Google DeepMind 扩大 PlanAssist AI 规划助手试点至英格兰 12 个新地方当局
Google DeepMind 的 AI 规划助手 PlanAssist 将扩展到英格兰另外 12 个地方规划当局,开始在 15 个地方当局的 12 个月 Beta 阶段使用真实申请进行测试,并计划在 2027 年向全英格兰所有地方当局开放。
推荐理由:原文明确给出试点成效和扩展计划,读者可据此评估该工具在公共决策场景中的可用性与影响。
Google DeepMind 的 AI 规划助手 PlanAssist 将扩展到英格兰另外 12 个地方规划当局,开始在 15 个地方当局的 12 个月 Beta 阶段使用真实申请进行测试,并计划在 2027 年向全英格兰所有地方当局开放。
推荐理由:原文明确给出试点成效和扩展计划,读者可据此评估该工具在公共决策场景中的可用性与影响。
Epsilon 利用 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser Tool,构建了一个多租户的意图驱动 UI 测试平台服务。该平台支持自然语言测试步骤,无需维护浏览器二进制文件或显示服务器,并通过标准 AWS 凭据链实现跨账号认证。文章详细展示了其包含工作流创建、异步执行及截图存储的架构设计,以及核心集成代码与测试最佳实践。
Google DeepMind 发布 Gemini 4 Carbon,定位为面向长周期工程与安全防御的前沿模型;它在 Artificial Analysis Intelligence Index v5.0 排第 1 名。
推荐理由:作者给出了 Carbon 在编码、安全基准和防注入指标上的具体数据,可据此判断它是否适合高门槛工程与防御场景。
Google Research 提出 Sleep 持续学习框架,通过主动交互与离线睡眠交替让大语言模型避免灾难性遗忘并持续提升。睡眠阶段动态扩展 MoE 参数并完成知识蒸馏与合成数据回放;测试显示 BABILong 长上下文可达 10M token,多语言翻译与新事实学习未显著退化,AIME 24/25 和 HMMT 25 推理得分优于 SFT、GRPO 等基线。
推荐理由:Google Research提出睡眠框架,通过离线记忆巩固与合成数据自改进让大模型持续学习,原文给出BABILong至10M token与AIME等实测结果。
Google DeepMind 宣布发布 Genie 4,这是一个原生多模态的世界模型,可与 Gemini 模型结合进行实时交互式模拟。它支持在生成画面的同时同步生成音频,包括环境音、音乐和人物对话。Genie 4 目前作为研究预览提供给受信任的测试人员,并计划向 Google AI Ultra 订阅用户和 Gemini API、Google AI Studio 的早期访问合作伙伴开放。
推荐理由:官方公布Genie 4能力与测试名单,可据此了解世界模型在实时交互与多模态生成上的最新进展。
Google Research 介绍了如何将 AI 模型从实验室推向实际应用场景,并开源了 MedGemma 和 MedSigLIP,为全球公共卫生带来了新的可能性。MedGemma 是一款多模态模型,能够进行临床推理,而 MedSigLIP 是一个轻量级的视觉语言模型,可以理解和处理医学图像和文本信息。这些开源模型为全球医疗保健系统提供了强大的工具,有助于提高 TB 筛查的准确性和效率。
推荐理由:Google Research 介绍如何将 AI 模型从实验室推向实际应用场景,并开源了 MedGemma 和 MedSigLIP,为全球公共卫生带来了新的可能性。
Amazon Polly Generative engine 完成重大升级,新增 14 款生成式声音,覆盖 9 个地区,首次提供印地语和芬兰语的generative voice。此次升级无需修改代码,现有应用可直接获得更自然、准确且低延迟的语音输出,价格保持不变。目前新引擎和新声音已在包括 GovCloud 在内的 11 个 AWS 区域正式推出。
推荐理由:作为官方升级公告,提供了新增声音、语言及可用性变化,适合关注 Polly 实际升级点和集成兼容性的读者参考。
Google DeepMind、Google Research、WRI和IIASA联合发布Forest Typology 2020(ForTy 2020),提供10米分辨率全球森林类型地图,并将2017至2025年的早期时序数据同步开放在Google Earth Engine。
推荐理由:ForTy 2020地图配合2017至2025年时序数据,可在10米分辨率下区分森林类型并追踪变化,帮助监管和供应链溯源。
Google Research 与合作方在 JAMA Network Open 发表研究,评估基于盲区扫查的 AI 模型估算孕周的能力。模型仅在芝加哥 120 名参与者的小样本上微调,并在芝加哥与内罗毕两个临床站点进行前瞻性测试,在 385 名 16 至 36 周孕妇中实现了平均绝对误差 4.18 天的精度,达到与专家超声测量的非劣效性。
推荐理由:在芝加哥与内罗毕两处临床环境中验证了盲区扫查AI估测孕周的精度,为全球低资源地区扩大孕产超声覆盖提供了可复用的技术证据。
