Google DeepMind 的 Gemma 4 多模態模型系列已登陸 Hugging Face，提供五種尺寸，支援圖像、文字及部分型號的音訊輸入。模型採 Apache 2 授權，最大上下文窗口為 256K；31B 和 26B A4B 的 text-only LMArena 估算分數分別為 1452 和 1441，後者有 4B 啟用參數。
推薦理由：文章列出五種 Gemma 4 規格、上下文窗口和音訊支援差異，並整理多個推理與微調框架的接入方式，可供比較型號特點及部署路徑。
Google DeepMind 介紹 AI 指針的設計原則與實驗演示，並宣佈即日起可在 Chrome 用指針向 Gemini 提問網頁內容。這套設計以四項原則為核心，讓指針結合視覺和語義上下文及語音，減少使用者撰寫詳細提示詞的需要。Magic Pointer 將即將在 Googlebook 推出。
推薦理由：文章以四項交互原則説明 AI 指針如何減少提示詞負擔，並列出 Gemini 在 Chrome 的現有功能及 Googlebook 即將推出的 Magic Pointer。
Google DeepMind 推出 Gemini 3.1 Flash Live，提升即時語音對話的精準度並降低延遲。它在 ComplexFuncBench Audio 得分 90.8%，在 Scale AI 的 Audio MultiChallenge 開啟 thinking 時得分 36.1%。
推薦理由：原文以兩項語音基準呈現多步函數調用與複雜指令跟隨表現，並列出開發者、企業及一般用户的使用入口，可對照其能力與部署場景。
Google DeepMind 公開一套經實證驗證的工具包及研究材料，用於評估 AI 有害操縱能力，並衡量操縱成效與模型採用操縱手法的傾向。研究涵蓋 9 項研究及逾 10,000 名來自英國、美國和印度的參與者，涉及金融、健康等高風險領域；結果顯示，不同領域的操縱成效不能互相推定，AI 在健康相關議題上達成有害操縱的效果最低。
推薦理由：研究把有害操縱評估拆分為操縱成效與模型採用操縱手法的傾向，並發現不同領域的結果不能互相推定，為高風險情境評估提供可複用方法。
Google DeepMind 推出 Gemini 3.1 Flash-Lite，現正以預覽版向開發者及企業開放，開發者可透過 Google AI Studio 的 Gemini API 使用，企業則可透過 Vertex AI 使用。
推薦理由：文章把 Gemini 3.1 Flash-Lite 的定價、相較 2.5 Flash 的速度數據及質素描述並列，呈現其面向高頻工作負載的成本定位。
Google DeepMind 發佈圖像生成模型 Nano Banana 2（Gemini 3.1 Flash Image），以 Flash 速度帶來 Nano Banana Pro 的世界知識、品質與推理能力。
推薦理由：Nano Banana 2 將 Nano Banana Pro 的世界知識、視覺品質與創作控制帶到 Flash 速度，並交代其在 Google 產品中的推出範圍及 Nano Banana Pro 的保留使用方式，説明兩款模型面向的工作流程差異。
Google DeepMind 發佈 Gemini 3.1 Pro，作為 Gemini 3 系列核心模型升級，提升複雜問題的推理能力。它在 ARC-AGI-2 取得經驗證的 77.1% 得分，推理表現超過 Gemini 3 Pro 兩倍。
推薦理由：Gemini 3.1 Pro 在 ARC-AGI-2 取得經驗證的 77.1% 得分，並稱推理表現超過 Gemini 3 Pro 兩倍，為核心推理升級提供量化比較依據。
Google DeepMind 在 Gemini app beta 推出 Lyria 3 音樂生成模型，使用者可用文字提示或上傳照片、影片生成 30 秒音軌。系統會按提示生成歌詞，並可調整風格、人聲和節奏；音軌嵌入 SynthID，Gemini 的核驗功能亦延伸至音訊，使用者可上傳檔案詢問其是否由 Google AI 生成。
推薦理由：Lyria 3 在 Gemini app 開放以文字、圖片或影片生成音樂，並納入 SynthID 與音訊核驗，呈現創作功能和 AI 內容識別並行的設計。
Google DeepMind 宣佈與印度政府部門及當地機構建立新合作，擴大 AI 在科學與教育領域的應用。合作將向印度研究人員提供 AlphaGenome、AI Co-scientist 和 Earth AI，並推出 $30 million Google.org Impact Challenge: AI for Science。
推薦理由：文章列出研究機構合作、AI 科學挑戰賽及教材互動化安排，呈現 Google DeepMind 在印度推進科學與教育應用的具體路徑。
Google DeepMind 發佈 Gemini 3 Deep Think 重大升級，面向科學、研究與工程領域的複雜挑戰。
推薦理由：文章列出數學、編程及科學基準的具體成績，並交代 Gemini app 與 Gemini API 的開放方式，呈現本次升級的評測範圍和使用入口。
Google Research 與 Included Health 宣佈，待機構審查委員會（IRB）批准後，將在全美開展前瞻性、經參與者同意的隨機研究，評估對話式 AI 在真實虛擬醫療流程中的表現。研究將把 AI 管理患者互動的能力與限制，和標準臨牀實踐比較，從模擬研究及單中心可行性測試推進至全國規模的真實臨牀評估。
Google DeepMind 更新 Veo 3.1 Ingredients to Video，提升參考圖像生成影片的一致性與表現，並加入原生 9:16 直向輸出及 1080p、4K 升頻。
