Google Research 公布 I/O 2026 多项 AI 研究与产品进展
Google Research 在 I/O 2026 公布 Gemini for Science、Google Health、WeatherNext、Antigravity 2.0、Gemma V4 等多项 AI 研究和产品进展。
#多模态
#多模态
今日 0 条Google ResearchAI 评分5454
Claude Platform：开发者版本说明（RSS）AI 评分5959 Anthropic 发布 Claude Opus 4.8 并更新 Claude Platform 版本说明
Anthropic 在 5 月 28 日发布 Claude Opus 4.8，模型默认支持 1M token 上下文窗口、128k 最大输出 token，并可在 Claude API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 使用。
Mistral AIAI 评分5454 Mistral 推出 physics AI，并将 Emmi AI 纳入公司以建设工业工程 AI 能力
Mistral 宣布推出 physics AI，并把 Emmi AI 纳入 Mistral，作为其面向 AI 原生工业工程的企业解决方案基础能力。该类模型从物理求解器输出或测量数据中学习，可在单张 GPU 上用约一次前向传播、数秒内预测完整物理场，但不替代所有场景下的第一性原理求解器。
Mistral AI精选AI 评分8787 Mistral 发布 Medium 3.5，并在 Vibe 与 Le Chat 推出远程智能体和 Work 模式
Mistral 发布 128B 稠密开放权重模型 Mistral Medium 3.5，公开预览并成为 Vibe 和 Le Chat 默认模型，支持 256k 上下文、可配置推理强度与视觉输入。
推荐理由：可了解 Mistral Medium 3.5 的参数规模、开放权重、定价，以及它如何支撑 Vibe 云端异步编码智能体。
Google DeepMind精选AI 评分6565 Google DeepMind 为 Project Genie 推出 Street View 真实地点生成能力
Google DeepMind 在 Project Genie 中推出 Street View grounding 能力，让实验性世界模型 Genie 可基于 Google Street View 的真实地点影像生成可交互的想象世界。
推荐理由：官方说明了 Project Genie 接入 Street View 的生成方式、可用地区和订阅入口，便于理解世界模型从虚拟场景走向真实地点锚定的产品路径。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini Omni Flash 多模态视频生成模型
Google DeepMind 推出 Omni 系列首个模型 Gemini Omni Flash，支持组合图像、音频、视频和文本输入，生成依托 Gemini 现实知识的高质量视频，并可通过多轮自然语言对话编辑视频。
推荐理由：可了解 Gemini Omni Flash 的多模态输入、对话式视频编辑与上线渠道，便于对比现有视频生成工具的工作流差异。
Google DeepMind精选AI 评分7373 Google 扩展 SynthID 与 C2PA 内容溯源验证工具，并推出 AI Content Detection API
Google 宣布在 Search、Gemini、Chrome、Pixel 和 Cloud 中扩展内容透明度与验证工具，并推出 Google Cloud Gemini Enterprise Agent Platform 上的 AI Content Detection API。
推荐理由：文章集中说明 SynthID、C2PA Content Credentials 和新检测 API 在 Google 产品中的落地范围，便于理解跨平台内容溯源工具链的进展。
Google DeepMindAI 评分5252 Google DeepMind 与新加坡政府建立国家 AI 合作，推进医疗、教育与科研应用
Google DeepMind 宣布在新加坡启动 National Partnerships for AI 新项目，并作为 Google 与新加坡政府国家 AI 合作的关键部分，推动公共部门转型、商业增长和劳动力发展。
Google DeepMind精选AI 评分8989 Google DeepMind 发布 Gemini 3.5，首发 3.5 Flash 并预览 3.5 Pro
Google DeepMind 发布 Gemini 3.5 模型系列，首发 Gemini 3.5 Flash，主打智能体、编码和长程任务能力。
推荐理由：官方给出 3.5 Flash 的基准成绩、可用入口和 3.5 Pro 节奏，便于判断其面向智能体与编码工作流的定位。
