Google DeepMind 为印度 ATL 推出 Gemini 驱动的 AI 助手 ATL Saathi
Google DeepMind 今日启动 ATL Saathi 实时试点，这是一款基于 Gemini 的 Web 应用，为印度 Atal Tinkering Labs 的每位教育者提供 24/7 规划与培训助手，覆盖超 1.1 千万学生。
#多模态
#多模态
今日 2 条Google DeepMindAI 评分3838
Google Research精选AI 评分7070 Google Research 发布 SensorFM，用一万亿分钟可穿戴数据训练通用健康传感器基础模型
Google Research 发布 SensorFM，一个基于超过一万亿分钟、来自五百万名同意参与者的多模态可穿戴数据预训练的大型传感器基础模型。SensorFM 通过自监督重建学习，可跨心血管、代谢、睡眠和心理健康等任务迁移，在 35 项健康任务中 34 项优于特征工程监督基线。模型还结合了智能体课堂自动构建预测头，并能支撑个人健康智能体的端到端应用。
推荐理由：原文给出了一万亿分钟级可穿戴数据训练的通用传感器基础模型，读者可据此判断它能否替代单任务健康模型。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 图像模型和 Gemini Omni Flash 视频模型，均已在 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 开放。
推荐理由：原文给出了两款模型的定位、价格和开放入口，读者可据此判断如何组合它们搭建多媒体工作流。
Mistral AI精选AI 评分6262 Mistral 发布 OCR 4 文档解析模型
Mistral 发布 OCR 4，在提取文本之外新增边界框、块分类和逐页逐词置信度分数，支持 170 种语言，可在单容器内自托管部署。API 定价为每 1000 页 4 美元，Batch API 折扣后 2 美元，Document AI 为 5 美元。独立标注者在人类偏好评测中更倾向于 OCR 4，平均胜率 72%，OlmOCRBench 得分 85.20。
推荐理由：原文给出了新模型在结构化输出、多语言覆盖和自托管方面的能力变化，读者可据此判断它如何接入现有文档处理流程。
Google Research精选AI 评分6262 Google Research 发布AI辅助皮肤问题理解研究
Google Research 发布两项关于AI辅助用户理解皮肤问题的研究。一项发表于 JAMA Dermatology 的量化研究显示，使用AI工具时参与者命名皮肤状况的准确率约为对照组的三倍（23% vs 8%），但确定下一步医疗行动的能力提升不显著。另一项与斯坦福医疗AI团队合作的真实世界研究显示，使用应用后参与者命名状况的能力提升260%，临床医生认为预测与自身评估一致的比例为86%。
推荐理由：原文给出两项研究的具体数据，读者可据此判断AI辅助皮肤问题识别对用户理解的实际增益与局限。
Google DeepMind精选AI 评分7979 Google DeepMind 发布开源扩散模型 DiffusionGemma，推理速度最高提升 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散技术并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍，单张 NVIDIA H100 上每秒可生成 1000+ token。该 26B MoE 模型推理时仅激活 3.8B 参数，量化后适配 18GB 显存，面向内联编辑、代码填充等速度敏感的本地交互场景，但整体输出质量低于标准 Gemma 4。
推荐理由：原文给出了速度提升、硬件门槛和适用场景，读者可据此判断它适合哪些本地交互工作流。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，这是最新的音频模型，支持 70 多种语言的近实时语音到语音翻译，能保留说话者的语调、节奏和音高，并连续生成语音而非逐轮等待。
推荐理由：原文给出了新模型的连续语音翻译能力、覆盖语言数和各产品入口，读者可据此判断它如何改变跨语言实时沟通。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B 无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，这是其首款支持原生音频输入的中型多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。
推荐理由：原文给出了架构变化、内存占用和开放入口，读者可据此判断它能否在本地硬件上跑起多模态智能体工作流。
Google Research精选AI 评分6262 Google 在 Nature 发表论文：用手机前置摄像头实现被动心率监测
Google Research 在 Nature 发表论文，介绍被动心率监测系统 PHRM，利用手机前置摄像头在面部解锁后拍摄视频，通过深度学习估计心率，MAPE 小于 10%，并估算每日静息心率，MAE 小于 5 bpm，准确度达到可穿戴设备水平。
推荐理由：原文给出了PHRM系统的技术路线、跨肤色准确率数据和公开数据集，读者可据此评估被动心率监测的可行性与局限。
Google Research精选AI 评分6262 Google Research 在 I/O 2026 发布 Gemini for Science 与 Antigravity 2.0 等多项成果
