跳到正文

#Google

今日 1 条
今天10月21日周三
  1. Hacker News · Show HN57

    Penmentor 开源上线 让 Claude Code 在屏幕上批改手写数学

    Penmentor 是一个 MIT 许可的开源工具，在 xournal++ 里按一个键就把它当前的手写数学页交给已登录的 AI 命令行 agent 批改。模型用彩色笔圈出第一处真实错误、给正确行打勾、对沿用错误结果的后续行划线，以提示而非答案的方式引导下一步，框选区域还能生成 manim 交互动画。

10月20日周二
10月15日周四
10月14日周三
  1. Google DeepMind82

    Google DeepMind 大范围推送 Gemini 4 Argon 并发布安全防护报告

    Google DeepMind 开始大范围推送 Gemini 4 Argon，并同步发布安全与安全防护报告。该模型在编码、金融、法律、网络安全和科学等复杂任务上能力提升，网络安全防御达到前沿水平，在 12 个端到端模拟网络攻击场景中全部通关，上一代为 5 个。

    推荐理由：做 Agent 产品的团队可以参照它的三层实时防护和提示注入测试，给工具调用链路补上输入筛查与过程监控。

10月7日周三
  1. Google DeepMind81

    Google DeepMind 发布 EmbeddingGemma 2，740M 参数端侧多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的开源多模态嵌入模型，把文本、图像、视频和音频映射到同一嵌入空间。

    推荐理由：做端侧搜索或本地 RAG 的开发者可以先在 Hugging Face 拉权重，用 Ollama 或 transformers.js 跑通文本嵌入，再决定是否加视觉音频编码器。

10月1日周四
9月23日周三
  1. Google DeepMind83

    Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音模型

    Google 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型。Flash 版支持用自然语言提示词从零设计角色音色，基于 30 秒样本复刻声音，提供 2000+ 音色库和 100 多种语言，并可逐句指定语气、节奏与双人对白。

    推荐理由：播客与有声书团队可以先用 30 秒样本复刻音色，再按脚本逐句指定语气，试做多语言旁白。

9月16日周三
9月8日周二
9月3日周四
  1. Google DeepMind80

    Google DeepMind 发布 WeatherNext 3 全球天气模型，5 公里分辨率并逐小时更新

    Google DeepMind 与 Google Research 发布全球天气模型 WeatherNext 3，直接使用实时地球静止卫星数据训练，每小时生成一次预报，温度与湿度等变量分辨率达 5 公里，整体比 25 公里网格、6 小时更新的 WeatherNext 2 精细约五倍。

    推荐理由：做新能源发电预测或农业天气风险评估的团队可直接在 BigQuery 查询逐小时预报，省去自建模型的第一步。

9月1日周二
  1. Google Research78

    Google 发布 TimesFM-3，原生支持多变量零样本时间序列预测

    Google Research 发布 TimesFM-3，一个 330M 参数、原生于多变量预测的零样本时间序列基础模型。它可同时预测多条相关序列，并把历史协变量和已知未来事件（如促销、天气）作为输入，经一次前向传播输出整个预测区间和 9 个分位数。

    推荐理由：做销量或流量预测的团队可直接在 BigQuery 用 AI.FORECAST 调用它，把促销日程这类已知未来变量一起输入。

8月28日周五
  1. Google Research68

    Google 在 Google Earth AI 下推出行星预测引擎 PPE，自动执行地理空间建模全流程

    Google 在 Google Earth AI 下推出实验性研究能力 planetary prediction engine（PPE），可由自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，把原本需要数周的人工建模压缩到数分钟。

    推荐理由：公共卫生或粮食安全方向的研究者可以用它把自然语言查询跑成地理空间预测模型，省去人工找数据与特征工程，但目前仍是实验性研究能力。

8月27日周四
8月26日周三
8月22日周六
  1. Google Research61

    Google Research 推出 Biomarker Discovery Framework，从可穿戴数据中筛选候选生物标志物

    Google Research 推出 Biomarker Discovery Framework，用多智能体在人类监督下把候选生物标志物筛选组织成迭代研究循环，并对候选做对抗校验。

    推荐理由：做数字健康研究的团队可以照它的六阶段流程和对候选指标的对抗校验设计，把可穿戴数据的初筛交给多智能体，再人工复核。

8月21日周五
  1. Google Research65

    Google Research 的 ME-POIs 如何用移动数据加深语言模型对地点的理解

    Google Research 提出 ME-POIs 框架，把匿名聚合的到访时间、停留时长等移动模式编码成嵌入向量，与 Gemini 等文本表征对齐，让模型同时拿到地点的身份和动态功能。

