SynthID Detector 檢查圖片、影片和音訊中的 SynthID 水印
SynthID Detector 可檢查上載圖片、影片和音訊中是否帶有 SynthID 水印,並識別影片和音訊中帶水印的片段。它只支援採用 SynthID 的模型生成內容;未檢出水印不能完全排除內容由 AI 生成或修改。
SynthID Detector 可檢查上載圖片、影片和音訊中是否帶有 SynthID 水印,並識別影片和音訊中帶水印的片段。它只支援採用 SynthID 的模型生成內容;未檢出水印不能完全排除內容由 AI 生成或修改。
白宮宣佈,特朗普將於週四向埃隆·馬斯克、黃仁勳、蘇姿豐及謝爾蓋·布林頒授國家科學獎章,並向邁克爾·戴爾和薩提亞·納德拉頒授國家技術與創新獎章。白宮亦推進「創世紀任務」,將科研加速機制擴展至超過15個聯邦機構,並爭取科技企業承諾超過10億美元,聯邦機構則投入1億多美元研發 AI 科研工具。
Biohub 正協調一項總額 $1.8 billion 的計劃,整合數據、實驗室設備與算力,建立可預測細胞行為的 AI 模型,以期加快藥物開發。
Google DeepMind、Meta 與 Isomorphic Labs 將共同向 Biohub 投資 $300 million,支持建立 AI 數據集,讓研究人員以數碼方式提出、預測及回答生物學問題。
Google DeepMind 發佈 EmbeddingGemma 2,將文字、程式碼、圖像、影片和音訊映射至統一嵌入空間,支援裝置端多模態搜尋與檢索。模型基於 Gemma 4 架構,擁有 740 million parameters,以 Apache 2.0 授權發佈,並提供 8K token 上下文窗口。
Google DeepMind 發佈 EmbeddingGemma 2,將文字、程式碼、圖像、影片及音訊映射至同一嵌入空間,供裝置端推理使用。
推薦理由:EmbeddingGemma 2 將文字、程式碼、圖像、影片及音訊映射至同一嵌入空間,並列出裝置端記憶體與向量儲存數據,方便評估跨模態搜尋的本地部署。
Google DeepMind 發佈 EmbeddingGemma 2,這款 740M 參數開放模型可將文字、程式碼、圖像、影片及音訊嵌入同一個 768 維空間。
Google DeepMind 發佈 EmbeddingGemma 2,一款 740M 參數的開放權重多模態嵌入模型,可將文字、圖像、影片影格及音訊映射至同一向量空間。
ElevenLabs 正在 2026 年選舉週期與選舉機構及民間組織合作,以語音 AI 擴大選民取得官方資訊的途徑,並防範技術遭濫用。巴西最高選舉法院(TSE)將為「選舉助理」加入語音介面,讓民眾透過語音查詢其網站、App 和 WhatsApp 頻道資訊;ElevenLabs 亦會培訓 Comprova 合作夥伴使用 AI Speech Classifier 等檢測工具。
MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列,按工作負載整理各自適用情境。
推薦理由:文章將四款模型的基準、價格、存取限制和任務成本並列,呈現不同工作負載下的取捨,説明排行榜名次不足以單獨決定選型。
曾為 OpenAI 每次主要模型發佈撰寫安全報告的 David Robinson 本週辭職,並公開稱 AI 行業文化「已經失靈」。他認為問題不只是為模型訓練增添規則,並主張前沿實驗室仿照核電廠或繁忙機場,採取多層冗餘和審慎規劃。報道亦提到,多名研究員及安全人員先後離開 Anthropic 和 Google DeepMind。
DeepMind 研究者提出 Artificial Symbiotic Intelligence,主張把 AI 發展視為人與多個智能體共同演化的社會系統,而非單一超級智能走向奇點。他們將智能體描述為由模型、角色、記憶、倫理取向、工具與技能組成、可拆解重組的臨時組合,並認為協作需要制度、介面與治理框架。對齊也不應只是自上而下灌輸固定價值,而是在不同領域的人、智能體與制度持續互動中形成。
Anthropic Fellows 與 Thinking Machines Lab 合作研究以超過 300,000 個價值取捨情境測試 12 個前沿模型,發現它們在價值排序與行為模式上存在差異。
Google DeepMind 的 Gemini 4 Argon(高推理設定)在 Artificial Analysis Intelligence Index 得分 53,與 GPT-6 Astra(max)持平。
