推出 Gemma 4 12B:無編碼器統一多模態模型
DeepMind 推出 Gemma 4 12B,這是一款無編碼器的統一多模態模型,能夠直接在配備 16GB VRAM 的筆記本上執行。它在保持與 26B MoE 近似的推理效能的同時,顯著降低了記憶體佔用,並首次支援原生音訊輸入。
推薦理由:Gemma 4 12B 以無編碼器的多模態架構實現低記憶體、強推理,適配本地 16GB VRAM 機器,讀者可據此評估在邊緣裝置上的部署可能。
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。
DeepMind 推出 Gemma 4 12B,這是一款無編碼器的統一多模態模型,能夠直接在配備 16GB VRAM 的筆記本上執行。它在保持與 26B MoE 近似的推理效能的同時,顯著降低了記憶體佔用,並首次支援原生音訊輸入。
推薦理由:Gemma 4 12B 以無編碼器的多模態架構實現低記憶體、強推理,適配本地 16GB VRAM 機器,讀者可據此評估在邊緣裝置上的部署可能。
Import AI 460 提供了多篇 AI 研究的概覽,涵蓋社會規則破解、RL 航拍競速、以及語言模型對政治偏見的影響。 - SocioHack:72 個沙盒環境,RL 模型以 61.25% 的召回率與 90.85% 的精準度重新發現歷史漏洞,測試範圍從信用卡點數到學校成績。
推薦理由:多篇研究聚焦 AI 在社會規則、機器人競速與偏見影響的最新進展,為跨領域洞察提供參考,並揭示未來自動化治理與軍事應用的挑戰。
Google Research公開了其水文模型框架,供各國氣象機構在GitHub上使用和構建AI洪水預報模型。該框架基於PyTorch實現LSTM網路,支援使用Caravan資料集訓練,並已在Czech Hydrometeorological Institute驗證,提升預測時效6天。
推薦理由:Google公開的水文框架讓各國氣象機構可自行訓練AI洪水預報模型,提升預測時效並降低技術門檻。
Google 釋出由 Gemini 驅動的科研輔助工具 Empirical Research Assistance(ERA),可用於編寫和最佳化科學程式碼,並在《Nature》雜誌上發表了相關論文。
推薦理由:Google 推出基於 Gemini 的科研輔助工具 Empirical Research Assistance,讀者可以瞭解其在多學科科學發現中的應用實例和開放入口。
Google DeepMind 推出了全新多模態模型 Gemini Omni,併發布了該系列首款模型 Gemini Omni Flash,支援通過影像、音訊、影片和文本組合輸入生成及編輯影片。該模型已向 Gemini app、Google Flow 以及 YouTube Shorts 使用者推出,未來還將通過 API 提供給開發者和企業客戶。
推薦理由:原文介紹了新模型的具體輸入組合和釋出範圍,讀者可以據此評估多模態影片生成與編輯的最新能力邊界。
Google DeepMind 推出了全新獨立桌面應用 Google Antigravity 2.0,專為AI 助理最佳化的體驗而設計,擺脫了傳統整合開發環境的束縛。該應用由 Gemini 模型驅動,引入了動態子代理、非同步任務管理、JSON 鉤子、定時任務以及基於專案的許可權管理等核心功能。
推薦理由:該版本脫離了傳統開發環境並引入了獨立桌面應用形態,讀者可以據此瞭解AI 助理工具如何向通用知識工作擴充套件。
Google DeepMind 正式推出 Gemini 3.5 模型系列的首款型號 3.5 Flash,主打前沿智慧與高速推理,重點提升AI 助理和編碼任務表現。3.5 Flash 在 Terminal-Bench 2.1 等基準上表現優於 Gemini 3.1 Pro,速度達到其他前沿模型的 4 倍,目前已全面向全球使用者、開發者及企業推出。
Google DeepMind 釋出了基於 Gemini 構建的協作式多AI 助理 AI 系統 Co-Scientist,旨在通過生成、辯論和演化科學假說來加速生命科學等領域的科研突破。該系統由生成、接近度、反射、排名、演化和元審查等多個專業AI 助理組成,並引入了類似 AlphaGo 的積分制辯論機制來驗證和篩選最有潛力的研究方向。目前該系統正通過全新實驗工具逐步向研究人員開放。
推薦理由:Google DeepMind 釋出了基於 Gemini 構建的多AI 助理科學研究系統 Co-Scientist,讀者可以瞭解其通過模擬科學辯論生成和演化假說的具體架構與應用效果。
Modal 在其最新的技術部落格中說明,透過四項關鍵最佳化,將 GPU 推理伺服器的啟動時間從數千秒縮短至數十秒,實現真正無伺服器 GPU。 - 四項關鍵技術:雲端緩衝、內容定址檔案系統、CPU 記憶體檢點/恢復、GPU CUDA 記憶體檢點/恢復。
推薦理由:此篇詳細說明 Modal 如何透過四項關鍵最佳化,將 GPU 伺服器啟動時間從數千秒縮短至數十秒,對想打造高效、彈性 AI 推理平臺的工程師具有實際參考價值。
