跳到正文

#DeepMind

RSS
今日 0 則
11月21日週六
11月20日週五
  1. Dev.to Top Tech54

    NovaAtom-Lite 與 AlphaFold 3 比較:抗體介面領先,蛋白質 DNA 則落後

    挑選蛋白質結構預測模型時,不同模型在不同分子組合上的表現可能差很多。這篇評測整理 FoldBench 的廠商自報數字:NovaAtom-Lite 在抗體與抗原介面得到 79.07%,AlphaFold 3 為 47.90%;在蛋白質與小分子介面也領先,但蛋白質與 DNA 介面由 AlphaFold 3 領先。這些結果尚無獨立團隊重做驗證,而且比較使用的樣本數並不完全相同。NovaAtom-Lite 目前沒有公開模型權重或程式碼,研究團隊可先把它當作另一個參考模型,並留意結果仍待外部驗證。

  2. aihot75

    Gemini 4 Neon 首發實測:Peter Gostev 比較 3D、遊戲與介面表現

    新模型的實際表現如何,光看排名不容易知道,也得看看它在不同工作裡做得怎麼樣。Peter Gostev 實測 Gemini 4 Neon,拿它和 Opus、Fable、Astra、Sol 等模型比較,展示它在 3D 場景、遊戲、介面和資料視覺化上的表現,並討論畫面細節、操作、設計一致性與定價。Arena 引用的排名資料來自 4.2k 個真實世界 AI 助理對話,Gemini 4 Neon 得分 1336 分、排名第 2,每項任務中位成本為 $2.82;這些數字提供了比較表現與成本的參考。

    推薦理由:這段實測涵蓋 3D 場景、遊戲、介面與資料視覺化,並搭配 Arena 排名和每項任務成本,能從多種用途比較 Gemini 4 Neon 的表現。

11月19日週四
  1. Arena.ai68

    挑選 AI 助理時,除了看任務做得好不好,也要考慮每次任務的花費。Arena 根據社群進行的 4.2k 次真實 AI 助理工作階段,將 Gemini 4 Neon (High) 排在 Agent Arena Index 第二名,得分為 1336,單次任務中位成本為 $2.82。榜單也列出使用者滿意度、回應修改的能力和任務完成情況等指標;這些數字能讓人比較表現與費用,但只反映這份榜單採用的評測方式。

    推薦理由:Arena 的排名與每項任務中位成本,呈現 Gemini 4 Neon (High) 和其他模型在表現與費用上的差距。

11月17日週二
  1. Dev.to Top Tech82

    Google DeepMind 發布 AlphaGenome 2,找出 DNA 變異影響哪種細胞

    研究人員常知道某段 DNA 和疾病有關,卻不知道它會在哪種細胞裡發揮作用。Google DeepMind 的 AlphaGenome 2 會把 DNA 序列和指定的細胞型別或狀態一起分析,預測基因表現、染色質可及性、剪接等變化,也能用少量單細胞資料推測沒看過的新狀態。在 TenK10K 測試中,它找出的因果變異比前代模型多近一倍;IBD 案例中,模型約 30 分鐘就找出相關變異和腸道巨噬細胞。它目前只開放非商業研究使用,不能取代實驗,也尚未驗證為臨床或診斷工具。

    推薦理由:原文整理 AlphaGenome 2 如何用細胞狀態解讀 DNA 變異,並比較它和前代模型在疾病研究上的實際差異。

11月13日週五
  1. aihot88

    Google DeepMind 發布 Gemini 4 Hydrogen,主打快速執行日常編碼與AI 助理工作流

    Google DeepMind 發布 Gemini 4 Hydrogen,這款模型主打快速執行日常編碼與AI 助理工作流,並自即日起向開發者、企業及一般使用者開放。

    推薦理由:Hydrogen 定位為快速執行模型,並提供與 Carbon、Argon 協作的工作流及多項基準比較,可看出它在 Gemini 4 模型組閤中的分工。

11月12日週四
  1. The Decoder78

    Google DeepMind 發布 AlphaGenome 2,將基因組預測細化至單一細胞型別

    Google DeepMind 發布基因組研究模型 AlphaGenome 2,以特定細胞狀態為條件預測基因變異的影響,將分析從多組織概覽轉向單一細胞型別。

    推薦理由:模型以特定細胞狀態作為條件輸入,並在免疫細胞基準與疫苗資料上展示預測結果,呈現基因變異研究從組織尺度轉向細胞型別分析的做法。

11月11日週三
  1. Dev.to Top Tech84

    Google DeepMind 發布 Gemini Robotics 2.5,Apollo 2 在 Mercedes-Benz 產線測試成功率達 96%

    Google DeepMind 發布 Gemini Robotics 2.5,並表示 Apptronik 的 Apollo 2 人形機器人在 Mercedes-Benz 產線概念驗證中,分揀汽車零件的成功率達 96%。

    推薦理由:測試資料呈現模型在多種任務上的成功率與速度變化,也提供汽車產線分揀零件的實地應用案例。

  2. The New Stack87

    Google 發布 Gemini 4 Carbon,稱數週內形式化驗證 Signal 程式碼

    Google向付費開發者推出 Gemini 4 Carbon,主打複雜軟體工程、資安與科學推理,並稱研究團隊以它和其他模型,在數週內形式化驗證 Signal 加密協定程式碼的部分安全性質。