Google ResearchAI 评分4242 Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 介绍其开放科学实践，过去十年发布的开源工具与开放数据集已服务全球超 250,000 名研究人员和开发者。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 AI co-clinician 医疗 AI 研究计划并公布多模态问诊评测
Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生监督下由 AI 智能体辅助患者诊疗，并发布相关技术报告与模拟评测。医生侧评测覆盖 98 个初级保健问题，系统在 97 个案例中没有关键错误；在 OpenFDA 的 RxQA 开放式用药问答上也优于其他前沿模型。
推荐理由：材料同时给出医生辅助与患者远程问诊两类评测，可帮助读者理解医疗 AI 从文本问答走向实时多模态协作的边界。
Google Research精选AI 评分6969 Google Photos Auto frame 上线照片视角重构功能
Google Research 宣布 Google Photos 的 Auto frame 功能上线照片视角重构能力，可在拍摄后自动调整相机位置、朝向和焦距。该方法先通过内部 3D 点图模型重建场景、人体和面部并估计相机参数，再用生成式 latent diffusion 模型填补新视角露出的缺失区域。
推荐理由：文章拆解了 Google Photos Auto frame 的两阶段 3D 感知生成编辑流程，可帮助理解视角重构图功能的技术路径。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人具身推理能力
Google DeepMind 推出 Gemini Robotics-ER 1.6，这是面向机器人的高层推理模型升级，已通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由：官方说明了空间推理、多视角理解和仪表读数等能力变化，并给出 Gemini API 与 Google AI Studio 的可用入口。
Google ResearchAI 评分4242 Google Research 推出 PaperVizAgent 与 ScholarPeer 两款 AI 智能体，改进学术图表与同行评审流程
Google Research 推出 PaperVizAgent 与 ScholarPeer 两款智能体框架，分别用于自动生成学术图表和评审论文。PaperVizAgent 由 5 个专项智能体协作，在 0-100 分评测中总分 60.2，超过 50.0 的人类基线及 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any。
Google DeepMind精选AI 评分9393 Google DeepMind 发布 Gemma 4 开源模型系列
Google DeepMind 发布 Gemma 4 开源模型系列，包含 E2B、E4B、26B MoE 和 31B Dense 四种规格，采用 Apache 2.0 许可。
推荐理由：官方给出 Gemma 4 的四种规格、上下文长度、端侧与本地硬件适配及 Apache 2.0 许可，便于评估开源部署路径。
Google DeepMind精选AI 评分6464 Google DeepMind 发布由 Gemini 驱动的 AI 指针实验，并在 Chrome 与 Googlebook 中推进 Magic Pointer
Google DeepMind 公布由 Gemini 驱动的 AI 指针实验，让用户通过指向屏幕内容并说话来完成总结、比较、改图、查路线等操作。该方案遵循保持工作流、展示并说明、支持 this 和 that 短指令、把像素转为可操作实体四项原则。
推荐理由：原文展示了指针如何结合视觉语义与语音指令，并说明 Chrome 与 Googlebook 的落地入口，可帮助理解跨应用 AI 交互的产品方向。
Google Research精选AI 评分6565 Google 发布 Vibe Coding XR，用 Gemini 和 XR Blocks 加速 AI + XR 原型开发
Google 发布 Vibe Coding XR 工作流，通过 Gemini 与基于 Web 的 XR Blocks 框架配合，把自然语言提示词直接生成具备物理感知的 Android XR 应用，官方称可在 60 秒内完成。
推荐理由：文章说明了自然语言生成 Android XR 应用的工作流、60 秒内出原型的入口和 VCXR60 初步评测，便于理解 XR 原型开发的新路径。
Google ResearchAI 评分4242 S2Vec 如何学习城市语言：Google Earth AI 解析现代建成环境