    推荐理由：做本地生活或选址分析的团队可参考该框架把匿名到访数据叠加到文本表征上，补足小商户样本稀疏的部分。

8月17日周一
8月14日周五
8月12日周三
  1. Google DeepMind71

    Google DeepMind 发布手语转文字模型 SL2T，Pixel 11 的 Gboard 与 Live Transcribe 首发支持 ASL

    Google DeepMind 发布多语言手语转文字模型 SL2T，把手语动作直接翻译成流式文本，首批落地在 Pixel 11 的 Gboard 和 Live Transcribe 上，目前支持美国手语（ASL）转英文，用户可手语搜索、写消息或让 Gemini 执行任务。

    推荐理由：无障碍、输入法和会议转写产品可参考它的端侧姿态点方案，先在本地提取关键点再送服务器翻译，减少原始视频外传。

7月31日周五
7月30日周四
  1. Google DeepMind68

    Google DeepMind 发布 Gemini Robotics ER 2，支持视频理解、任务编排与多机器人协作

    Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2，作为机器人的高层大脑负责对话、多步任务规划与工具调用，再把动作执行交给下层 VLA 模型。

    推荐理由：机器人开发者可通过 Gemini API 调用 ER 2，把 VLA 模型和导航 API 声明为工具，配合 GitHub 示例跑通取物流程。

  2. Google DeepMind53

    Google DeepMind 在 Flow Music 上线音乐生成模型 Lyria 3.5

    Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并已在 Google Flow Music 上线。官方称新版在旋律结构上更丰富自然，歌词质量提升、对提示词的遵循度和结构意识更好，人声更有表现力和情感、发音也更准确。同时用户可以更方便地控制输出音频的速度与时长。适合在 Flow Music 里创作歌曲、并希望对生成结果有更细致控制的人。

7月28日周二
  1. Google DeepMind76

    Google DeepMind 发布 Gemini Robotics 2，让人形机器人实现全身控制与多机协作

    Google DeepMind 发布 Gemini Robotics 2，包含视觉语言动作模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和本地运行的 Gemini Robotics On-Device 2 三个模型。

    推荐理由：做具身智能的团队可先在 Google AI Studio 调用 Gemini Robotics ER 2 验证多步任务规划，VLA 与端侧模型需申请早期访问。

7月21日周二
7月17日周五
7月13日周一
  1. Google DeepMind45

    Google 推出 Gemini 驱动的 ATL Saathi，为印度 Tinkering Lab 教师提供 24/7 AI 规划助手

    Google 启动 Gemini 驱动的 ATL Saathi 试点，为印度 Atal Tinkering Labs 的教师提供 24/7 规划与培训助手。该应用由 Gemini 3.5 Flash 驱动，覆盖 12 个核心模块的摘要、AI 信息图与互动测验，并为 10 个模块生成含接线图与安全提示的分步实验说明。首批覆盖 100 所试点学校，支持 8 种语言。

7月1日周三
  2. Google DeepMind82

    Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash

    Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 两款生成模型。Nano Banana 2 Lite（gemini-3.1-flash-lite-image）4 秒生成一张图，每张 1K 图片 $0.034，已上线 Gemini API、AI Studio 并接入搜索、Gemini app 等消费级产品。

    推荐理由：做电商或室内设计素材的团队可先在 AI Studio 用 Nano Banana 2 Lite 低成本出图，再串联 Omni Flash 转成短视频打样。

6月30日周二
  1. Google Research78

    Google 发布 TabFM 零样本表格数据基础模型

    Google 发布 TabFM，一个面向表格数据分类和回归的零样本基础模型。它把整张表作为上下文提示，单次前向传播即可给出预测，无需逐数据集训练、超参数调优和特征工程。

    推荐理由：企业分析团队可以直接在 BigQuery 用 SQL 对已有表做零样本分类或回归，省去训练模型和调参。

6月25日周四
  1. Google Research65

    Google 提出线性弹性缓存，在 Spanner 上降低约 5% 缓存总成本

    Google Research 提出线性弹性缓存（linear elastic caching），把缓存页面驱逐建模为滑雪租赁问题，按访问模式动态为页面设定 TTL，而非固定分配内存。

    推荐理由：云服务团队可以参照这套用决策树预测页面 TTL 的弹性缓存方法，先在自家缓存层做分组对照，再评估是否替换固定容量方案。

6月11日周四
  1. Google DeepMind81

    Google DeepMind 发布实验性开源模型 DiffusionGemma，文本生成最高提速 4 倍

    Google DeepMind 发布实验性开源模型 DiffusionGemma，改用文本扩散并行生成，单张 GPU 上推理速度最高提升 4 倍。它是 26B MoE 模型，推理时激活 3.8B 参数，量化后可放进 18GB 显存，H100 上超过 1000 tokens/s，RTX 5090 上超过 700 tokens/s。

    推荐理由：本地部署的开发者可以用它在单张消费级 GPU 上做内联编辑和快速迭代，但产出质量要求高时仍应切回 Gemma 4。