Google Research 在 I/O 2026 上发布多项成果，包括面向科学研究的 Gemini for Science 工具套件（含 Computational Discovery、Hypothesis Generation 等）、升级的智能体开发平台 Antigravity 2.0，以及基于 Coral NPU 的 Synaptics Coralboard 开发板。
推荐理由：原文汇总了 Gemini for Science、Antigravity 2.0、Coralboard 等多项发布，读者可借此把握 Google 在科学研究和开发者工具上的整体布局。
Google DeepMindAI 评分5858 Google DeepMind 推出 Project Genie 街景锚定能力并面向全球 AI Ultra 订阅者开放
Google DeepMind 宣布将 Genie 世界模型与 Google 街景真实影像结合，推出 Project Genie 的街景锚定能力，用户可选择美国地点并套用风格生成以真实位置为起点的互动世界。该功能即日起逐步向全球符合条件的 Google AI Ultra 200 美元订阅者开放，Project Genie 仍是 Google Labs 的实验性研究原型。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni Flash 多模态生成模型
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，支持以图像、音频、视频和文本为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：原文给出了 Omni 系列首个模型的能力范围和开放入口，读者可据此判断它如何把多模态生成带入现有工作流。
Google DeepMind精选AI 评分6262 Google 扩展内容溯源与验证工具，覆盖搜索、Gemini、Chrome 等产品
Google 宣布扩展内容透明度与验证工具，将 SynthID 验证能力从 Gemini 应用扩展到 Search 和 Chrome，并新增 C2PA Content Credentials 验证。
推荐理由：原文梳理了内容溯源工具在搜索、Gemini、Chrome 等产品的落地节奏，读者可据此了解验证能力的使用入口。
Google DeepMindAI 评分3838 Google DeepMind 与新加坡政府达成新国家 AI 合作伙伴关系
Google DeepMind 宣布与新加坡政府建立新的国家 AI 合作伙伴关系，聚焦医疗、教育、科研与可持续发展。合作包括探索 AI 共诊、推进传染病研究、开发 Gemma 驱动的视障跑步助手，并向中小学至初院全体教师提供 Gemini for Education。据估算，AI 加速研发有望到 2040 年为新加坡带来额外 33 亿新元（25 亿美元）经济价值。
Google DeepMind精选AI 评分7878 Google DeepMind 详解 WeatherNext 如何帮助美国国家飓风中心提前五天预测飓风 Melissa 登陆牙买加
Google DeepMind 发布文章，介绍其 AI 天气模型 WeatherNext 在 2025 年飓风 Melissa 中帮助美国国家飓风中心（NHC）提前五天以 80% 置信度预测其将以五级强度登陆牙买加，三天前置信度升至接近 100%。
推荐理由：原文展示了 WeatherNext 在飓风预报中的实际应用与验证数据，读者可据此了解 AI 天气模型如何辅助官方预警决策。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.5，率先推出 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型家族，率先推出 3.5 Flash，主打智能体与编码能力，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）和 MCP Atlas（83.6%）等基准上超越 Gemini 3.1 Pro，输出速度比其他前沿模型快 4 倍。
推荐理由：官方给出了 3.5 Flash 的基准成绩、速度与成本优势，读者可据此判断它在智能体任务上的实际定位。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Co-Scientist 多智能体科研助手
Google DeepMind 在 Nature 发表 Co-Scientist 研究，推出基于 Gemini 的多智能体系统，可迭代生成、辩论和进化科研假设。该系统通过 Hypothesis Generation 工具向个人研究者开放，未来几周开始推出，研究者可在 labs.google/science 注册。合作案例显示其在肝纤维化药物重定位、ALS、细胞衰老等方向取得进展。
推荐理由：原文给出了多智能体系统的架构、开放入口和多个实验室应用案例，读者可以据此判断它如何加速科研假设生成。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 研究计划，探索医疗AI协作模式
Google DeepMind 宣布 AI co-clinician 研究计划，探索AI作为护理团队协作成员、在医生临床监督下与患者互动的模式。在98个真实初级保健查询的盲评中，系统在97例中零关键错误，优于两个常用AI系统；在OpenFDA的RxQA开放式药物问答中超越前沿模型。
推荐理由：原文给出了AI co-clinician在证据综合、药物问答和远程医疗模拟中的具体评测结果，读者可据此判断医疗AI当前的能力边界。
Google Research精选AI 评分6565 Google Photos Auto frame 新增三维感知重构图功能
