯格夫妇创立的非营利生物医学研究机构 Biohub 投资 3 亿美元，这是 18 亿美元计划的一部分，用于构建可让研究者以数字化方式预测和回答生物学问题的 AI 数据集。Biohub 成立于 2016 年，目标是打造可供研究者进行模拟的虚拟细胞；美国能源部将在未来五年投入超过 5 亿美元，美国国立卫生研究院则提供来自此前联邦投资的数据集、存储库和知识库，总额超过 5 亿美元。
匹配字段标题、摘要、正文
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构的 740M 参数开源多模态嵌入模型，可将文本、代码、图像、视频和音频嵌入同一个 768 维空间，采用 Apache 2.0 许可，权重已上线 Hugging Face 和 Kaggle，并提供 Ollama、llama.cpp GGUF 和 LiteRT 版本。模型采用模块化设计，文本与代码主干 270M、视觉编码器 170M、音频编码器 300M 均可选，上下文窗口 8192 token，是上一版的 4 倍。Google 研究团队称其在 MTEB Code 和 MAEB 的 1B 以下多模态嵌入模型中领先，代码检索从 68.76 提升到 78.68；量化后在 Pixel 11 Pro 上纯文本约占 191MB 内存，全多模态约 567MB。
匹配字段标题、摘要、正文
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的端侧多模态嵌入模型，原生将文本、图像、音频和视频映射到统一嵌入空间。它在 MTEB Code 上从 68.76 提升到 78.68，支持 8K token 上下文窗口，可处理约 5.5 分钟音频、29 张图像或 58 帧视频，并可通过 MRL 将向量从 768 维截断至 128 维。模型权重已在 Hugging Face 和 Kaggle 开放下载，支持 LiteRT、MediaPipe、transformers.js、vLLM、Ollama 等部署方式。
匹配字段标题、摘要、正文
Google DeepMind 发布 EmbeddingGemma 2，这是面向端侧的多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间。模型基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿，文本任务最低 2.7 亿参数，可选视觉（1.7 亿）和音频（3 亿）编码器。它支持 8K token 上下文窗口，是 EmbeddingGemma 1 的 4 倍，可处理约 5.5 分钟音频、29 张图片或 58 帧视频；借助 MRL 可将输出向量从 768 维截断至 512、256 或 128 维，最多减少 6 倍存储占用。在 MTEB Code 上得分从 68.76 提升至 78.68，模型权重已在 Hugging Face 和 Kaggle 开放下载。
匹配字段标题、摘要、正文
Google DeepMind 发布开放权重多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频帧和音频映射到统一的向量空间，参数量 740M，文本权重在 Google Pixel 11 Pro 上仅需约 191MB 活跃内存，完整多模态模型约 567MB。该模型无需训练数据或微调即可作为端侧决策引擎，将用户输入直接与分类标签和描述匹配，实现毫秒级零样本意图路由。Google AI Edge Gallery 新增 Instant Media Search 和 Video Moments Finder 两个演示，Google AI Edge Foresight for Mac 也由 EmbeddingGemma 2 与 Gemma 4 驱动；未来数周内该模型将通过 ML Kit 以服务形式登陆 Android，并支持 NPU 加速。
匹配字段标题、摘要、正文
Google DeepMind 推出 SynthID Bio，一套专为合成生物学设计的水印方法，通过调整氨基酸序列和预测 3D 结构的原子坐标来标记 AI 生成的生物设计，在 VEGF-A、SARS-CoV-2 spike 蛋白 RBD 和 PD-L1 三个靶点测试中，水印版本与未水印版本的命中率、结合亲和力和序列多样性相当。C5R Corp 的 SciUniverse 基准用 92 项任务测试 AI 操作自动化实验室的能力，Claude Fable 5.1（xhigh）以 45.3% 通过率、每任务 $40.61 领先，GPT-5 Astra（xhigh）为 32.5%、$52.37，Claude Opus 5（xhigh）为 30.5%、$46.31。DeepMind 另发论文建议建立自动化科学经济，以市场机制匹配科研想法与稀缺物理资源。
匹配字段标题、摘要、正文
在忙碌的一周里，SynthID Bio——我们为 AI 设计的蛋白质打造的水印技术——在科学诚信与生物安全方面迈出了重大一步！祝贺 @GoogleDeepMind 团队
匹配字段标题
