Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款文本转语音模型
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示从零创建人物声音，并逐行控制台词演绎。
推荐理由：原文给出了自定义声音与逐行导演的具体入口和能力边界，读者可据此判断新模型如何改变配音和语音交互的工作流。
Google / Gemini
全部主题Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
最新精选
第 1–20 条 · 共 24 条Google DeepMind精选AI 评分7171
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.8 Live 与 Extended Thinking 语音对话模型
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款新语音对话模型，主打近实时推理。
推荐理由：官方基准显示新模型在语音智能体任务上领先并在成本上有竞争力，可据此判断生产环境中的应用价值。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两款新模型，3.8 Flash 保持与 3.7 Flash 相同的每百万输入 token 0.75 美元、输出 3.75 美元定价。
推荐理由：原文给出 3.8 Flash 的定价、编码与智能体基准成绩，以及 Cyber 版的安全管控方式，可据此判断其在企业自动化中的定位。
Google DeepMind精选AI 评分7373 Google DeepMind发布Gemini智能体视频理解，token消耗最高降88%
Google DeepMind推出智能体视频理解功能，适用于Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite，将视频分析的token消耗最高降低88%、成本最高降低66%，准确率提升最高7%。
推荐理由：官方公布agentic视频理解相比静态处理在token消耗、成本和准确率上的具体改进数字，读者可据此判断该方案对长视频分析开发流程的实际影响。
Google DeepMind精选AI 评分6767 Google 发布 Gemini Omni 1.1 Flash，强化可控视频生成能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 正式开放，新增场景扩展、首末帧指定、视频参考等生成视频能力。
推荐理由：官方给出了场景扩展、4K 放大等具体能力规格和定价，可帮助开发者评估能否直接接入生产工作流。
Google DeepMind精选AI 评分6666 Google DeepMind 推出 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 于 2026 年 8 月推出 Gemini 3.5 Transcribe 语音转文字模型，支持流式与非流式两种 API，面向开发者已在 Google AI Studio 和 Gemini Enterprise Agent Platform 公开预览，并开放给 Gemini macOS 应用和 Android Rambler。
推荐理由：相比此前的 Chirp 3，新模型在 WER 与延迟上明显提升，读者可据此评估它对实时语音应用的价值。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体的工作负载模型
Google DeepMind 今日推出 Gemini 3.7 Flash，定位为迄今最智能的编码与智能体工作负载模型，距离 3.6 Flash 发布仅三周。相比 3.6 Flash，它在编码基准 FrontierCode 1.1（43.6% 对 34.4%）和 DeepSWE v1.1（65.3% 对 49.0%）上显著提升，并改善网页开发与多领域知识推理能力。
推荐理由：原文给出了 3.7 Flash 相比 3.6 Flash 在编码、网页开发和领域推理上的基准提升数据及首发优惠价，可帮开发者判断升级价值与性价比。
Google DeepMind精选AI 评分7979 Google DeepMind 发布手语转文本模型 SL2T，已集成至 Gboard 与 Live Transcribe
Google DeepMind 发布手语转文本模型 SL2T，并将手语听写功能引入 Pixel 11 的 Gboard 和 Live Transcribe，支持美式手语转英语。模型基于超过 10 万小时、50 多种手语数据训练，通过手势关键点而非原始视频保护隐私，在 FLEURS-ASL 基准上零样本达到 70 BLEURT。
推荐理由：原文给出SL2T的训练数据规模与隐私保护设计，帮助读者理解手语翻译如何从实验室走向手机输入法。
Google DeepMind精选AI 评分7777 Google DeepMind 开源 WeatherNext 模型，气旋预测可提前一天
Google DeepMind 在 Nature 发表论文，宣布 WeatherNext 模型在预测气旋轨迹、强度和风场结构上达到当前最优，平均比先前模型多出一天预测时间，并将代码和权重开源。
推荐理由：文章给出WeatherNext在气旋预测上平均多出一天提前量的具体成绩并宣布开源，可帮助读者理解这项技术对气象预报的实用价值。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini Robotics ER 2，支持视频理解与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，支持视频理解、任务编排和多机器人协作，现通过 Gemini API 与 Google AI Studio 向开发者开放。相比前代 ER 1.6，它在进度分类任务上取得 57.4% 准确率，时刻查找准确率达 91.3%，并以 4 倍执行速度接近更大模型的精度。
