Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解功能，模型可动态扫描视频片段，token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。该功能已在 Google AI Studio 和 Gemini Enterprise Agent Platform 的 Gemini API 中上线，支持视频上传和 YouTube 视频，按标准 token 计费且不额外收费。相比固定 1 FPS 的静态处理，它结合模型推理与原生视频工具，按需检索画面、音频和转录文本，后续还将接入 Gemini 应用和 YouTube 的 Ask YouTube 功能。
匹配字段标题、摘要、正文
Google DeepMind 宣布试点全球首个针对专有前沿模型的雙盲评测，与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作，在隐私保护环境中用机密基准测试 Gemini Flash Lite。评测借助 Google Cloud 的 Confidential Space，使评测方看不到 Gemini 模型权重，Google 也看不到评测方的测试提示词，从而降低基准污染风险。Google DeepMind 表示，这一做法让独立机构无需交出模型权重或测试题即可严格测试先进模型，并发布了技术报告说明方法与发现。
匹配字段标题、摘要
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供更强的生成视频控制能力，可通过 Google AI Studio 或 Gemini Enterprise Agent Platform 调用。新版本支持场景延长，可分析最多 10 秒前序上下文，以 10 秒为单位延长至累计 40 秒；还支持指定首尾帧生成过渡画面、1080p 与 4K 输出，以及 360p 轻量预览，官方称其生成速度最高快 60%、成本为 720p 的三分之一。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 3.5 Transcribe，一款面向实时转写的语音转文本模型，已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 向开发者开放。相比此前的 Chirp 3，其最终转写时间据 Artificial Analysis 测量提升 70%，在 FLEURS 基准上流式模式 WER 为 5.50%、非流式模式为 5.04%，并支持多说话人区分、词级时间戳和实时语言切换。该模型同时接入 Gboard、Antigravity、Gemini app 和 Chrome 等产品，LangChain、LiveKit、Vercel 等平台通过 Gemini Live API 提供支持。
匹配字段标题、摘要
SL2T 是我们出色的手语转文字模型，首次让用户可以直接对着手机打手语。它与聋人社区密切合作打造，是 AI 能带来的益处的绝佳范例。祝贺团队发布！
匹配字段标题
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和智能体最强的主力模型，距 Gemini 3.6 Flash 发布仅三周。该模型在 FrontierCode 1.1 Main 上得分 43.6%（3.6 Flash 为 34.4%），DeepSWE v1.1 为 65.3%（3.6 Flash 为 49.0%），WebDev Arena Elo 为 1588 对 1538，GDP.pdf 为 34.0% 对 22.0%，AutomationBench 为 30.4% 对 17.0%。年底前入门价为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元，为 3.6 Flash 原价的一半，并随附针对 CBRN 与网络攻击滥用的更新防护措施。
匹配字段标题、摘要
Google DeepMind 发布多语种手语转文本模型 SL2T，并在 Pixel 11 的 Gboard 和 Live Transcribe 中上线手语听写功能，首批支持美国手语（ASL）转英文。该模型基于超过 50 种手语、逾 10 万小时数据训练，其中约四分之一为 ASL 数据，在 FLEURS-ASL（sd-test）上取得 70 BLEURT 的零样本成绩。为保护隐私，模型只接收 MediaPipe Holistic 在端侧提取的姿态关键点坐标，原始视频随即丢弃，并跳过 gloss 标注直接翻译为文本。
匹配字段标题、摘要、正文
Demis Hassabis 宣布自己转任 Google DeepMind 主席与 Alphabet 首席科学家，将聚焦长期战略与加速科学突破，包括在 Isomorphic 推进疾病治疗相关工作。Koray Kavukcuoglu 将升任 Google DeepMind 高级副总裁，与 Josh Woodward 及管理团队一同领导 GDM。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini Robotics 2，这是一套面向机器人的新一代物理 AI 模型，为人形机器人带来全身智能、更强的精细操作能力和多机器人协作。Demis Hassabis 表示，机器人现在可以推理每一个动作，完成此前无法实现的任务，例如打精细的绳结，甚至组队解决复杂工作流。
匹配字段标题、摘要
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层大脑，支持实时空间推理、多步任务规划和多机器人协作，可通过 Gemini API、Google AI Studio 或 Gemini Enterprise Agent Platform 调用。相比 ER 1.6，新模型能通过连续视频流跟踪任务进度并实时纠错，在进度分类任务上达到 57.4% 准确率，在 moment-finding 任务上达到 91.3% 准确率和 0.96s 平均绝对距离。官方还展示了其编排 Boston Dynamics Spot 的导航与机械臂 API 完成取物，并支持 Apptronik Apollo 2 与 Franka F3 Duo 协作，代码已在 GitHub 开源。