    推薦理由:文章整理 Gemini 4 Carbon 的工程與資安基準、Signal 程式碼形式化驗證案例,以及價格調升安排,呈現其能力主張與可取得方式。

11月10日週二
11月9日週一
  1. Dev.to Top Tech77

    AI 日報:Mistral 釋出 Le Chonk、DeepMind 延長颱風預警、xAI 水印啟用等七則新聞

    本篇每日摘要聚焦多項 AI 進展,涵蓋模型發布、部署生態與安全新動向,協助讀者快速掌握關鍵資訊,並洞察行業趨勢。 - Mistral Large 4(Le Chonk):發布 1T 引數多模態 MLP,開放 MIT 版權,API 價格 $0.70/百萬輸入、$2.10/輸出;在 Terminal‑Bench 4.0 上得 41% 分,安全拒絕率 96.6%。

11月6日週五
11月5日週四
  1. Rohan Paul61

    SenseTime 發布 SenseNova 6.8 Flash,主打 Office Intelligence 與 Dynamic Design 兩項能力方向。 Office Intelligence:在不同任務間保留使用者目標、偏好與限制,並依新脈絡主動推薦下一步行動。 Dynamic Design:產生動畫 PPTX 簡報、動態海報、互動式網站與可編輯的 Blender 專案。 整體方向是從單次內容生成,轉向延續任務並產出可用成品。

11月3日週二
  1. Google AI Official Blog79

    2026 年十月 Google AI 重大更新:Gemini 4 系列與 Genie 4 推出

    Gemini 4 Argon 於 10 月全球發布,支援複雜程式碼、財務分析、法律流程與機器人物理推理。 Gemini 4 Carbon 以長期工程與網路安全為核心,現於美國政府及安全合作夥伴進行預發布測試。

    推薦理由:Google 在十月推出 Gemini 4 系列與 Genie 4,展示前沿推理與即時模擬能力,並提供安全防護與健康追蹤功能,讀者可評估其對開發者與科研的實際效益。

11月1日週日
10月31日週六
10月29日週四
10月28日週三
10月17日週六
10月14日週三
  1. Google DeepMind78

    Gemini 4 Argon:面向複雜任務的多模態推理模型發布

    Gemini 4 Argon 已正式發布,提供 1M token 限制的多模態推理能力,助力工程、金融、法律等領域解決複雜任務。 - 核心特性:多模態推理、深度編碼、長期推理 1M token,支援多步驟任務。

    推薦理由:Gemini 4 Argon 以多模態推理為核心,突破工程、金融、法律等領域複雜任務,並在多項基準上領先同類模型,為企業與研究者提供可落地的效能提升,並開放 API 供開發者快速整合,實現 1M token 限制,支援長期推理。

  2. Google DeepMind73

    Gemini 4 Argon 發布機器人專用版

    Gemini 4 Argon 在 ERQA 取得 87% 分數,顯示其在物理推理、機器人控制與即時模擬重建方面的突破。 - ERQA 成績:87%,超越所有前沿模型,證明其在 3D 空間物理推理的領先地位。

    推薦理由:Gemini 4 Argon 在 ERQA 取得 87% 分數,顯示物理推理能力大幅提升,為機器人控制與模擬重建帶來新工具,並可輕鬆整合至開發工作流。

10月8日週四
10月7日週三
  1. Demis Hassabis (@demishassabis)63

    Google DeepMind 成功合成 AI 設計水印蛋白,證明 AI 在生成式生物學中的可行性。 - 核心成就:AI 設計的蛋白質不僅功能完整,還嵌入可識別的水印。 - 技術關鍵:透過生成式模型設計蛋白質結構,並加入水印機制。 - 潛在應用:藥物研發、合成生物學與生物安全等領域可受益。 - 未來展望:此概念驗證將促進合成生物學實驗的可擴充套件性。

10月1日週四
  1. The Verge · AI67

    Google 釋出 Gemini 4,稱其能力強大僅限可信網路防禦者使用

    Google 今日公佈 Gemini 4 Argon,稱其在複雜工作流程中的表現優於 OpenAI 與 Anthropic 的競爭模型。該模型目前僅向“可信網路防禦者”開放,Google 已在內部工作流中使用,幫助完成大規模程式碼庫遷移。公司釋出對比圖表顯示 Gemini 4 在多項基準上領先,並計劃在更廣泛推廣前加強安全防護。

8月14日週五
  1. Google DeepMind74

    Gemini 3.7 Flash 推出

    Google DeepMind 推出了 Gemini 3.7 Flash,這是其 Flash 系列最新的工作模型,專為編碼和AI 助理設計。該模型在 FrontierCode、DeepSWE、WebDev Arena 等基準上顯著提升準確率,且每百萬輸入 token 價格僅 $0.75,輸出 $3.75,成本更低。

    推薦理由:Gemini 3.7 Flash 在編碼、網頁開發和知識工作等領域顯著提升準確率,並以更低成本提供高效工作流。

7月30日週四