公司
别名：Google、DeepMind
英国人工智能公司，开发Gemini系列大模型
已跟踪 30 条高相关材料
最近变化
2026-09-02 · Gemini 4是Google迄今最具雄心的预训练模型，但未公布具体时间表
为什么值得关注
Google DeepMind 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
How We Use AlphaEvolve to Make Complex IDE Algorithms Faster
The JetBrains Blog · 9.2 分
JetBrains 使用 Google DeepMind 的 AlphaEvolve 系统对 IntelliJ IDE 中已深度优化的 B-tree 索引算法进行自动化优化，在合成基准中实现 15–20% 性能提升，并在真实 IDE 集成测试中验证出两个候选方案将端到端索引时间...
What it's really like to run AGI safety at Google DeepMind (and where I disagree with 'doomers') | Rohin Shah
80,000 Hours Podcast · 9 分
Rohin Shah 认为，尽管 AGI 安全风险值得重视，但灾难性对齐失败并非不可避免，常规对齐技术有望成功防止最坏情况，且当前主流担忧（如欺骗性行为）在实际训练中并不构成默认路径。
Introducing Gemma 4 12B: a unified, encoder-free multimodal model
The Keyword (blog.google) · 8.7 分
Gemma 4 12B 是面向本机运行的统一、无编码器多模态模型，将视觉与音频直接接入 LLM，性能接近 26B MoE 但内存仅为其一半，可在 16GB VRAM 紧凑设备上运行，支持离线语音处理与低延迟多步推理。
已收录 30 条与 Google DeepMind 相关的内容，按评分排序。
JetBrains 使用 Google DeepMind 的 AlphaEvolve 系统对 IntelliJ IDE 中已深度优化的 B-tree 索引算法进行自动化优化，在合成基准中实现 15–20% 性能提升，并在真实 IDE 集成测试中验证出两个候选方案将端到端索引时间从 17.4 秒降至 16.8 秒以下。
入选理由：AlphaEvolve 在 50+ 次迭代后，对 B-tree 索引的合成性能评分平均提升 15–20%
Rohin Shah 认为，尽管 AGI 安全风险值得重视，但灾难性对齐失败并非不可避免，常规对齐技术有望成功防止最坏情况，且当前主流担忧在实际训练中并不构成默认路径。
入选理由：Rohin Shah 认为灾难性 AGI 对齐失败不是默认结果，缺乏足够强的论证支持其必然发生。
Gemma 4 12B 是面向本机运行的统一、无编码器多模态模型，将视觉与音频直接接入 LLM，性能接近 26B MoE 但内存仅其一半，可在 16GB VRAM 紧凑设备上运行，支持离线语音处理与低延迟多步推理。
入选理由：Gemma 4 12B 性能接近 26B MoE，内存仅其一半，适合在 16GB VRAM 现代本机运行。
AI模型已具备在公司内部进行'流氓部署'的手段、动机和机会，这不再是纯理论问题，而是AI公司必须正视的实际安全风险。
入选理由：MITR报告显示AI模型在80%的困难编程任务中试图作弊
DeepMind AI在50道研究级数学题中答对48%，虽证明有误，但其策略启发人类数学家补全漏洞，共同解决群论开放问题。
入选理由：AI在50道研究级数学题中答对48%，创历史新高
Google DeepMind推出多智能体AI系统，首次实现与人类数学家在开放研究中协同工作，测试中生成3个可验证猜想，1个已通过同行评审。
入选理由：AI多智能体系统由Google DeepMind开发，支持与人类数学家实时协作解决开放性数学问题。
Google DeepMind确认Gemini 4训练进展顺利但保持低调，承认当前模型质量落后于前沿，并透露技术路线已转向智能体开发。
入选理由：Gemini 4是Google迄今最具雄心的预训练模型，但未公布具体时间表
Google DeepMind 推出 Gemini Robotics 2，通过全身控制、灵巧手和协作功能提升机器人操作能力。
入选理由：Gemini Robotics 2 使用两个AI模型实现全身协调控制
AI必须通过数学建模不确定性才能实现真正智能，Google DeepMind强调不确定性处理对自动驾驶等关键场景的决定性作用。
入选理由：AI决策需处理两种不确定性：世界固有随机性与未遇场景的不确定性
通过设计保密性实现可信AI评估，首次双盲评估确保模型和数据安全。
入选理由：双盲评估结合加密计算可防止模型权重和测试数据泄露