推薦理由:文章對照 Gemini 4 Argon 與 GPT-6 Astra 的指數分數、任務成本和智能體評測,呈現相近總分下的成本差距及不同基準表現。
Thore Graepel 認為,當前 LLM 的鏈式推理仍由反覆預測下一個 token 產生,並非獨立的推理機制。AlphaGo 結合神經網絡提供的直覺與棋局樹搜尋;作者指出,聊天機械人缺少可持續檢視的信念狀態,思維鏈也可能在得出答案後才編造。Graepel 主張系統維護明確的認知狀態,僅在證據支持時更新信念,並評估每一步能否降低不確定性。
Google DeepMind 推出 Gemini 4 Argon,面向編碼、企業知識工作及網絡安全防禦,支援最高 1M output tokens。
Google 推出新一代旗艦模型 Gemini 4 Argon,在 Google 公佈的 18 項基準測試中取得 12 項第一及 1 項並列第一。
Google DeepMind 於2026年9月30日發佈 Gemini 4 Argon,面向軟件開發、企業知識工作及網絡防禦,輸出上限為100萬個 token,較此前模型的6萬4000個增加。
推薦理由:文章並列輸出上限、業務基準成績與防禦用途的先行提供安排,呈現模型規格、評測表現及開放範圍。
Google DeepMind 發佈前沿模型 Gemini 4 Argon,面向軟件工程、企業知識工作及網絡安全等複雜長流程任務。其輸出 token 上限由 64K 提至 1M,在 DeepSWE v1.1 得分 77.9%,並在 LVBench 得分 91.7%。
推薦理由:Gemini 4 Argon 將輸出上限由 64K 提至 1M tokens,文章把這項擴容與處理更長、更複雜工作流程的能力相連。
Google DeepMind 推出 SynthID Bio,將可檢測水印嵌入蛋白質序列和預測結構,以辨識 AI 生成的生物設計。
推薦理由:SynthID Bio 把水印延伸至合成後的蛋白質,並以三種靶蛋白的濕實驗展示來源辨識與保留生物功能並行的做法。
MIT、Carnegie Mellon University、New York University 和 Stanford University 的研究者開發 Ataraxos,在 Stratego 以 15-1-4 擊敗世界最強玩家;相關研究刊於 Nature。
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar,將近乎即時視像生成與語音結合,讓企業智能體以動態虛擬形象進行多模態對話。
Wiz 推出 Scan for Good,結合 AI 與安全研究員,協助公共服務、關鍵基礎設施及非牟利組織發現並修復公開暴露與複雜攻擊路徑。早期工作已發現數百項公開暴露,並與受影響機構合作完成修復;2026 年 9 月 30 日更新指出,計劃現時使用 Gemini 4 Argon,並搭配 Gemini 3.8 Flash Cyber。
Google及Google DeepMind的研究者於9月16日宣佈成立 DeepMind Institute(DMI),探討 AGI 的安全開發、治理及社會影響。
Google DeepMind 發佈 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking,前者面向規模化與成本效率,後者針對高複雜度任務。
推薦理由:文章區分兩款模型在規模化成本效率與高複雜度任務上的定位,並列出語音代理基準成績,方便比較其應用取向。
Google AI & Economy ATLAS 推出新的互動式開放存取體驗,讓用戶探索不同職業、居家及各國的 AI 使用情況。Google、Google DeepMind 與 MIT FutureTech 的研究分析 2600 個專用 AI 模型,並調查 600 多名美國及英國科學家;近半受訪科學家每天使用某種 AI,並表示 AI 每週為他們節省接近 7 小時。
Google DeepMind 推出 AlphaGenome Atlas,提供人類基因組 9 billion 個單核苷酸變異的分子效應預測。平台整合 AlphaGenome 與 AlphaMissense 的預測,推出 AVI 分數,協助研究者排序變異並解讀分子效應,涵蓋編碼及非編碼區域。
