跳到正文

Google / Gemini

Google 與 DeepMind 的 AI 動態：Gemini 系列、Veo 影片模型、研究成果與產品生態的持續追蹤。

98條精選相關主題OpenAI / ChatGPTAnthropic / Claude多模態

最新精選

第 61–80 條 · 共 98 條
2月20日週五
  1. Google DeepMind77

    Gemini 3.1 Pro：面向最複雜任務的更智能模型

    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。

2月19日週四
  1. Google DeepMind75

    Google DeepMind 推出 Lyria 3 音樂生成模型，於 Gemini app 開放 beta 使用

    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。

2月17日週二
  1. Google DeepMind65

    Google DeepMind 與印度政府及當地機構合作，推進 AI 科學與教育應用

    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。

2月13日週五
1月30日週五
  1. Google DeepMind68

    Project Genie：用實驗原型探索無限互動世界

    Google DeepMind 開始向美國年滿 18 歲的 Google AI Ultra 訂户逐步開放 Project Genie；這款由 Genie 3、Nano Banana Pro 和 Gemini 驅動的實驗研究原型，可建立、探索及改編互動世界。

    推薦理由：原型把世界草圖、即時探索與改編放進同一體驗，並交代生成時長、物理表現和角色操控限制，可看出目前互動世界模型的使用方式與邊界。

1月14日週三
  1. Google Research70

    Google 發佈 MedGemma 1.5 4B，介紹 MedASR 醫療語音轉文字模型

    Google 發佈開放醫療多模態模型 MedGemma 1.5 4B，新增 CT、MRI、病理全切片及胸部 X 光時間序列等醫療影像處理能力。其基準結果較 MedGemma 1 4B 提升，例如 CT 疾病分類準確率為 61%（58%），MRI 為 65%（51%），醫療文本 EHRQA 為 90%（68%）。

    推薦理由：MedGemma 1.5 4B 在多項醫療影像與文本基準上較前代提升，文中列出的具體分數可用來比較不同任務的改進幅度。

  2. Google DeepMind72

    Veo 3.1 Ingredients to Video 更新，提升影片一致性與創意並加入原生直向及 1080p、4K 輸出

    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。

1月13日週二
12月17日週三
12月13日週六
  1. Google DeepMind78

    Google DeepMind 更新 Gemini 2.5 Flash Native Audio，推出即時語音翻譯測試版

    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。

12月10日週三
  1. Google DeepMind64

    Google DeepMind 加深與英國政府合作，運用 AI 推進繁榮與安全

    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。

11月25日週二
  1. Google DeepMind72

    AlphaFold 助研究人員解析心臟病關鍵蛋白 apoB100 的結構

    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。

11月24日週一
  1. Google DeepMind68

    Google DeepMind 支持白宮 Genesis Mission，與美國能源部合作加速科研創新

    Google DeepMind 宣佈支持白宮 Genesis Mission，並與美國能源部合作，向其 17 個國家實驗室的科學家提供 AI for Science 模型及智能體工具。

    推薦理由：合作將 AI for Science 模型及智能體工具分階段提供予美國能源部 17 個國家實驗室，並交代即日起的首階段與 2026 年初的擴展安排。

11月20日週四
  1. Google DeepMind66

    Google DeepMind 如何將 AI 圖像驗證功能帶入 Gemini App

    Google DeepMind 在 Gemini App 推出 AI 圖像驗證功能，使用 SynthID 水印判斷圖片是否由 Google AI 生成或編輯。用户可上載圖片並直接提問；SynthID 自 2023 年推出以來，已為超過 20 billion 件 AI 生成內容加上水印。

    推薦理由：文章交代 Gemini 如何透過 SynthID 水印檢查圖像是否由 Google AI 生成或編輯，並説明後續支援影片、音訊及更多介面的計劃。

  2. Google DeepMind75

    使用 Nano Banana Pro（Gemini 3 Pro Image）構建圖像應用

    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。

11月19日週三
  1. Google Research75

    Google Research 介紹即時語音到語音翻譯模型，標準延遲為 2 秒

    Google Research 介紹端到端即時語音到語音翻譯模型，以原説話者聲線輸出譯音，標準延遲為 2 秒。模型採用串流架構及時間同步訓練資料，支援英語與西班牙語、德語、法語、意大利語、葡萄牙語之間的雙向翻譯。相關功能已在 Google Meet 伺服器端提供，並作為 Pixel 10 的內置裝置端功能推出；Pixel Voice Translate 採用級聯式流程以擴大語言覆蓋。

    推薦理由：文章説明串流架構如何配合時間同步訓練資料，把語音互譯的標準延遲控制在 2 秒，並以原説話者聲線輸出譯音，可瞭解低延遲與個人化如何結合。

  4. Google DeepMind81

    Google 發佈 Antigravity 智能體開發平台，免費開放公開預覽

    Google 推出 Antigravity 智能體開發平台，並免費開放公開預覽。平台保留 AI IDE 編輯器，另設以智能體為核心的 Manager，支援瀏覽器控制及非同步互動，讓智能體自主規劃和執行端到端軟件任務；Artifacts 可供使用者檢視工作成果並提供回饋。

    推薦理由：Antigravity 將 IDE 編輯與 Agent Manager 分成不同工作介面，並以任務級 Artifacts、驗證結果和非同步回饋呈現及修正智能體工作。