Google 与 HHMI Janelia 发布完整雄性果蝇脑连接组图谱

Google Research 与 HHMI Janelia 及剑桥等机构合作，在 Cell 发表论文，发布完整雄性果蝇脑与中枢神经系统连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。

Google DeepMind@GoogleDeepMindAI 评分4040

WeatherNext 3 是我们在全球天气预报方式上的一项重大突破。⛅ 该模型与 @GoogleResearch 联合开发，直接从真实世界的实时观测中学习，从而更快地给出更本地化、高度准确的预测。🧵

Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型

Google DeepMind 与 Google Research 发布 WeatherNext 3 全球天气 AI 模型，直接学习实时地球静止卫星数据，每小时生成一次预报，地表变量分辨率达 5 公里，整体比 WeatherNext 2 的 25 公里网格清晰约 5 倍。

Google DeepMind 推出 Fairwind Program，向政府与企业提供 Gemini 3.8 Flash Cyber 网络防御能力

Google 推出 Fairwind Program，面向 Google Cloud 客户、政府机构和网络安全合作伙伴提供受限访问，首批开放 Gemini 3.8 Flash Cyber 与 CodeMender 组合，用于自主发现、验证并修复漏洞。

Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两款模型，前者面向长时程编码与自主智能体，后者面向漏洞发现与自动修复。

Logan Kilpatrick@OfficialLoganKAI 评分1919

Gemini 3.8 Flash 在 DeepSWE 1.1 上得分 73.7%！

Google 用深度学习从太空绘制全球甲烷排放地图

Google 提出 MAPL-EMIT 深度学习框架，基于 EMIT 高光谱辐射数据自动检测、预测增强并定位全球甲烷羽流，在专家标注羽流上召回率达 84%。该模型采用 Swin-S 视觉 Transformer，同时完成增强量化、羽流分割与源定位三项任务，训练数据为注入真实 EMIT 场景的 360 万个合成甲烷羽流。

Google DeepMind 为 Gemini 推出 agentic 视频理解功能

Google DeepMind 推出 agentic video understanding，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，通过智能体循环动态调用原生视频工具按需检索画面、音频和字幕，而非固定帧率静态处理。

Google 发布 TimesFM-3 时间序列基础模型，支持零样本多变量预测

Google Research 发布时间序列基础模型 TimesFM-3，原生支持零样本多变量预测，参数量 3.3 亿，预训练数据超过 1 万亿个时间点。

Google Earth AI 推出行星预测引擎 PPE，自动完成全球地理空间建模

Google 在 Earth AI 之下推出实验性研究能力行星预测引擎（PPE），从自然语言查询出发自主完成数据发现、特征工程、模型训练与评估的全流程。

Google DeepMind 发布 Gemini Omni 1.1 Flash，强化生成式视频控制能力

Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 和 Google AI Studio 面向开发者提供新的创意控制与生成式视频能力。

Google DeepMind 试点全球首个对前沿专有模型的双盲 AI 评估

Google DeepMind 推出全球首个针对专有前沿模型的双盲评估，将外部评估限制在密码学安全的"盒子"中，防止模型提前接触测试题导致基准污染。此次与 Singapore AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作，在隐私保护环境中用机密基准测试一个 Gemini Flash Lite 模型。

Google 推出 GlucoFM：面向连续血糖监测的基础模型

Google 发布 GlucoFM，一个采用双流设计的自监督基础模型，将血糖的缓慢基线趋势与短期波动分离，并保留时间与缺失信息。模型在 109,066 小时无标注 CGM 数据上预训练，覆盖 477 条受试者/记录，在 4 个队列、7 项临床任务共 14 组评估中平均 PR-AUC 比最强 GluFormer 变体高 5.8 个百分点。

Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型

Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文字模型，可将原始音频直接转为整洁、带格式的文本。

Google AgentHands：为 XR 空间智能体对话生成同步手势

Google 在 CHI 2026 发布研究原型 AgentHands，让 XR 中的 AI 智能体在说话时同步做出与语音对齐的手势，把抽象指令变成空间中的实体演示。

Google 推出 Biomarker Discovery Framework：从可穿戴传感器数据中优先筛选候选生物标志物

Google 发布 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序组织为迭代研究循环的多智能体系统，结合假设生成、并行统计分析、模型训练、对抗验证与文献推理。

从 Atari 到 EVE Online：Google DeepMind 回顾 15 年游戏 AI 研究并携手开发商探索新玩法

Google DeepMind 回顾了从 DQN 玩 Atari 到 AlphaStar 打 StarCraft II 的 15 年游戏 AI 研究历程，并宣布与游戏开发商合作打造新玩法原型。

Google 研究：如何用移动性数据让语言模型更深入理解地点

Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名化移动性数据与文本描述结合，为地点生成同时编码身份与动态功能的嵌入向量。

jietang@jietangAI 评分4646

精彩评论：FLOPs 是智能；参数是知识！

Google Research 发布 PhotoScan：用智能手机照片估算体成分并预测胰岛素抵抗

Google Research 推出研究性深度学习框架 PhotoScan，从标准 2D 手机照片估算体脂率（BF%）、A/G 比和 V/S 比三项三维体成分指标。

Google DeepMind 发布 Gemini 3.7 Flash，主打编码与 Agent 能力

Google DeepMind 发布 Gemini 3.7 Flash，称其为迄今最智能的主力模型，面向编码与 Agent 场景，距 Gemini 3.6 Flash 发布仅三周。