推薦理由：更新同時處理參考圖像影片中的角色、背景與物件一致性，並加入原生直向及高解像度輸出，可看出 Veo 3.1 如何覆蓋短片創作與專業製作需求。
Google DeepMind 發佈 Gemini 3 Flash，結合 Gemini 3 Pro 級推理與 Flash 級延遲、效率和成本，並按 Artificial Analysis 基準測試較 Gemini 2.5 Pro 快 3x。
推薦理由：文章以推理、多模態與編碼基準成績，連同速度、token 用量及 API 定價，呈現 Gemini 3 Flash 的效能與成本定位。
Google DeepMind 更新 Gemini 2.5 Flash Native Audio，提升其處理複雜工作流、遵循指令及進行多輪語音對話的能力。它在 ComplexFuncBench Audio 得分為 71.5%，開發者指令遵循率由 84% 升至 90%；目前已在 Vertex AI 正式提供，並以預覽版開放 Gemini API。
推薦理由：更新同時改善即時語音 Agent 的函數調用、指令遵循與多輪對話，並以 ComplexFuncBench Audio 的 71.5% 得分呈現多步函數調用表現。
Google DeepMind 宣佈透過新的諒解備忘錄擴大與英國 AI 安全研究所（AISI）的合作，將合作範圍由模型測試延伸至更廣泛的基礎安全研究。研究涵蓋監測 AI 推理過程、探討社會與情感影響，以及評估 AI 對經濟系統的潛在影響。合作亦包括分享專有模型、數據和研究想法，並共同發布報告、開展研究及進行技術討論。
Google DeepMind 宣佈深化與英國政府合作，將以 AI 推進科研、教育、公共服務現代化，以及國家安全與韌性。Google DeepMind 計劃於 2026 年在英國設立其首個自動化科學實驗室，聚焦材料科學，並向英國科學家優先提供「AI for Science」模型。
推薦理由：合作涵蓋科研模型優先使用、材料科學自動化實驗室及公共服務文件數碼化，呈現英國政府合作由研究到行政流程的落地安排。
Google DeepMind 回顧 AlphaFold 自 2020 年以來的科研影響，稱 AlphaFold 2 解決了蛋白質結構預測問題。AlphaFold Protein Database 已被超過 3 million 名研究者在 190 多個國家使用，逾 30% 的 AlphaFold 相關研究聚焦於疾病理解。
密蘇裏大學研究人員結合 AlphaFold 預測與冷凍電子顯微鏡（cryo-EM）影像，解析了構成「壞膽固醇」低密度脂蛋白（LDL）的關鍵蛋白 apoB100 結構。
推薦理由：這項工作展示了 AlphaFold 的原子級結構預測如何與冷凍電鏡影像互補，協助研究人員解析 apoB100 結構，並為研究 LDL 與 ASCVD 提供結構依據。
Google DeepMind 發佈 Nano Banana Pro（Gemini 3 Pro Image），並以付費預覽方式向開發者開放。模型具備更準確的文字渲染和圖像本地化能力，支援 2K 和 4k 解析度；啟用 Google Search grounding 時，亦可連接即時網頁內容。
推薦理由：文章把 Nano Banana Pro 的文字渲染、本地化能力與接入方式，連同相較 Gemini 2.5 Flash Image 的成本和延遲取捨一併交代。
Google DeepMind 發佈 Gemini 3，Gemini 3 Pro 已透過 Gemini API、Google AI Studio 和 Vertex AI 提供預覽。
推薦理由：文章並列 Gemini 3 Pro 的基準成績、API 定價和接入渠道，亦介紹 Google Antigravity 如何跨工作區管理智能體，具體呈現模型與開發流程的結合方式。
Google DeepMind 與 Google Research 發佈 WeatherNext 2，預報生成速度快 8 倍，並提供細至每小時解析度的全球天氣預測。
推薦理由：WeatherNext 2 與前代 WeatherNext 的比較覆蓋 0–15 天內 99.9% 的變量與預報時效，並列出單顆 TPU 每項預測少於一分鐘的耗時，便於同時衡量預報表現與計算效率。
Google DeepMind 推出研究智能體 SIMA 2，將 Gemini 推理能力整合至虛擬 3D 遊戲，使其能理解目標、規劃行動並與用户對話。它能將在不同遊戲中學到的概念遷移，也可透過試錯及 Gemini 回饋利用自身經驗繼續訓練，並在 Genie 3 生成的新世界中嘗試執行任務。
推薦理由：SIMA 2 結合 Gemini 推理、跨遊戲技能遷移與自生成經驗訓練，並交代長程任務、記憶和精細鍵盤滑鼠操作的限制。
Google Research 與 Google DeepMind 發表 ForestCast，以純衞星資料預測森林砍伐風險，並公開首個專供相關深度學習模型訓練的基準資料集。
Google DeepMind 與 Hugging Face 宣佈在 Transformers v4.46.0 推出 SynthID Text，讓生成時可加入文字水印，並透過分類器檢測水印。
推薦理由：文章梳理 SynthID Text 從生成端配置到分類器訓練的部署流程，並説明改寫、翻譯與事實性回答對水印效果的限制，便於評估適用場景。
OpenAI 與 DeepMind 安全團隊合作開發了一種演算法，透過人類判斷兩種候選行為何者較好，推斷人類想要甚麼。他們將減少人類撰寫目標函數的需要視為構建安全 AI 系統的一步，因以簡單代理目標代表複雜目標，或把目標設定得稍有偏差，都可能導致不良甚至危險行為。
推薦理由：材料呈現以人類比較兩種候選行為的回饋推斷其意願的演算法思路，並連結到降低複雜目標函數設定偏差的安全目標。