Google DeepMind 推出了 Gemini 3.1 Flash TTS,提升了可控性、表達力和音質,支援 70+ 語言和多說話人對話,並通過細粒度音訊標籤讓開發者可用自然語言控制語音風格。該模型在人工分析 TTS 評測中獲得 1,211 Elo 分,並已在 Gemini API、Vertex AI 及 Google AI Studio 預覽。
推薦理由:Gemini 3.1 Flash TTS 通過細粒度音訊標籤提升可控性與表達力,支援 70+ 語言,支援多說話人對話,適合企業與開發者構建多語種語音應用,且在人工分析 TTS 評測中獲得 1,211 Elo 分。
Google DeepMind 推出了 Gemini Robotics-ER 1.6,這是其專為機器人設計的最新模型,提升了空間推理、多視角理解和儀表讀取能力。該版本在安全性和物理約束遵守方面也有顯著改進,並已通過 Gemini API 和 Google AI Studio 對開發者開放。
推薦理由:Gemini Robotics-ER 1.6 通過增強空間推理和多視角理解,顯著提升機器人在真實環境中的自主決策能力,並首次實現儀表讀取功能,為工業設施監測提供更高精度。該模型在安全性和物理約束遵守方面也表現出顯著改進,幫助機器人更安全地執行任務。
Together AI 推出新版微調服務,新增工具呼叫、推理與視覺語言模型支援,並提升至 100B+ 引數模型的高效微調。 - 工具呼叫:提供結構化驗證、全流程支援,適用 Qwen、Moonshot AI、Z.AI。
推薦理由:此更新提升工具呼叫、推理與視覺功能,讓團隊可每日迭代、成本降低 2–3 倍、準確率提升至 87%,並支援 100B+ 引數模型與 100GB 資料集的高效微調,並提供預估成本與 ETA 以利實驗規劃,並可在多模態任務中使用 Vision‑Language 模型微調。
Google Research 推出 Groundsource,利用 Gemini 將全球新聞報道轉化為結構化災害資料,首次公開 260 萬條洪水記錄,覆蓋 150+ 國家。該方法通過新聞文本提取、時間空間推理和地圖對映,驗證準確率達 82%,顯著擴充套件現有災害資料庫,為城市規劃、保險和應急響應提供可靠的歷史基線。
推薦理由:Groundsource 利用 Gemini 將全球新聞報道轉化為結構化災害資料,首次公開 260 萬條洪水記錄,覆蓋 150+ 國家,顯著提升災害預測精度,為城市規劃、保險和應急響應提供可靠的歷史基線。
本文說明如何以高並行度與統計嚴謹性,構建可自動化測試 AI 網頁代理的評估系統,對提升代理品質與迭代速度的開發團隊極具參考價值。 - 測試引擎:使用 Blacksmith runners 在 GitHub Actions 上並行執行 100 個複雜網頁任務,整個流程不到 5 分鐘。
推薦理由:本文說明如何以高並行度與統計嚴謹性,構建可自動化測試 AI 網頁代理的評估系統,對提升代理品質與迭代速度的開發團隊極具參考價值。
Google Antigravity IDE 仍遺留 Windsurf 於 2025 年報告的漏洞,導致資料外洩與遠端指令執行的風險。 - 漏洞種類 五項主要安全缺陷,包括間接 Prompt Injection 造成的遠端指令執行、隱藏指令執行、缺少人為監控的 MCP 工具呼叫、read_url_content 與影像渲染導致的資料外洩。
推薦理由:此研究揭示 Google Antigravity IDE 仍遺留 Windsurf 漏洞,提醒開發者在採用 AI 編輯器前須先評估安全風險。
Google Jules 近期被發現易受隱藏 Unicode 標籤 Prompt 注入攻擊,該漏洞源於 Gemini 模型將隱藏字元解讀為指令。 - 影響範圍:所有使用 Gemini 模型的應用,包括 Google Jules 及其內部服務。
推薦理由:此漏洞揭示 Gemini 模型對隱藏 Unicode 標籤的解讀缺陷,可能導致後門植入,提醒開發者在使用 Google Jules 時須審慎審核程式碼與任務來源。
生成式 AI 平臺 的建構流程被分為多個階段,從簡單的模型呼叫到完整的觀測與安全機制,內容涵蓋 RAG、代理、路由、快取與寫入動作。 - 核心元件 包括 模型 API、上下文構建、Guardrails、Model Router、Gateway、Cache、複雜邏輯、寫入動作、觀測。
推薦理由:此篇深入拆解生成式 AI 平臺的核心元件與設計模式,對想打造可擴充、可觀測的系統的工程師極具參考價值。
Gemma 2 是 Google 推出的新一代大語言模型,提供 2B、9B、27B 三種規模。 - 核心特性:27B 版本在多項基準測試中,效能超越同類規模兩倍以上,展現出高效能與最佳化架構。
推薦理由:Gemma 2 以三種規模提供,27B 版本效能超越同類兩倍規模模型,讀者可評估其高效架構對開發效能的影響。
核心導語:文章分析 2011‑12 年 FTC 對 Google 反壟斷調查的決策過程,指出調查團隊對技術市場的誤判與資料解讀偏差,並探討若當時採取行動可能對 Google、Microsoft 及垂直競爭者的影響。
推薦理由:文章揭示FTC在2011‑12年對Google反壟斷調查失誤,提醒投資者與產業決策者注意監管判斷的技術盲點。