Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
Google DeepMind 联合新加坡 AI 安全研究所、OpenMined、AVERI 及 MLCommons 试点双盲 AI 评测机制，旨在解决基准污染问题。该方案将外部评测置于密码学安全环境中，确保模型在测试前无法接触保密题目以人为刷高分数，本次试点已在隐私保护环境中对 Gemini Flash Lite 模型展开保密基准测试。
Why it matters: 原文介绍了用密码学安全环境隔离测试集以防止基准污染的机制，读者可以了解前沿模型第三方评测如何提升真实可信度。
Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe，提供实时双向流式与预录音频处理两条 API 路线，支持 85 种以上语言并具备口误自我修正与填充词过滤能力。
Why it matters: 新模型将实时语音转录与格式化及工具调用结合，展现了语音识别向上下文理解与工作流调度演进的具体路径。
Hot Chips 2026 会议分析指出，受云巨头对生成式 AI 与 Agent 基础设施资本支出激增影响，DRAM、HBM 与 Flash 存储现货价格暴涨高达约 7 倍，且产能短缺预计将至少持续至 2030 年。
Why it matters: 文章结合存储共线制造与云巨头资本支出激增的事实，清晰揭示了存储产能短缺传导至整机算力涨价的供应链机制。
Google 宣布在搜索中推出 5 项 AI 学习功能，涵盖用于理解概念的生成式交互图表（Generative UI）、支持 SAT 和 GRE 等考试的互动测验、通过 Lens 进行逐步解题指导、在 AI Mode 中接入 Gemini Notebook（原 NotebookLM）以及基于多源资料生成自定义学习文档。
Why it matters: 原文给出了搜索结合生成式UI与笔记功能的五大学习场景，读者可据此了解AI搜索在教育辅助工作流中的具体落地。
Google DeepMind 正式推出 Gemini 3.7 Flash，主打软件工程、知识工作和智能体工作流。新模型在 FrontierCode 1.1（43.6% vs 34.4%）和 DeepSWE v1.1（65.3% vs 49.0%）等编码与自动化测试中相比 3.6 Flash 显著提升，并强化了多步规划与工具调用能力。
Why it matters: 该模型在软件工程与智能体基准上大幅超越前代，并以减半的调用成本降低复杂工作流的部署门槛。
Google DeepMind 推出多语种手语转文本模型 SL2T，并首次落地 Pixel 11 的 Gboard 输入法与 Live Transcribe，首发支持美国手语（ASL）转英语听写。
Why it matters: 该模型跳过传统手语标注直接将姿态骨骼坐标映射为文本，并落地手机输入法，展现了端云协同下多模态交互落地的具体路径。
Google Research 提出知识画像（knowledge profiling）分析框架与 WikiProfile 基准，指出前沿大语言模型的事实性瓶颈在于知识提取而非参数编码。
Why it matters: 研究将大模型事实错误归因于提取而非编码瓶颈，为后训练与推理期事实检索优化提供了分析框架。
Google Research 与 Google DeepMind 推出基于 Gemini 和 Project Astra 的医疗 AI 系统 AMIE (Video)，实现了专家级实时音视频临床问诊。
Why it matters: 研究通过解耦对话、规划与感知的异步多智能体架构，首次实现了音视频多模态下的实时医疗问诊与查体引导。
Google 正式重组 AI 研发团队并调整高管架构，Jeff Dean 离职创立科学 AI 初创公司 Discovery Loop，Demis Hassabis 出任 Google 首席科学家并升任 DeepMind 董事长，Koray Kavukcuoglu 出任首席 AI 架构师负责 Gemini 模型。
Why it matters: 文章详细梳理了 Google 核心 AI 研发团队的人事大洗牌与算力开支扩张，有助于理解其大模型组织整合与业务重心的最新转变。
