Gemini 3.1 Flash TTS发布
Google DeepMind 发布 Gemini 3.1 Flash TTS，提升语音自然度、可控性和表达力。该模型已通过 Gemini API、Google AI Studio、Vertex AI 和 Google Vids 预览推出，面向开发者、企业和 Workspace 用户。
最新动态
VAKRA评测企业级Agent能力
Hugging Face介绍VAKRA基准，用可执行环境评测AI Agent在企业类场景中的推理、工具调用和失败模式。该基准包含8000多个本地API、真实数据库和62个领域文档集，强调多步工作流的完整执行轨迹评估。
Gemini机器人推理模型升级
Google DeepMind 发布 Gemini Robotics-ER 1.6，强化机器人在真实环境中的具身推理能力。新模型提升空间推理、多视角理解和环境感知精度，面向更自主的物理世界任务执行。
Waypoint-1.5世界模型发布
Overworld发布Waypoint-1.5实时视频世界模型，主打在普通桌面GPU上运行交互式生成世界。新版提升视觉保真度、扩展本地硬件覆盖范围，继续推进无需数据中心级算力的交互式世界模拟。
Google发布Gemma 4 12B
Google DeepMind 发布 Gemma 4 12B，定位为可在笔记本运行的中等规模多模态模型，填补 E4B 与 26B MoE 之间的能力空档。该模型采用统一、无编码器架构，并首次在 Gemma 中型模型中加入原生音频输入。
Falcon Perception发布
Hugging Face介绍Falcon Perception，一个0.6B参数早期融合Transformer，用于开放词汇目标定位与分割。模型在SA-Co上Macro-F1达68.0，高于SAM 3，并同步提出PBench诊断基准与0.3B参数Falcon OCR模型。
Gemini 3.1 Flash Live发布
Google DeepMind推出Gemini 3.1 Flash Live，称其为迄今最高质量的实时音频与语音模型，面向语音优先AI应用提升自然节奏、可靠性和任务执行能力。该模型已通过Gemini Live API预览、Gemini Enterprise客户体验场景、Search Live和Gemini Live开放。
DeepMind发布AI操纵评测工具
Google DeepMind发布关于AI有害操纵风险的新研究，聚焦模型通过对话负面、欺骗性地改变人类想法和行为的能力。团队称已构建首个经实证验证的真实世界AI操纵测量工具包，并公开复现实验所需材料。
Google推出Lyria 3 Pro
Google推出音乐生成模型Lyria 3 Pro，并将Lyria 3能力扩展到更多产品。Pro版本支持生成最长3分钟曲目，可按前奏、主歌、副歌、桥段等结构进行提示控制，面向开发者、企业和创作者场景。
DeepMind提出AGI认知评测框架
Google DeepMind发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，提出用认知科学框架衡量AI系统通用智能进展。团队同时与Kaggle合作发起黑客松，邀请社区基于该分类体系开发评测方法。
Gemini 3.1 Flash-Lite发布
Google DeepMind推出Gemini 3.1 Flash-Lite预览版，定位为Gemini 3系列中最快、成本最低的模型，面向高吞吐开发者工作负载。该模型已通过Gemini API、Google AI Studio和Vertex AI开放，定价为每百万输入0.25美元、输出1.50美元。
Nano Banana 2发布
Google DeepMind发布Nano Banana 2，即Gemini 3.1 Flash Image，主打将Nano Banana Pro的图像质量、世界知识和推理能力带到更快的Flash级体验中。该模型面向图像生成与编辑场景，强调快速迭代和更强创作控制。
Gemini 3.1 Pro发布
Google DeepMind发布Gemini 3.1 Pro，称其为支撑Gemini 3 Deep Think升级的核心智能模型。该模型开始面向开发者、企业和消费者产品推出，覆盖Gemini API、Google AI Studio、Gemini CLI、Antigravity、Android Studio、Vertex AI、Gemini Enterprise、Gemini App和NotebookLM。
Gemini接入Lyria 3作曲
Google DeepMind宣布在Gemini App中以beta形式推出自定义音乐生成能力，由最新Lyria 3模型驱动。用户可通过文字描述或上传图片生成带歌词的高质量歌曲，扩展Gemini在图像、视频之外的创作能力。
Gemini 3 Deep Think升级
Google DeepMind发布Gemini 3 Deep Think重大升级，定位为面向科学、研究和工程难题的专用推理模式。新版Deep Think已向Google AI Ultra订阅用户开放，并首次提供给更广泛的研究与开发场景使用。
Gemini Deep Think助科研发现
Google DeepMind披露Gemini Deep Think在数学、物理和计算机科学等专业研究问题上的进展。文章称该模式继IMO金牌水平和ICPC类似成绩后，已进入更复杂的科学、工程和企业工作流，用于开放式研究挑战。
Project Genie开放测试
Google DeepMind开始向美国Google AI Ultra订阅用户推出Project Genie实验原型，用于创建、探索和混合交互式世界。该项目基于Genie 3世界模型，旨在扩大沉浸式世界生成与交互体验的受测范围。
DeepMind发布D4RT模型
Google DeepMind推出D4RT，一个用于4D场景重建与跟踪的统一AI模型，目标是在空间和时间维度上理解动态世界。该模型面向从视频或传感输入中恢复连续场景结构、运动和对象状态的复杂视觉任务。
Veo 3.1视频能力升级
Google DeepMind升级Veo 3.1 Ingredients to Video能力，增强基于参考图像生成视频的一致性、创意表现和控制力。更新包括原生竖屏输出，以及面向高保真制作流程的1080p和4K超分能力。
Salesforce 推新版 AI Slackbot
Salesforce 推出重构后的 Slackbot，将其从通知工具升级为可搜索企业数据、起草文档并执行操作的 AI Agent。该产品面向 Business+ 和 Enterprise+ 客户开放，是 Salesforce 对抗微软和 Google 办公 AI 的关键动作。