Google DeepMind 发布前沿模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御，今日起通过 Fairwind Program 向受信任测试者开放，并承诺尽快扩大访问。Google 称其输出上限达 1M token，较此前的 64K 大幅提升，标准定价为每 1M 输入/输出 token 4 美元/20 美元，另有 50% 的限时折扣。Google 称 Argon 在 19 项公开基准中的 13 项排名第一，DeepSWE 得分 77.9%，高于 Opus 5.5 的 74.2% 和 Astra 的 74.1%；Artificial Analysis 测得其在 Intelligence Index 上得 53 分，与 GPT-6 Astra 持平。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 4 代首款前沿模型 Gemini 4 Argon，面向长周期软件工程、法律金融等企业知识工作与网络安全防御，单次响应最多可生成 1M tokens，此前 Gemini 模型为 64K。定价为介绍期每 1M 输入 tokens 2 美元、输出 10 美元，缓存输入享 95% 折扣即 0.10 美元，介绍期后升至输入 4 美元、输出 20 美元，Logan Kilpatrick 确认了介绍期价格。Google 采取分阶段发布，参与美国政府预发布模型访问的自愿流程，先收集早期测试者反馈并迭代防护措施；Argon 在 18 项基准中 12 项领先、1 项并列第一，CWE-bench v1 上以 68% 并列第一，Wiz 已通过 Scan for Good 用它发现一处此前前沿模型漏掉的医疗软件严重漏洞。
匹配字段标题、摘要、正文
Google DeepMind 团队在 Nature 发表研究，提出 SynthID Bio 蛋白质水印方法，并成功合成出既具功能又带水印的 AI 设计蛋白质。Demis Hassabis 表示，将 SynthID 引入生物学是为 AI 生成蛋白质加水印的关键一步，团队同时开源 SynthID Bio 工具，供研究社区在此基础上继续开发。
匹配字段标题、摘要
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续再逐步扩展到开发者、企业和消费者。该模型输出 token 上限从 64K 提升到 1M，在 DeepSWE v1.1 上取得 77.9%，在 LVBench 上取得 91.7%，并在 Vals Index、AutomationBench 等评测中领先。Google 称 Argon 已用于内部工作流，并针对提示注入、失准监控和沙箱环境等方向加强了安全措施。
匹配字段标题、摘要
NVIDIA 加入由 Google DeepMind、EMBL-EBI 等组成的联盟，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供全球科学家免费使用。这些结构由 AlphaFold2 推断，并用 NVIDIA BioNeMo Inference Runtime 优化以扩展到数千个病毒蛋白质组。NVIDIA 同时开源生成该数据集的 BioNeMo Structure Prediction Pipeline，其中约 30% 的蛋白相互作用此前未在 Protein Data Bank 中记录。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的实时对话能力上加入低延迟流式视频，让模型能边听、边看、边说。该功能支持精确唇形同步、自然表情与流畅轮次切换，并可在对话中无缝切换 97 种语言而不损失视频保真度。它已上线 Gemini Enterprise，支持后台异步工具调用，企业还可基于参考图定制专属形象，定制功能目前仅通过企业白名单开放。
匹配字段标题、摘要
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持从零生成自定义角色声音并逐句控制口音与情绪，已接入 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids。Gemini 3.8 Flash TTS 在 Hume AI 的 Voice Design Benchmark 上以 71.4 分位列第一，口音建模得分 60.8，两款模型分列 Hume AI Overall Quality Index 第一和第二，支持超过 100 种语言。声音复刻需提供声音所有者的口头同意录音，所有生成音频均嵌入 SynthID 水印。
匹配字段标题、摘要
Google 与 Google DeepMind 的研究者于 9 月 16 日宣布成立 DeepMind Institute（DMI），由 Shane Legg、James Manyika、Demis Hassabis 三人担任总监，Legg 兼任编辑责任者，并声明所刊文章仅代表作者观点、非 Google 官方立场。官网同步发布 4 篇文章，涵盖 AGI 经济政策（评估失业 insurance、基本收入等 11 项政策）、Chain of Thought 推理透明度、新乌托邦主义原则，以及 Hassabis 提出的前沿 AI 评估框架——拟设受联邦监督的官民合作组织，对达到一定能力基准的模型开展网络安全与生物威胁测试。
匹配字段标题、摘要、正文
我们刚刚推出了 DeepMind Institute，这是一个面向 @GoogleDeepMind 以及更广泛研究社区研究者的平台，用于发表并讨论日益强大的 AI 应如何被构建、治理和使用。 首批 4 篇文章探讨推理透明度、经济政策与人类繁荣，见 https://t.co/7cMk0xzVGw。
匹配字段标题
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，即日起通过 Gemini API、Google Workspace 和 Gemini 应用开放。Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 语音到语音质量指数得 82.6 分排名第一，τ-Voice 智能体任务完成率 68.6%，Big Bench Audio 得 97.7%；Gemini 3.8 Live 在 Speech Agent Arena 排名第二。两款模型支持近实时视觉输入、对话中自动切换 97 种语言，并可在后台执行工具和 API 调用而不打断对话。
匹配字段标题、摘要