Google Research 在 Google Earth AI 计划下推出 S2Vec，用 S2 Geometry 栅格化建成环境，并通过 masked autoencoding 自监督学习通用嵌入向量。S2Vec 在美国人口密度、收入中位数等零样本地理适应任务中通常是最佳单模型；与图像嵌入融合后，效果通常优于任一单一模态，但在树木覆盖、海拔等环境任务上仍需改进。
Google ResearchAI 评分5555 Google Research 在 The Check Up 展示医疗 AI 研究与临床落地进展
Google Research 在 The Check Up 活动中介绍其医疗 AI 组合，覆盖个性化健康、临床辅助、开发者生态、公共卫生和生物医学发现。与 Fitbit 的研究显示 Personal Health Agent 比单任务应用更能支持长期健康；乳腺癌筛查实验系统识别出 25% 此前漏检的 interval cancers，糖尿病视网膜病变筛查已超过 100 万次。
Google Research精选AI 评分7272 Google Research 发布 AIMS 研究，用机器学习改进乳腺癌筛查流程
Google Research 联合多家 NHS 机构在 Nature Cancer 发表 AIMS 两项配套研究，评估 AI 乳腺癌检测系统的独立性能及其替代第二阅片人的双读流程。
推荐理由：两项配套研究分别验证独立 AI 读片性能和人机双读流程，为理解 AI 筛查的临床收益与落地约束提供了完整证据。
Mistral AIAI 评分5555 Mistral AI 推出 Forge，帮助企业基于专有知识训练前沿级 AI 模型
Mistral AI 发布企业模型构建系统 Forge，让组织可基于内部文档、代码库、结构化数据和运营记录训练并持续改进定制模型。Forge 支持预训练、后训练、强化学习、内部评测，以及 dense 和 MoE 架构，并可按需处理文本、图像等多模态输入。
Mistral AI精选AI 评分8686 Mistral AI 发布 Mistral Small 4 开源混合模型
Mistral AI 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单个模型中，并采用 Apache 2.0 许可证。
推荐理由：官方给出架构参数、效率提升和部署配置，可帮助技术团队评估单模型替代专用模型的可行性。
Mistral AIAI 评分5757 Mistral AI 加入 NVIDIA Nemotron Coalition，将合作开发开放前沿模型
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，并与 NVIDIA 计划共同开发前沿开源 AI 模型。双方将结合 Mistral AI 的模型架构、全栈 AI 平台、多模态能力和企业级微调工具，以及 NVIDIA 的计算资源、模型开发工具和合成数据生成流程。
Google Research精选AI 评分7171 Google Research 公布 AMIE 对话式诊断 AI 在真实门诊环境中的前瞻性可行性研究结果
Google Research 与 Beth Israel Deaconess Medical Center 合作，在门诊初级保健场景中测试对话式诊断 AI AMIE 的诊前病史采集。
推荐理由：这项真实门诊环境下的前瞻性可行性研究，提供了 AMIE 在医生监督中采集病史的安全性、诊断表现和医患接受度数据。
Berkeley AI ResearchAI 评分4141 成像系统的信息驱动设计：基于互信息直接评估与优化
Berkeley AI Research 提出基于互信息直接评估并优化成像系统的框架，仅用含噪测量与噪声模型即可量化系统区分物体的能力。该指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域均能预测解码器性能，优化所得设计可媲美 SOTA 端到端方法，且占用更少内存与算力、无需任务专用解码器。相关成果发表于 NeurIPS 2025。
Mistral AI精选AI 评分7373 Mistral AI 发布 Mistral OCR 3 文档解析模型
Mistral AI 发布 Mistral OCR 3，可从 PDF 和图像中提取文字与嵌入图片，输出带 HTML 表格重建的 markdown 或结构化 JSON。
推荐理由：官方给出相对 Mistral OCR 2 的胜率、价格和接入方式，便于评估文档解析流水线的升级成本。
Mistral AI精选AI 评分8989 Mistral AI 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2 编码模型家族，包括 123B 的 Devstral 2 和 24B 的 Devstral Small 2，并推出开源终端编码助手 Mistral Vibe CLI。