OpenAI 和 Google Cloud 将前沿模型和 Codex 工作流带入 Gemini 的 Model Garden,并通过 Google Cloud Marketplace 提供访问。
推荐理由:原文给出了双方合作内容和可用入口,读者可据此了解前沿模型如何在 Google Cloud 生态中使用。
NVIDIA 与 Google Cloud 宣布 Vera Rubin 基础设施的 A5X 实例进入通用可用阶段,下月正式交付并计划扩展到欧洲。
推荐理由:官方明确了首发客户、架构组合与可用性扩展计划,适合评估云端推理与强化学习的基础设施选项。
Hugging Face 推出 TorchTPU,将 TPU 作为 PyTorch 原生后端,Transformers 和 Diffusers 现在可直接在 TPU 上运行,无需 PyTorch/XLA。TPU 上运行 Qwen3-30B-A3B 等模型时,结合 Pallas 内核可实现最高 21.5 倍的解码加速,目前 96.5% 的测试通过。
推荐理由:Hugging Face 官方介绍 TorchTPU 后端及 Transformers、Diffusers 的 TPU 原生支持,读者可了解迁移成本与性能收益。
Mistral 发布 Voxtral 3 语音模型系列及语音智能体 SDK,支持 50 种以上语言的实时多步对话,并配套 Voice Code Bench 等评测展示性价比。Voxtral Mini Transcribe Realtime 3 起价为 0.008 美元/分钟,Speech 3 为 13 美元/百万字符,已可通过 Mistral API 在欧洲、美国及全球节点使用,也支持私有化部署。
推荐理由:原文披露了多语言转写、情感合成与实时语音智能体 SDK 的能力边界与定价,便于判断落地价值。
Amazon SageMaker AI 推出新的注册体验,新用户可以仅用 2–3 步通过 Google、GitHub、Apple、Amazon 账号或电子邮件创建 AWS 账户并进入 SageMaker Studio,无需填写信用卡或验证手机。新用户可获得最多 200 美元的 Free Tier 积分,环境约 20 秒自动配置完成,预置权限并默认提供 G5、G6 和 G4dn GPU 实例访问。
推荐理由:官方给出了新用户从发现模型到部署模型的实际路径和免费额度,读者可以据此判断它是否降低了 SageMaker 的使用门槛。
Google Research 发布三项研究,展示AI智能体在湿实验中的闭环学习能力。VERID框架提供语义数字孪生,支持3D状态追踪、虚拟试运行和硬件安全检查。适配体实验中,智能体经三轮迭代将针对肌红蛋白和α-凝血酶的命中率达33.5%和42.1%。蛋白质结合剂设计通过表位切除优化加速折叠计算,实现单纳摩尔亲和力结合剂,人机协作几乎将命中率提高一倍。
推荐理由:原文展示了闭环学习让AI智能体自主设计DNA适配体和蛋白结合剂的实际效果。
NVIDIA 联合 IIT Madras 与 AI4Bharat 发布 Nemotron-pretraining-Indic-v1 语料库及开源 GPU 加速数据生成流水线,即将在 Hugging Face 开放。
推荐理由:公开2.8万亿token印地语语料和复用的GPU加速生成流程,开发者可直接复用或微调以构建本土语言模型。
Google DeepMind 发布 Google Antigravity,这是一个面向生物研究的 Agentic 开发平台,整合了多数据库检索、ProtNLM 蛋白质功能预测及全新的 Biomolecular Structure Viewer 3D 可视化功能。
推荐理由:原文展示了平台能力细节和具体生物研究用例,读者可据此评估其科研工具价值。
NVIDIA宣布参与欧盟AI in Science Enablers Initiative,提供开源模型、数据集和软件工具。公司推出了新的Deep Learning Institute开源课程库,并通过Inception项目与法国、西班牙和瑞典的AI工厂合作,为初创企业开放计算资源。欧洲目前在建35台超级计算机,这是欧洲历史上单年度最大规模超算建设。
推荐理由:原文给出了欧盟科学计算倡议的参与方式,读者可了解欧洲科研界如何获得NVIDIA算力与模型支持。
Google Research发布名为Geospatial Reasoning的实验性地理空间智能体,连接Earth AI基础模型与多种 planetary-scale 数据源,支持多步推理与自主预测建模;同时开源 GeoExpertQueries 和 GeoKTools 两个新基准,并通过 Ask Google Earth 与 A2A API 开放早期访问。
推荐理由:原文公布了评估指标和真实协作案例,读者可借此判断地球AI智能体在多步推理与规划层面的实质进展。
Google Research 发布 Deep Review,这是一个面向复杂技术文档的智能体验证工具,最初为计算机科学论文分析设计,现已扩展到法律、金融等领域。
推荐理由:原文首次给出 Deep Review 的四阶段智能体工作流和四会议试点数据,帮助读者判断它能否缓解长文档验证瓶颈。
Google Research 在 Research@ 活动中介绍十项进展。Google Earth AI 开放实验功能,提供行星预测引擎、多源数据查询和 Agent 调用入口,并设立 1000 万美元公益基金。