Google DeepMind 在《Nature》发表研究并开源 WeatherNext 2 及 WeatherNext Cyclones 模型权重与代码，其在热带气旋路径、强度及风场结构预测上平均提升了 24 小时的预警提前量。
Why it matters: 该成果展示了单一 AI 架构在粗分辨率输入下融合全球环流与局部气旋强度的可行性，并为气象预警提供了开源方案。
Google Research 推出基于“证据链”（Chain-of-Evidence, CoE）的自主科研系统 Science One Framework，解决 AI 科研智能体常见的虚构引用、代码与文本不符及实验不可复现等结构性问题。
Why it matters: 针对自主科研智能体虚构文献与代码方法脱节的痛点，原文提出原生证据链架构与审计协议，为科研智能体的可验证性提供了系统化方案。
Google DeepMind 正式发布具身推理模型 Gemini Robotics ER 2，作为机器人的高层认知大脑，通过连续视频流理解实现任务编排与多机器人协同作业。
Why it matters: 该模型展示了将高层视频流推理与底层动作执行解耦的设计路径，对探索多智能体协作与复杂物理任务闭环具有参考价值。
Google DeepMind 推出最新音乐生成模型 Lyria 3.5，并正式在 Google Flow Music 中上线。新模型在旋律结构复杂度与自然度、歌词质量与结构感知、以及人声发音和情感表现力上均有提升。同时，它增强了创作控制能力，方便用户调整生成音频的节奏和时长。
Why it matters: 原文列举了旋律、歌词、人声表现力与节奏时长控制等维度的升级，读者可以据此评估 AI 音乐生成的可用性变化。
Google DeepMind 推出 Gemini Robotics 2 机器人模型系列，支持人形机器人全身运动协同控制、高灵巧度手部操作与多机器人协作。
Why it matters: 该系列将视觉语言动作模型扩展至全身控制与端侧适配，使硬件团队能用极少样本迁移到不同形态的机器人。
Google Research 发布基于 Gemini Flash 2.0 的对话式症状评估智能体研究 SymptomAI，在包含 13,917 名参与者的全美规模真实测试中验证了端到端问诊与鉴别诊断能力。
Why it matters: 该研究展示了对话式智能体在万人级真实问诊与鉴别诊断中的准确性，为结合可穿戴设备的日常健康评估提供了可行路径。
Google Quantum AI 与 Google DeepMind 在《Nature》发表论文，提出一种基于强化学习的自主控制框架，使量子计算机能够在执行计算的同时利用量子纠错检测信号实时调节数千个控制参数。
Why it matters: 该研究展示了利用强化学习根据纠错检测信号动态调整控制参数的方法，解决了量子计算机运行期间因硬件漂移必须中断计算进行重新校准的瓶颈。
Google 宣布向美国能源部（DOE）Genesis Mission 承诺投入 $40M 的 AI tokens 与云额度，以加速前沿科学发现。
Why it matters: 该计划明确了前沿 AI 工具与云资源在国家级科研实验中的落地清单及实际应用路径。
Google DeepMind 正式推出 Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 以及专用于网络安全的 3.5 Flash Cyber。
Why it matters: Google DeepMind 推出三款轻量模型，在降低调用成本与输出 token 消耗的同时强化了智能体工作流与代码安全能力。
Google Quantum AI 团队在 Nature 发表研究，提出一种利用强化学习在量子计算机运行过程中实时纠错与校准的方法。该框架在 Google Willow 超导量子芯片上进行了验证，不仅使逻辑错误率稳定性提升 3.5 倍并降低约 20%，还避免了传统方法中频繁停机中断计算的问题。
Why it matters: 该研究利用强化学习让量子芯片边运行边在线校准，为解决量子计算频繁停机再校准的瓶颈提供了工程路径。
Google DeepMind 推出轻量网络安全模型 Gemini 3.5 Flash Cyber，基于 Gemini 3.5 Flash 微调，专用于快速发现、验证和修复软件漏洞。
Why it matters: 原文展示了用轻量低成本模型驱动安全智能体多轮探索代码路径的工程思路，为高频漏洞扫描与修复提供了实用参考。