推荐理由：原文同时给出两款开源编码模型的参数、许可、SWE-bench Verified 成绩和本地部署条件，便于比较开放模型与闭源模型的工程取舍。
Mistral AI精选AI 评分9191 Mistral AI 发布 Mistral 3 模型家族，含 Mistral Large 3 与 Ministral 3
Mistral AI 发布下一代 Mistral 3 模型家族，包含 3B、8B、14B 的 Ministral 3 稠密模型，以及 41B active、675B 总参数的稀疏 MoE 模型 Mistral Large 3，全部采用 Apache 2.0 许可。
推荐理由：官方同时给出模型规格、开源许可、部署平台和基准位置，便于读者按端侧到数据中心的不同场景选型。
Mistral AIAI 评分5454 Mistral AI 宣布在德国扩展业务，并与 SAP、Helsing 建立战略合作
Mistral AI 宣布面向德国扩大长期投入，将与 SAP 共建面向德国和欧洲的完全主权 AI 栈，把模型集成进 SAP AI Foundation，并共同开发行业解决方案。Mistral AI 还将与 Helsing 加速开发用于国防和安全场景的视觉语言行动模型，同时扩大德国本地团队并在未来数月开设办公室。
Mistral AIAI 评分4747 通过微调释放视觉语言模型在卫星图像上的潜力
Mistral 使用 LoRA 对 Pixtral-12B 进行卫星图像领域微调，在 Aerial Image Dataset 场景分类任务上显著改善基础模型表现。实验将数据集分为 8,000 个训练样本和 2,000 个测试样本，未微调 Pixtral-12B 会混淆相近类别并产生无效标签；微调可通过 Mistral fine-tuning API 或 LaPlateforme UI 完成。
Mistral AI精选AI 评分7272 Mistral AI 为 Le Chat 推出 Deep Research、语音模式、Projects 与图像编辑等功能
Mistral AI 为 Le Chat 发布多项新功能，包括 Deep Research 预览模式、基于 Voxtral 的语音模式、由 Magistral 驱动的多语言 Think 模式、Projects 文件夹，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：官方一次性说明 Le Chat 在研究、语音、推理、项目管理和图像编辑上的能力扩展，可用于对比通用 AI 助手的功能演进。
Mistral AI精选AI 评分8282 Mistral AI 发布 Voxtral 语音理解模型，推出 24B 与 3B 版本
Mistral AI 发布 Voxtral 语音理解模型，包含面向生产的 24B Voxtral 和面向本地及端侧部署的 3B Voxtral Mini，二者均采用 Apache 2.0 许可并提供 API。
推荐理由：官方同时给出 24B 与 3B 两种规格、Apache 2.0 许可和 API 定价，便于比较开源部署与托管调用的取舍。
Mistral AI精选AI 评分7777 Mistral AI 发布 Mistral Medium 3，主打低成本企业级性能
Mistral AI 发布 Mistral Medium 3，称其以更低成本提供前沿模型性能，API 定价为 $0.4 input / $2 output per M token。
推荐理由：官方给出定价、基准对比和企业部署方式，可帮助读者判断中等规模模型在成本与专业任务间的取舍。
Mistral AI精选AI 评分8282 Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，提供 Base 和 Instruct checkpoints，采用 Apache 2.0 许可证。
推荐理由：官方给出性能、速度、128k 上下文和本地硬件要求，可帮助评估小模型在端侧与低延迟场景的适用性。
Mistral AI精选AI 评分7979 Mistral AI 发布 Mistral OCR 文档理解 API
Mistral AI 发布 Mistral OCR，这是一个面向图像和 PDF 的光学字符识别 API，可按顺序提取交错的文本与图像，并支持表格、公式、LaTeX、多语言和多模态文档。
推荐理由：官方说明了 API 定价、速度、文档结构化输出和自托管选项，便于评估其接入 RAG 与企业文档流程的可行性。
Mistral AI精选AI 评分7575 Mistral AI 发布全新 le Chat 助手并推出 Pro、Team 与 Enterprise 版本
Mistral AI 发布全新 le Chat，定位覆盖生活与工作的 AI 助手，并同步推出 Pro、Team 服务层级及处于 private preview 的 Enterprise 版本。
推荐理由：官方完整说明 le Chat 的新能力、付费层级和企业部署方式，可用于对比主流 AI 助手的功能边界。