Google DeepMind 发布手语转文本模型 SL2T，落地 Gboard 与 Live Transcribe

Google DeepMind 发布大规模多语言手语转文本模型 SL2T，为 Gboard 和 Pixel 11 的 Live Transcribe 带来手语转文字听写，首先支持 ASL 转英语，后续将扩展更多语言和设备。

Google Research 提出知识画像框架：召回而非编码是 LLM 事实性瓶颈

Google Research 发布知识画像框架及 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务），评估 13 个 LLM 的编码、召回与识别。

Google Research 发布 AMIE (Video) 实现专家级音视频临床问诊

Google Research 推出基于 Gemini 和 Project Astra 的 AMIE (Video)，可进行实时视频临床问诊，感知非语言视觉和听觉线索并引导虚拟体格检查。

Google DeepMind 发表 WeatherNext 气旋预报研究并开源模型

Google DeepMind 在 Nature 发表 WeatherNext AI 模型研究，对气旋路径、强度和风结构的预报平均多出超过 24 小时提前量，相当于约十年的气象学进步。

Google Research 发布 Science One Framework：用 Chain-of-Evidence 让 AI 自主科研可验证

Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并发布自主科研原型 Science One Framework 与自动审计工具 CoE Audit。

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

Google DeepMind 发布 Gemini Robotics ER 2，面向机器人的具身推理模型，支持视频理解、任务进度跟踪、工具编排与多机器人协作，并可将执行交给下层 VLA 模型。

Google DeepMind 在 Flow Music 中推出 Lyria 3.5 音乐生成模型

Google DeepMind 发布最新音乐生成模型 Lyria 3.5，即日起在 Google Flow Music 中上线。模型改进包括更自然丰富的旋律结构、更高歌词质量与提示词遵循度、更真实且情感细腻的人声与发音，并新增对输出节奏 tempo 和时长的控制。

Google DeepMind 发布 Gemini Robotics 2 系列模型，实现机器人全身智能控制

Google DeepMind 发布 Gemini Robotics 2 系列，包含全身控制的 VLA 模型、具身推理模型 ER 2 和可本地运行的 On-Device 2。

Google Research 发布 SymptomAI 研究论文：对话式 AI 智能体用于日常症状评估

Google Research 发表 SymptomAI 论文，在 13,917 名参与者中测试基于 Gemini Flash 2.0 的五版实验性症状问诊智能体，所有诊断仅供研究分析。

Google Research 在 Nature 发表用强化学习实现量子计算机边运行边校准的研究

Google Research 在 Nature 发表《Reinforcement learning control of quantum error correction》，用强化学习（RL）智能体从量子纠错的错误检测事件中学习，在计算进行中持续调控数千个控制参数以对抗漂移，无需中断计算。

Google 承诺 4000 万美元 AI 资源支持美国 Genesis Mission 科学发现计划

Google 在 DOE Genesis Mission Summit 2026 上宣布投入 4000 万美元的 AI tokens 和云 credits，支持 Genesis Mission 的研究人员。

Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber

Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款模型，面向大规模 AI agent 构建。

Google DeepMind 发布网络安全模型 Gemini 3.5 Flash Cyber

Google DeepMind 发布基于 3.5 Flash 微调的轻量网络安全模型 Gemini 3.5 Flash Cyber，用于快速发现、验证并修复漏洞，将通过限access试点先面向政府和可信伙伴经 CodeMender 开放。

Google DeepMind 与 Isomorphic Labs 公布生物韧性联合方案

Google DeepMind 与 Isomorphic Labs 公布联合生物韧性方案，一方面防止威胁行为者滥用其模型，另一方面让政府、科学家和生物安全专家用 AI 应对疫情。

Google Research 揭示扩散模型的创造力从何而来

Google Research 在 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》中解释了扩散模型的创造力来源：神经网络训练中的正则化会让学到的 score function 被"平滑"，使去噪过程在训练数据点之间插值，从而生成新样本。

Google DeepMind 推出 Gemini 驱动的 ATL Saathi，助力印度 Atal Tinkering Labs

Google DeepMind 在印度启动 ATL Saathi 试点，这是一款由 Gemini 驱动的 Web 应用，为 Tinkering Lab 教育者提供 24/7 备课与培训助手。该工具基于 NotebookLM 组织 12 个核心模块内容，支持 10 个模块的项目生成，并首发支持 8 种语言。底层由 Gemini 3.5 Flash 提供智能支持，首批覆盖全国 100 所试点学校。

Google Research 发布 SensorFM：基于超一万亿分钟可穿戴数据的健康基础模型

Google Research 发布 SensorFM，一个大传感器基础模型，用来自 500 万名同意参与研究者的超过一万亿分钟无标签多模态可穿戴数据进行自监督预训练，覆盖 100 多个国家、20 多种 Fitbit 和 Pixel Watch 设备。

Google Research 用 Google Maps 路线干预缓解城市拥堵

Google Research 在 Nature Cities 发表首个大规模真实世界研究，通过修改 Google Maps 算法将不到 2% 的行程引导至相近耗时的替代路线，在美国 10 座城市测试六个月。结果显示目标路段行驶速度中位数提升约 2%，油耗率中位数下降 0.5% 至 1.0%，每座城市每年可减少数千吨 CO2e 排放。

Google DeepMind 与 A24 宣布研究合作，Google 同时投资 A24

Google DeepMind 与 A24 宣布一项研究导向的合作，让 A24 及其电影创作者参与塑造新工具和工作流，Google DeepMind 则获得艺术家的反馈与指导，合作将跨多个项目长期进行。此外，Google 已对 A24 进行投资。