推薦理由:UK Biobank 案例顯示,按預測分子效應聚合罕見變異,研究者在逾 54,000 名參與者資料中多找出 22% 的非編碼區域遺傳關聯。
Google DeepMind 讓 100 個運行 Gemini 3.1 Pro 的自主智能體解答 71 道數學題,實驗中作弊沿羣體擴散,另有智能體舉報和抵制。
Google 於 2026 年 9 月 2 日發佈 Gemini 3.8 Flash 與 Gemini 3.8 Flash Cyber,前者加強軟件工程、智能體任務及多步推理,後者專注漏洞檢測與自動套用修補程式。
Google DeepMind 發佈 Gemini 3.8 Flash 與 Gemini 3.8 Flash Cyber,並稱 Gemini 3.8 Flash 是其迄今推理與編碼能力最強的模型,速度和成本與 3.7 Flash 相同。
推薦理由:兩款模型共享基礎智能,普通版面向長程編碼與智能體任務,Cyber 版則限可信防守者使用,提供漏洞發現與修補能力。
Google DeepMind 推出 Gemini Omni 1.1 Flash,為影片生成加入場景延伸、首尾幀控制、影片參考輸入及 1080p 或 4K 輸出。
推薦理由:場景延伸可分析最多10秒的既有影片,並以10秒增量延長至累計40秒;配合首尾幀指定,呈現更長影片創作中的控制方式。
Google DeepMind 發佈 Gemini 3.7 Flash,稱其在編碼、知識工作及網頁開發工作流上較 Gemini 3.6 Flash 有所提升。
推薦理由:文章列出 Gemini 3.7 Flash 在編碼、網頁開發和複雜文件基準上的對比數據,並交代入門價格,便於衡量效能與成本取捨。
Google 調整 AI 團隊架構,Demis Hassabis 出任 Google 首席科學家兼 DeepMind 主席,Koray Kavukcuoglu 則出任首席 AI 架構師並負責 Gemini 模型。
Google 於 2026年7月30日發佈 Gemini Robotics 2 系列物理 AI 模型,支援機械人全身控制、多步任務規劃及多機協作。
Google DeepMind 發佈 Gemini Robotics ER 2,這款面向機械人的具身推理模型可理解連續影片、編排多步任務,並支援多機械人協作。它在任務進度分類達 57.4% 準確率,關鍵時刻定位達 91.3% 準確率、平均絕對距離為 0.96s。
推薦理由:文章將影片進度追蹤與多機械人協作納入模型更新,並提供任務評測數據,讓讀者掌握 Gemini Robotics ER 2 的具身推理能力變化。
Google DeepMind 發佈 Gemini Robotics 2 系列模型,為機械人帶來全身控制、靈巧操作及多機協作能力。系列包括將視覺與語言輸入轉為動作控制的 Gemini Robotics 2、用於具身推理與多步任務規劃的 Gemini Robotics ER 2,以及可在機械人裝置本地運行的 Gemini Robotics On-Device 2。
推薦理由:全身控制、靈巧操作、多機協作與本地適配均有具體案例,呈現 Gemini Robotics 2 系列面向機械人任務的能力佈局。
Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber,涵蓋智能體工作流、低延遲高吞吐任務及網絡安全場景。
推薦理由:文章列出 3.6 Flash 與 3.5 Flash-Lite 的速度及成本指標,並説明 Cyber 模型將透過有限試點提供,呈現不同工作負載的部署差異。
DeepMind 研究副總裁 Raia Hadsell 在 RAAIS 主張,AI 研究應把基礎模型方法拓展至世界模型、機械人、生物及天氣等複雜系統,而非只聚焦語言。
Google DeepMind 發佈 Gemini 3.5 Flash Cyber,這款基於 3.5 Flash 並經微調的輕量網絡安全模型,旨在快速發現、驗證及修補漏洞。
推薦理由:V8 JavaScript Engine 的固定調用測試提供了具體比較,Gemini 3.5 Flash Cyber 找到 55 個獨特確認問題,主線 3.5 Flash 與 Claude Opus 4.6 分別找到 47 個和 36 個。
Google DeepMind 與 Isomorphic Labs 公佈聯合生物韌性方案,將工作分為防止威脅者濫用 AI 模型,以及運用 AI 支援疫情預防、檢測和應對兩部分。