匹配字段标题、摘要
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，在音乐性、歌词和人声质量上有明显提升，即日起在 Google Flow Music 中上线。官方称该模型旨在帮助用户创作更丰富的曲目，并提供创作控制。
匹配字段标题、摘要
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞。该模型以限量试点形式通过 CodeMender 向政府和可信合作伙伴开放，后续逐步扩大范围。在 V8 JavaScript 引擎测试中，它发现 55 个已确认的独立问题，高于主线 3.5 Flash 的 47 个和 Claude Opus 4.6 的 36 个，其中 10 个为另外两个模型未发现的问题。
匹配字段标题、摘要
Google DeepMind 研究副总裁 Raia Hadsell 认为，基础模型可以学习语言之外复杂系统的底层规律，未来十年的进展将更多来自世界、机器人、生物和天气等领域。她以 DiffusionGemma 的文本扩散机制、Genie 世界模型及机器人训练为例，说明整块生成、自适应计算和模拟交互数据如何支持推理与具身智能。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全漏洞的 3.5 Flash Cyber。3.6 Flash 在 Artificial Analysis Index 上输出 token 比 3.5 Flash 少 17%，定价为每百万输入 token 1.50 美元、每百万输出 token 7.50 美元，并配备 CBRN 与网络攻击滥用的 Frontier Safety 防护。3.5 Flash-Lite 以 350 output tokens/s 运行，定价每百万输入 token 0.3 美元、每百万输出 token 2.5 美元，在 Terminal-Bench 2.1 上从 3.1 Flash-Lite 的 31% 提升至 54%；3.5 Flash Cyber 基于 3.5 Flash 微调，将通过 CodeMender 以限量试点形式仅向政府和可信伙伴开放。3.6 Flash 与 3.5 Flash-Lite 即日起可用，Gemini 3.5 Pro 正在与伙伴测试，Gemini 4 已启动预训练。
匹配字段标题、摘要
Google DeepMind 研究负责人 Vivek Natarajan 介绍了 AI co-scientist 与 AMIE，利用自博弈、搜索和多智能体辩论辅助科研假设生成与医疗诊断。AI co-scientist 的候选药物在人体肝脏类器官实验中将 TGF-beta 诱导的染色质损伤降低超过 91%；AMIE 在模拟问诊中匹配或超过医生，并在受监督的早期可行性研究中未触发预设安全中止。
匹配字段标题、摘要、正文
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。Nano Banana 2 Lite 主打速度与成本，官方建议用它替换第一版 Nano Banana（gemini-2.5-flash-image），并将登陆 Search 的 AI Mode、Gemini app、NotebookLM、Google Photos 等消费端产品。Gemini Omni Flash 通过 Gemini API 和 Google AI Studio 开放，支持文本、图像、视频输入的高质量视频生成与对话式编辑，定价为每秒视频输出 $0.10，与 Veo 3.1 Fast 相同。
匹配字段标题、摘要、正文
Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，此前该能力仅以独立的 Gemini 2.5 computer use 模型形式提供。开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 使用它构建能跨浏览器、移动端和桌面环境感知、推理并执行操作的智能体，面向持续软件测试等长周期与企业自动化任务。为降低实时环境中的提示词注入风险，官方对 computer use 做了针对性对抗训练，并发布两套可选的企业级防护系统。
匹配字段标题、摘要、正文
Google DeepMind 与 A24 宣布建立首个聚焦研究的合作伙伴关系，将研究实验室与电影制作工作室结合，帮助艺术家开发新工作流与技术。双方将围绕多个项目展开长期研发协作，Google 同时已对 A24 进行投资。
匹配字段标题、摘要、正文
Google DeepMind 发布 AI Control Roadmap，一套用于构建和管理 Google 内部部署的高级 AI 的框架，在模型对齐之外增加系统级安全层，即便对齐不完美也能提供保障。该框架把不受信任的 AI 智能体视为潜在内部威胁，基于 MITRE ATT&CK 拆解攻击战术与技术，并按模型能力划分检测等级 D1-D4 与预防响应等级 R1-R3。团队已分析一百万个编码智能体任务，并据此为 Gemini Spark 智能体搭建实时监控，数据显示多数被标记事件并非恶意意图，而是智能体误解或过度追求用户目标。
匹配字段标题、摘要
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation 和 ARIA，并获 Google.org 支持，面向全球研究者发起最高 $10M 的多智能体 AI 安全研究资助征集。项目聚焦大规模智能体系统的群体行为，以及理解、预测、监测和缓解交互风险的框架。申请截止日期为 2026 年 8 月 8 日，获奖者预计于 2026 年秋季公布。
匹配字段标题、摘要、正文