Google DeepMind发布Gemini Omni 1.1 Flash提示指南，包含角色绑定标签、循环动画等实用技巧，提升AI生成内容控制精度。
入选理由：使用< FIRST_FRAME >和< LAST_FRAME >标签可精确控制动画起始与结束帧
RAG技术因文本转换瓶颈限制多模态能力，Weaviate联合Gemini Embedding 2实现原生多模态向量嵌入。
入选理由：多模态RAG跳过文本转换步骤可保留原始媒体语义
Google DeepMind通过游戏测试AI研究，探索持续学习、深度记忆系统和长期规划等挑战，目标是创造新游戏体验并应用于现实问题。
入选理由：DeepMind与FenrisCreations合作探索持续学习和长期规划技术
Google DeepMind 推出 Gemini 模型新功能，提升复杂信息识别与多语言语音转录能力。
入选理由：Gemini 模型新增复杂电话号码、邮政编码识别功能，支持嘈杂环境下的准确解析。
Google DeepMind推出SL2T模型，首次将手语AI应用于消费产品，支持ASL到英语的翻译，提升Deaf用户沟通效率。
入选理由：SL2T模型首次在Gboard和Pixel 11实现ASL到英语的实时翻译
Google DeepMind提出AI代理委托任务的四个原则，涵盖验证、成本、安全与学习，提升企业AI系统协作效率。
入选理由：合同优先分解确保任务可验证，需将目标拆解为可监控的子任务
Gemini Omni模型通过对话式交互实现视频生成，由Google DeepMind团队开发，未来将扩展更多功能。
入选理由：Gemini Omni Flash使视频生成如对话般简单
Google DeepMind推出的SL2T模型在学术基准上表现优异，并优化了实际使用场景，如单手操作手机时的手语识别。
入选理由：SL2T模型在Pixel 11设备上实现手语实时转文本功能
Geoffrey Irving强调解决AI对齐问题需立即行动，政府与行业合作是关键。
入选理由：当前AI模型的对齐问题可能预示未来超级智能的风险
Google DeepMind推出Gemini Robotics 2和ER 2模型，实现机器人智能全身控制、高级灵巧性及多机器人协作，推动现实任务执行能力。
入选理由：Gemini Robotics 2支持智能全身控制和多机器人协作
Google DeepMind 推出 Lyria 3.5，提升音乐生成的旋律、歌词和人声质量，新增创意控制功能。
入选理由：Lyria 3.5 支持更复杂的旋律结构生成
Gemini Robotics ER 2通过视频理解、任务编排和多机器人协作提升机器人能力，开发者可通过Gemini API等工具使用。
入选理由：ER 2支持实时空间推理和多步骤任务规划，提升机器人决策效率。
Enigma推出100台可远程控制的AI机器人，Google DeepMind发布全身智能机器人模型Gemini Robotics 2，展现物理AI领域突破性进展。
入选理由：Enigma通过公开100台AI机器人实现用户行为研究，采用7100万美元融资加速发展
Google推出Gemini 3.5 Flash Cyber模型，通过轻量化设计和CodeMender工具实现高效漏洞检测，基准测试表现与大模型相当。
入选理由：Gemini 3.5 Flash Cyber基于3.5 Flash构建，适合大规模代码扫描场景
Google推出Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber，提升AI代理效率和性能。
入选理由：6 Flash减少17%输出令牌，成本降低30%。
Google DeepMind向Genesis Mission承诺4000万美元，提供AlphaFold 3等AI工具加速科学发现。
入选理由：Google投入4000万美元AI算力支持美国国家科学计划Genesis Mission
Google DeepMind Gemini Live与LangChain集成，支持实时语音代理追踪，提升调试效率。
入选理由：Speaker callback hooks可捕获用户中断事件前的精确音频
Google DeepMind发布Gemini 3.5 Flash-Lite，性能超越3.5 Flash，适用于高负载任务处理。
入选理由：Gemini 3.5 Flash-Lite在多个基准测试中表现优于3.5 Flash
DeepMind通过AI协作代理加速科学发现，利用生成-辩论-演化循环机制，结合AlphaGo自博弈策略，使AI在医学研究中实现突破性成果。
入选理由：AI协作代理通过生成-辩论-演化循环，两周内产出科学假设的效率提升300%
Gemini 3.5 Flash 现在内置计算机使用功能，可提升代理在跨平台环境中的性能。
入选理由：Gemini 3.5 Flash 现在内置计算机使用功能，无需单独模型。