推荐理由：这篇官方介绍给出了新模型在视频理解、任务编排和多机器人协作上的能力数据与开放渠道，读者可据此评估它在具身智能领域的实际进展。
Google DeepMind精选AI 评分6868 Gemini Robotics 2 发布，带来全身智能、精细操控与多机器人协作
Google DeepMind 发布 Gemini Robotics 2 系列机器人模型，包含 VLA、ER 和端侧三类模型，实现全身控制、精细灵巧操作与多机器人协作，并新推 ASIMOV-Agentic 安全基准。其中推理模型 Gemini Robotics ER 2 已上线 Google AI Studio，VLA 与端侧模型向早期合作伙伴开放。
推荐理由：文章详解Gemini Robotics 2三类模型与全身控制、精细灵巧操作及多机器人协作能力，并给出开放渠道，可快速了解具身智能最新进展。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型。
推荐理由：官方放出三款Flash模型的token效率、速度与价格数据，可据此评估它们对规模化智能体工作流的实际价值。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Nano Banana 2 Lite 图像模型与 Gemini Omni Flash 视频模型
Google DeepMind 发布 Nano Banana 2 Lite 图像生成模型和 Gemini Omni Flash 视频生成与编辑模型。
推荐理由：原文给出两款新模型的延迟与成本，以及视频对话式编辑能力，读者可据此评估如何将图像生成与视频创作串进同一流水线。
Google DeepMind精选AI 评分7373 Gemini 3.5 Flash 新增内置 computer use 功能
Google DeepMind 将 computer use 集成为 Gemini 3.5 Flash 的内置工具，开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建跨浏览器、移动端与桌面端的智能体。
推荐理由：官方博客交代了此前独立模型的集成路径、开发入口与两套企业级防护机制，读者可据此评估它适合哪些自动化场景。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的无编码器多模态模型，视觉和音频输入直接流入 LLM 主干，是该系列首个支持原生音频输入的中型模型。它可在 16GB 内存的消费级笔记本本地运行，基准性能接近 26B MoE 模型，采用 Apache 2.0 许可，并同步发布官方 Skills Repository。
推荐理由：原文给出 12B 与 26B 的取舍和 16GB 内存的本地运行门槛，可帮助读者判断它在端侧多模态工作流中的适配度。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini Omni Flash 多模态视频生成模型
Google DeepMind 推出 Omni 家族首个模型 Gemini Omni Flash，支持图像、音频、视频和文本任意组合输入生成高质量视频，并可通过自然语言对话编辑视频。
推荐理由：Gemini 把推理能力与视频生成结合，支持多模态输入和对话式编辑，可从能力边界判断其对现有创作流程的影响。
Google DeepMind精选AI 评分6363 谷歌扩展内容透明与验证工具，新增AI内容检测API
谷歌宣布将SynthID和C2PA内容凭证验证能力扩展至Search、Gemini、Chrome和Pixel设备，并在Gemini应用中新增C2PA验证。SynthID已为超1000亿张图片视频和6万小时音频添加水印，验证功能已使用5000万次。谷歌还推出面向企业的AI内容检测API，并与OpenAI、ElevenLabs、Meta等公司合作，让更多平台识别和标注AI生成内容。
推荐理由：原文说明了水印技术覆盖规模和验证能力从Pixel扩展到搜索与浏览器的落地进度，读者可据此判断内容溯源工具的实际可用范围。
Google DeepMind精选AI 评分7272 Gemini 3.5 发布，首批推出 3.5 Flash 聚焦智能体与编码
Google DeepMind 发布 Gemini 3.5 系列，首批推出 3.5 Flash，主打智能体与编码，今天面向 Gemini 应用、Google 搜索 AI 模式及 Antigravity 等平台开放。
推荐理由：官方给出了 3.5 Flash 的基准成绩和开放渠道，可据此判断它在智能体任务上的速度与成本取舍。
Google DeepMind精选AI 评分6363 Google DeepMind 发布多智能体科研助手 Co-Scientist
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 的多智能体系统，通过生成想法、辩论、演化三阶段循环迭代，自动产生并排序新颖的科学假说。该系统已通过 Hypothesis Generation 工具向个人研究者开放，注册入口在 labs.google/science。
推荐理由：介绍了多智能体系统如何通过生成、辩论、演化三阶段迭代产出科学假说，并用具体合作案例展示其实际成效。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Decoupled DiLoCo 架构，实现低带宽抗故障的跨数据中心训练
Google DeepMind 发布新的分布式训练架构 Decoupled DiLoCo，通过解耦计算岛实现跨数据中心低带宽训练，并在硬件故障时隔离影响继续训练。该架构在 120 亿参数模型上跨美国四个区域以 2-5 Gbps 网络训练成功，速度比传统同步方法快 20 倍以上，并支持混合不同代际硬件（如 TPU v6e 和 v5p）。
推荐理由：该架构以解耦计算岛实现低带宽跨数据中心训练，抗硬件故障并支持混合硬件代际，可帮助理解分布式训练的前沿方向。