Google 宣布在 Google Photos 的 Auto frame 功能中加入三维感知重构图方法，利用 ML 模型理解场景空间布局，并用生成式 AI 从新视角想象照片。该方法分两阶段，先估计 3D 场景和相机参数，再用生成式扩散模型补全渲染产生的空洞，可自动调整相机位姿和焦距，修复广角镜头造成的透视畸变。该功能现已上线，符合条件的含人照片可一键获得自动调整视角的第二版本。
推荐理由：原文解释了三维感知重构图背后的两阶段方法，读者可以据此理解它与传统修图工具的本质区别。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS，这是最新的文本转语音模型，支持 70 多种语言和原生多说话人对话。模型引入音频标签功能，可通过自然语言指令控制语速、语气和表达方式，在 Artificial Analysis TTS 排行榜上 Elo 得分 1,211。
推荐理由：官方介绍了新模型的音频标签控制能力和多语言覆盖，读者可据此评估它在语音生成应用中的可用性。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先模型的重大升级，通过增强空间推理和多视角理解，让机器人更精准地理解环境。
推荐理由：官方介绍了新模型的推理能力升级与仪表读取新功能，读者可据此判断它在机器人任务中的适用边界。
Google ResearchAI 评分4242 Google Research 推出 PaperVizAgent 与 ScholarPeer 两个 AI 智能体，改进学术图表生成与同行评审
Google Research 推出两个智能体框架：PaperVizAgent 用于从学术文本生成出版级图表，ScholarPeer 用于自动化严格评审论文。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 开源模型家族，主打推理与智能体工作流
Google DeepMind 发布 Gemma 4 开源模型家族，号称迄今最智能的开源模型，专为高级推理和智能体工作流设计，以 Apache 2.0 许可发布。
推荐理由：官方发布稿给出了四个尺寸、上下文窗口和硬件适配细节，读者可据此判断在自有硬件上运行与微调的可行性。
Google DeepMind精选AI 评分6969 Google DeepMind 推出 AI 指针，用指向和语音替代复杂提示词
Google DeepMind 推出由 Gemini 驱动的 AI 指针，让用户通过指向和语音与 AI 交互，无需编写复杂提示词。该功能已集成到 Chrome 中，并将在 Googlebook 笔记本上推出 Magic Pointer，用户可在 Google AI Studio 体验实验版本。
推荐理由：原文给出了AI指针的原理和落地入口，读者可以据此判断这种交互方式会怎样改变日常使用AI的方式。
Google Research精选AI 评分6262 Google 发布 Vibe Coding XR：用 Gemini 在 60 秒内生成 Android XR 应用
Google 发布 Vibe Coding XR 工作流，结合 Gemini 的长上下文推理与 XR Blocks 框架，将自然语言直接转化为带物理感知的 Android XR 应用，生成时间在 60 秒内。
推荐理由：原文给出了从自然语言到可运行 XR 应用的完整流程和实测成功率，读者可据此评估该工作流的成熟度与上手成本。
Google ResearchAI 评分3838 S2Vec：谷歌如何用自监督框架学习城市“语言”
Google Research 推出 S2Vec，一个用于学习建成环境通用嵌入向量的自监督框架。它通过 S2 Geometry 分区和特征栅格化将地理数据转化为多层图像，再用掩码自编码（MAE）学习位置特征，无需人工标注即可预测人口密度、收入等社会经济指标。评测中，S2Vec 在零样本地理泛化任务上表现最佳，与图像嵌入融合后效果更优。
Mistral AI精选AI 评分7777 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布 Voxtral TTS，这是其首个文本转语音模型，4B 参数，支持 9 种语言，具备情感表达、低延迟和零样本跨语言声音适配。模型基于 Ministral 3B，采用 Transformer 自回归流匹配架构，模型延迟 70ms，实时因子约 9.7x。
推荐理由：原文给出了模型架构、定价和与 ElevenLabs 的人工评测对比，读者可据此判断其在语音智能体场景的适用性。
Google ResearchAI 评分4545 Google Research 在 The Check Up 展示医疗 AI 进展：从个性化健康到临床落地
Google Research 在 The Check Up 活动上发布多项医疗 AI 突破。与 Fitbit 的研究显示，模拟协作健康团队的个人健康智能体（PHA）比单任务应用更能支持长期健康；与帝国理工学院及英国 NHS 合作发表于 Nature Cancer 的研究中，AI 系统识别出 25% 此前漏诊的“间期癌”。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，统一推理、多模态与编码能力
Mistral 发布 Mistral Small 4，这是首个统一旗舰模型能力的开源模型，融合 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码智能体能力。
推荐理由：原文给出了架构、性能提升和开放入口，读者可以据此判断它如何统一推理、多模态与编码能力。
Google Research精选AI 评分7878 Google 推出 AI 驱动的城市突发洪水预报，提前 24 小时预警
