公司与模型
Google 与 DeepMind 的 Gemini 模型、Veo 视频生成、前沿研究与各条产品线的 AI 更新。
12 条精选近 30 天 12 条共收录 22 条
Google Research 发布博客，介绍把 AI 智能体从计算设计连接到真实湿实验室实验的三个研究项目。VERID 框架基于开源 PyLabRobot 构建实验室工作单元的语义数字孪生，提供实时 3D 状态追踪、秒级虚拟试运行、硬件安全检查与视频动作日志同步记录。
推荐理由：Google Research 公开了三个把 AI 智能体接入湿实验室的项目，其中包含框架设计和闭环实验数据，可以观察自动化科研在物理环境中的实际卡点。
Google DeepMind 发布技术演示，展示生物学家如何用 Google Antigravity 智能体开发平台在单次会话中完成抗菌肽候选的发现与结构评估。
推荐理由：原文用一次完整会话展示生物学家如何借 Antigravity 把跨库检索、结构分析与候选筛选压缩进单个工作台。
Google 扩展 Earth AI 地理空间推理智能体的实验性早期访问，覆盖 Ask Google Earth 的深度分析更新和面向开发者的 Agent-to-Agent API，Planetary Prediction Engine 也开放预览。
推荐理由：Google 公布地理空间推理智能体的技术报告与合作伙伴实测，并开放早期访问，可据此判断专用工具与前置规划在空间任务中的差别。
Google Research 宣布公开发布 Deep Review，一个面向复杂文档提供严谨反馈与技术核验的智能体 AI 系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。
推荐理由：Deep Review 公开了四阶段智能体评审流程与每周两次免费额度，可据此判断自动审稿在真实工作流中的位置。
Latent Space 的 AINews 汇总了 Gemini 4 Argon 正式发布及 AI Engineer NYC 大会内容，约 2 万人参会，Anthropic 和 Vals AI CEO 等发表主题演讲。
推荐理由：一份按类别编排的 AI 周报，涵盖 Argon 发布、多项独立评测、Agent 训练与安全议题，便于横向对照。
Google DeepMind 开始广泛开放 Gemini 4 Argon，并同步扩大 Fairwind Program 的可信网络安全防御者范围。此前在受限访问期间，Wiz 用 Argon 发现医院软件中前代模型遗漏的关键漏洞；在模拟网络攻击场景中 Argon 完成全部 12 个，前代为 5 个。
推荐理由：原文公开了 Argon 在网络安全与生物风险上的防护分层和误用监测数据，可用于判断前沿模型的部署门槛。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%。
推荐理由：官方给出各机器人与仿真任务的提示词示例和可用入口，可据此判断模型在机器人全流程中的具体用法。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：官方给出定价、渠道与多领域落地案例，可据此判断这一前沿模型在编码和专业工作流中的实际位置。
Google Research 与 NBER 发表三个月田野实验，133 名专利律师随机获得当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）使用权。
推荐理由：三个月专利撰写实验区分了 AI 辅助产出与无辅助判断，为技能培养提供了难得的纵向证据。
Google DeepMind 发布 EmbeddingGemma 2，这是一个把文本、图像、音频和视频映射到统一嵌入空间的开源多模态嵌入模型，基于 Gemma 4 架构、采用 Apache 2.0 许可、参数量 740M。
推荐理由：官方给出参数量、分模块尺寸、量化内存和 8K 上下文等规格，可据此判断端侧多模态检索的可用边界。
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，之后再逐步扩展到开发者、企业和消费者。
推荐理由：官方公布了 Argon 的输出上限、定价和多项基准成绩，可据此判断其长任务能力与成本位置。
Google DeepMind 推出 SynthID Bio，将水印技术用于合成生物学，可把不可感知的签名直接嵌入生物代码，并在合成出的实体蛋白质上验证。
推荐理由：读者可以看到水印如何同时写入蛋白质序列与 AlphaFold 3 预测结构，并了解它对 DNA 合成筛查的意义。