推荐理由:Google 在 Research@ 活动中集中披露十个新工具与芯片,覆盖地理智能、医疗AI和量化模型等,反映其研究转产品的最新布局。
Google DeepMind 与新加坡政府科技局(GovTech Singapore)合作,基于轻量级 Gemma 模型微调出可在用户设备上运行的反诈骗检测模型。该方案采用两阶段本地推理管线,在保障端到端加密与隐私的前提下实时识别社交工程话术并发出警告,已在 Singapore International Cyber Week 2026 发布。
推荐理由:Google DeepMind 联合新加坡政府推出隐私保护的端侧诈骗检测模型,展示了如何在不对话数据上训练并保护用户隐私的同时进行实时风险拦截。
Google DeepMind 开始广泛开放 Gemini 4 Argon,同时扩展 Fairwind Program 给更多可信网络防御者使用。模型在网络安全测试中解决全部12个端到端模拟攻击场景,较上一代从5个提升;生物学评估显示更强的实验排错能力。
推荐理由:说明了对抗代码与生物学滥用、内部推理越界和提示词注入的多层防御设计,帮助判断高能力智能体的安全性保障。
Google DeepMind 发布 Gemini 4 Argon,面向物理理解与具身智能。它在 Embodied Reasoning (ERQA) 基准上以纯推理达到 87%,并覆盖 MuJoCo 机器人控制、Real2Sim、物理理解与仿真自我改进等场景。
推荐理由:给出面向机器人的模型能力和真实机器人演示,可据此判断其对具身智能工作流的影响。
Google DeepMind 发布 Gemini 4 Argon 模型,通过 Gemini API、AI Studio、Gemini 应用和 Search AI Mode 在全球开放。模型具备 100 万统一输入输出 token 上下文窗口,并引入续传协议。官方展示了代码重构、量子化学、酶设计、具身智能等用例及定价信息。
推荐理由:官方详细列出了编程、科研与多模态用例,读者可据此评估其对复杂工作流的实际替代潜力。
Google Research 在 National Bureau of Economic Research 发表实验论文,随机分配 133 名知识产权律师使用尚未发布的 Google Labs AI 专利写作助手工具三个月。
推荐理由:这项三月的实地实验给出关键数据:AI提升短期产出,但可能延缓初级律师专业判断的积累。
Google DeepMind 发布 EmbeddingGemma 2,是基于 Gemma 4 架构的 7.4 亿参数多模态嵌入模型,可在设备端将文本、图像、音频和视频映射到统一嵌入空间,支持动态截断至 128-768 维并具备 8K token 上下文窗口。
推荐理由:材料给出参数量、维度截断和端侧内存等关键参数,便于评估其对本地多模态RAG的可用性。
Google Research 发布论文,以地球AI的人口动态基础模型(PDFM)为概念验证,展示其无需微调即可提升多种疾病预测任务的表现。
推荐理由:论文验证了地理空间基础模型在多国多病种场景的可迁移性,为公共卫生决策提供了可落地的数据替代方案。
Google Research 发布关于自主智能体隐私与安全的研究报告,提出将 LLM 与语境完整性理论结合,构建可实时动态生成策略的上下文策略引擎。报告倡导系统级沙箱、模型推理、用户控制和生态治理的多层方法,并呼吁建立标准化的多智能体基准和开源沙箱以评估隐私与安全。
推荐理由:报告提出了基于语境完整性理论的上下文策略引擎,为自主智能体的隐私与安全治理提供了多层级的研究路径。
Google Research 发布《Toward provably private learning from federated data》,介绍新一代联邦学习系统把训练和去匿名化计算放在可信执行环境中,并通过 Rekor 公共透明日志、可重复构建和访问策略绑定来提供外部可验证的隐私保证。
推荐理由:文章给出了新一代联邦学习系统的完整设计,将 TEE 的远程验证与访问策略绑定,读者可以据此理解可审计隐私的技术路径。
Google DeepMind 发布 Gemini 4 Argon,将输出 token 上限提升至 100 万,并率先面向可信网络防御者通过 Fairwind 项目开放。该模型在 DeepSWE v1.1、Vals Index 与 LVBench 等基准上刷新前列,同时推出 $2/M 输入与 $10/M 输出的定价方案,预计优先向付费 API 用户与 Google AI Ultra 订阅者投放。
推荐理由:模型首次开放百万 token 输出,并在编程、长视频理解与防御性网络安全三项能力上给出明确基准数据,可直接衡量其工作流适用性。
Google DeepMind 介绍 SynthID Bio,把不可见的数字水印嵌入合成蛋白质序列的氨基酸选择和预测3D结构的原子坐标中。测试显示在 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 等靶点上保持结合活性与野生型相似度,并把能力写入 AlphaFold 3 扩散网络的局部微调中。
推荐理由:将可验证的数字水印嵌入蛋白序列与3D结构且不影响生物活性,为AI设计生物学提供新的溯源与筛检手段。