Google Research 宣布在 Flood Hub 上推出城市突发洪水预报，利用 AI 方法可提前 24 小时预测城市地区突发洪水风险。该方法使用 Gemini 分析新闻报告构建历史洪水数据集，模型在人口密度超过每平方公里 100 人的区域运行，空间分辨率 20x20 公里，并已在南美、东南亚等地区达到与发达国家相当的精度。
推荐理由：原文给出了新方法、覆盖范围和与现有系统的对比，读者可以据此判断城市洪水预警的实际能力。
Google Research精选AI 评分6262 Google Research 发布 AMIE 对话式诊断 AI 真实门诊可行性研究
Google Research 与 Beth Israel Deaconess 医学中心合作，开展了一项前瞻性单中心可行性研究，在真实门诊场景中部署对话式诊断 AI 系统 AMIE，用于患者就诊前的病史采集。
推荐理由：原文给出了真实门诊场景下的安全性、诊断准确率和医患体验数据，读者可据此评估对话式医疗 AI 的落地可行性。
Berkeley AI ResearchAI 评分4040 信息驱动式成像系统设计：直接评估与优化成像信息含量
伯克利AI研究团队提出一种直接基于信息含量评估与优化成像系统的框架，无需训练重建或分类网络。该方法利用成像系统已知的噪声物理特性，仅从含噪测量中估计互信息，并在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证了其预测性能。优化该信息指标可达到与端到端方法相当的设计效果，同时减少内存与计算需求，且无需任务特定的解码器设计。
Mistral AI精选AI 评分6262 Mistral 发布 OCR 3，文档解析性能大幅提升
Mistral 发布 OCR 3，在表单、扫描件、复杂表格和手写内容上对 OCR 2 取得 74% 综合胜率，支持输出带 HTML 表格结构的 markdown。定价为每 1000 页 2 美元，Batch API 五折后降至 1 美元，模型 mistral-ocr-2512 已通过 API 和 Mistral AI Studio 的 Document AI Playground 开放使用。
推荐理由：原文给出了 OCR 3 相对上一代的性能提升、定价与开放入口，读者可据此评估其在文档解析管线中的适用性。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral 3 系列，含 Large 3 与 Ministral 3 多尺寸模型
Mistral 发布下一代模型 Mistral 3，包含 14B、8B、3B 的 Ministral 3 系列和旗舰 Mistral Large 3，全部采用 Apache 2.0 许可证。
推荐理由：原文给出了 Mistral 3 全家族参数、许可证和可用平台，读者可据此判断开源模型的最新能力水位与部署选择。
Mistral AIAI 评分4747 微调 Pixtral-12B 解锁卫星图像视觉语言模型潜力
Mistral 通过 LoRA 微调 Pixtral-12B，在 Aerial Image Dataset（AID）卫星图像分类任务上显著提升性能，解决了基座模型在密集住宅、体育场等模糊类别上的误判与幻觉问题。微调仅需提供正确标签作为助手响应，无需复杂超参数调优，可通过 Mistral 微调 API 或 LaPlateforme UI 启动。
Mistral AI精选AI 评分6262 Mistral 发布 Le Chat 多项新功能，含 Deep Research、语音模式与图像编辑
Mistral 为 Le Chat 推出多项新功能：Deep Research 预览模式可生成结构化研究报告，语音模式由新模型 Voxtral 驱动，Think 模式由推理模型 Magistral 提供多语言思考能力，Projects 用于组织对话，并与 Black Forest Labs 合作支持直接在聊天内编辑图像。所有新功能现已在 chat.mistral.ai 及移动应用上线，无需信用卡。
推荐理由：官方一口气上线五项新能力，读者可据此判断 Le Chat 在深度研究、语音和图像编辑上的完整能力版图。
Mistral AI精选AI 评分7878 Mistral 发布开源语音理解模型 Voxtral，提供 24B 与 3B 两个版本
Mistral AI 发布开源语音理解模型 Voxtral，提供 24B 生产级和 3B 端侧两个版本，均采用 Apache 2.0 许可并开放 API。Voxtral 支持 32k token 上下文、最长 30 分钟转写或 40 分钟理解、内置问答与摘要、多语言识别及语音直接触发函数调用。
推荐理由：原文给出了两个开源语音模型的规模、许可和定价，读者可据此评估其在生产场景中的成本与部署选择。
Mistral AI精选AI 评分7272 Mistral Small 3.1 发布：128k 上下文、多模态、Apache 2.0 开源
Mistral AI 发布 Mistral Small 3.1，在文本性能、多模态理解和 128k 上下文窗口上较前代升级，推理速度达每秒 150 tokens，性能超越 Gemma 3 和 GPT-4o Mini，并以 Apache 2.0 许可开源。
推荐理由：官方公布了性能对比、推理速度和开源许可，读者可据此判断它相对同类小模型的定位与适用场景。
Mistral AI精选AI 评分7575 Mistral 发布 OCR API，支持多模态文档理解与自托管
Mistral 发布 Mistral OCR，一个光学字符识别 API，可理解文档中的媒体、文本、表格和公式，并输出有序的交错文本与图像。API mistral-ocr-latest 定价为 1000 页/美元，批量推理约翻倍，已在 la Plateforme 上线，并成为 Le Chat 的默认文档理解模型。
推荐理由：原文给出了 Mistral OCR 的基准对比、定价和自托管选项，读者可据此判断它相对现有 OCR 服务的定位。