Google DeepMind 发布 Gemini 3.1 Flash TTS，新增 audio tags 精细语音控制
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS，提升语音质量、表现力与可控性。
推荐理由：官方给出了模型能力细节、榜单成绩和开放入口，读者可以判断它对语音应用开发的实际改动。
Google / Gemini
全部主题Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
114条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态
最新精选
第 101–114 条 · 共 114 条Google DeepMind：Blog（RSS）精选AI 评分6161 TensorZero：实验与工程博客精选AI 评分6767 TensorZero：别只比每百万 token 单价，LLM API 的隐藏成本在 tokenizer
TensorZero 指出每百万 token 单价（$/MTok）不能反映 LLM API 真实成本，因为各家 tokenizer 对相同输入产生不同 token 数。
推荐理由：原文用实测数据说明 token 计数差异会让实际成本偏离标价，读者可据此修正自己比较模型价格的方法。
Google DeepMind：Blog（RSS）精选AI 评分8686 Google DeepMind 发布 Gemma 4 开源模型，含 E2B、E4B、26B MoE 和 31B 四个尺寸
Google DeepMind 发布 Gemma 4 开源模型，主打高级推理与智能体工作流，采用 Apache 2.0 许可，提供 E2B、E4B、26B MoE 和 31B Dense 四个尺寸。
推荐理由：官方给出四个尺寸、榜单排名、上下文长度和开放许可等具体信息，读者可以据此判断选型与部署空间。
Google DeepMind：Blog（RSS）精选AI 评分6464 Google DeepMind 推出由 Gemini 驱动的 AI 指针交互
Google DeepMind 发布 AI 指针实验方案，让指针借助 Gemini 理解所指内容与用户意图，并提出保持流、看即说、用 this/that、像素变实体四条交互原则。用户已可在 Google AI Studio 和 Gemini in Chrome 中通过指向加语音操作网页，Googlebook 将推出 Magic Pointer。
推荐理由：原文给出 AI 指针的四条交互原则及其在 Chrome 和 Googlebook 中的落地入口，读者可据此理解指向加语音的新交互方式。
Google DeepMind：Blog（RSS）精选AI 评分7777 Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型
Google DeepMind 发布 Gemini 3.1 Flash Live，称其为迄今最高质量的音频与语音模型，延迟更低、对话更自然。在 ComplexFuncBench Audio 上得分 90.8%，在开启 thinking 的 Scale AI Audio MultiChallenge 上得分 36.1%。
推荐理由：官方给出了 ComplexFuncBench Audio 和 Audio MultiChallenge 的具体分数，以及各产品线的落地范围，便于评估语音模型选型。
Google DeepMind：Blog（RSS）精选AI 评分6767 Google DeepMind 发布首个经实证验证的 AI 有害操纵测量工具包
Google DeepMind 发布关于 AI 有害操纵的新研究，推出首个经实证验证的测量工具包，并公开运行人类被试研究所需的全部材料。研究包含九项实验、覆盖英国、美国和印度超 10,000 名参与者，聚焦金融和健康等高风险场景，发现 AI 在健康话题上的操纵效果最弱，且一个领域的操纵成功率不能预测另一个领域；模型在被明确指示操纵时表现最操纵化。
推荐理由：原文给出首个经实证验证的 AI 有害操纵测量工具包，并公开全部研究材料，读者可复用其方法开展人类被试研究。
Google Research精选AI 评分7373 Google Research 在 Nature Cancer 发表两项 AI 乳腺癌筛查研究
Google Research 与 NHS 合作的 AIMS 研究在 Nature Cancer 发表两项研究，评估 AI 乳腺癌检测系统。
推荐理由：两项研究给出AI作为乳腺筛查第二阅片者的实测数据，读者可据此了解其在真实NHS工作流中的可行性与局限。
Google Research精选AI 评分6161 Google 发布 Groundsource：用 Gemini 把新闻报道转为历史洪水数据
Google Research 推出 Groundsource，利用 Gemini 从 80 种语言的新闻报告中提取结构化历史洪水事件，建成覆盖 150 多个国家、2000 年至今的 260 万条记录的开源数据集。
推荐理由：原文给出方法细节与验证准确率，读者可以据此了解用 LLM 把新闻转成灾害历史数据的可行路径。
Google Research精选AI 评分6868 Google AMIE 与 BIDMC 开展会话式诊断 AI 真实门诊可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 会话式诊断 AI 的前瞻性单中心可行性研究，100 名成人在门诊就诊前与 AMIE 进行问诊对话，全程由医生实时监督。
推荐理由：这是 AMIE 首次走出模拟环境的真实临床可行性研究，原文给出了安全性、诊断准确率和患者反馈等一手数据。
Ethan Mollick：One Useful Thing（RSS）精选AI 评分7474 Ethan Mollick 发布智能体时代 AI 使用指南
Ethan Mollick 发布第八版 AI 使用指南，指出 AI 使用方式已从聊天机器人转向智能体，提出按模型、应用和 harness 三层来选择工具。
推荐理由：作者亲历多个 AI 工具的使用，提出模型、应用与 harness 三层框架，可帮助读者按实际任务选择合适工具。
Ethan Mollick：One Useful Thing（RSS）精选AI 评分6565 Ethan Mollick 谈 AI 的锯齿状前沿、瓶颈与 reverse salients
Ethan Mollick 重提 2023 年提出的“锯齿状前沿”概念，认为 AI 能力参差仍将持续，锯齿会形成瓶颈，使超智能 AI 仍难以完全替代人类工作。
推荐理由：作者提出用瓶颈而非基准来判断 AI 进展，并以 GPT-4.1 复现 Cochrane 综述和 Nano Banana Pro 解锁幻灯片为例说明锯齿状前沿的实际影响。
Noam Shazeer@NoamShazeer精选AI 评分7676推荐理由：作者本人官宣发布，说明新模型如何在更低延迟和成本下保留 Pro 级推理能力及可用入口。
Ethan Mollick：One Useful Thing（RSS）精选AI 评分7979 Ethan Mollick 实测 Gemini 3：从 GPT-3 到智能体时代的三年之变
Ethan Mollick 实测 Google 新发布的 Gemini 3，让模型用三年前的 GPT-3 帖子演示 AI 进步，结果它直接构建了一个可玩的“糖果驱动 FTL 飞船模拟器”小游戏。
推荐理由：作者用三年前的旧帖和新任务做对照，展示了 Gemini 3 在编程智能体和独立研究上的实际表现与局限。
Ethan Mollick：One Useful Thing（RSS）精选AI 评分6565 Ethan Mollick 谈从协作到巫师：与 AI 共事方式的转变
Ethan Mollick 在 One Useful Thing 发文，认为 AI 使用正从共同协作转向「召唤巫师」式的被动接收。
推荐理由：作者以论文重审、表格改造等一手实测为基础，提出从协作到巫师式 AI 使用的关系转变与验证难题。