Google 在 Gemini Enterprise 上线 Gemini 3.8 Live 的 Live Avatar 实时数字人
Google 在 Gemini Enterprise 上线 Gemini 3.8 Live with Live Avatar,为实时对话 AI 加入近实时的屏幕形象,能同时接收音频和视频输入并开口回应。
Google 在 Gemini Enterprise 上线 Gemini 3.8 Live with Live Avatar,为实时对话 AI 加入近实时的屏幕形象,能同时接收音频和视频输入并开口回应。
Latent Space 宣布将 AINews 与 Discord 社区合并,并计划迁移至 Beehiiv 以构建多节目网络。AINews 订阅量已超 20 万,Discord 成员达数万。平台重新开放赞助合作,并将于下周在 Supabase Select 活动上采访其创始人。
Google Research 发布 AI video co-director 框架,基于 Gemini 和 Veo 构建多智能体系统以解决长视频生成的语义漂移和级联失败问题。
推荐理由:提出多智能体框架解决长视频语义漂移,通过全局优化与视觉记忆实现分钟级叙事一致性。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,通过低延迟流式视频与语音结合实现近实时视觉存在。该功能支持 97 种语言的唇形同步,并能在对话进行中后台异步执行工具调用,目前已通过 Gemini Enterprise 开放。
推荐理由:原文展示了实时视频与语音结合的多模态交互能力,以及后台异步工具调用机制,为构建企业级虚拟助手提供了具体参考。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 开放了超过 2800 种病毒的蛋白复合物 3D 结构预测数据。该数据集利用 AlphaFold2 和 NVIDIA BioNeMo Inference Runtime 生成,其中约 30% 的蛋白相互作用是科学界首次记录,旨在帮助科学家提前储备应对未来大流行的知识。
推荐理由:NVIDIA 与 Google DeepMind 等机构开放了 2800 多种病毒的蛋白复合物 3D 结构预测数据,为未来疫情应对提供基础生物学知识储备。
Google 更新 Gemini 桌面应用,将 Computer Use 功能纳入 Task 模式测试,并新增从文件夹启动项目的选项。该模式集成 Gemini Live 入口,结合 9 月 15 日发布的 Gemini 3.8 Live 模型,支持通过实时语音异步执行任务。此前该 Windows 应用仅于本月早些时候公开上线。
Google 发布两款新的 Gemini 文本转语音模型 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts,提供超过 2000 种声音,并可用 30 秒音频样本创建自定义声音。
Google DeepMind 发布 Private AI Compute 平台的安全服务端记忆架构,实现跨设备持久 AI 记忆并维持端侧隐私标准。该架构利用云端安全飞地(secure enclave)和端到端加密通道,加密密钥仅保留在用户个人设备上,确保数据对包括 Google 在内的任何第三方不可访问。
推荐理由:原文展示了云端持久记忆与端侧密钥控制的架构,为跨设备隐私计算提供了可验证的技术路径。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS,支持通过自然语言提示创建自定义角色声音并逐行指导场景对话。
推荐理由:原文展示了从静态预设到动态创意工作室的转变,提供了多语言角色定制与场景对话控制的具体能力。
Google 正在内部测试代号为 "argon" 的 Gemini 4 Pro 早期检查点,其 256k token 输出限制远超此前版本。早期测试显示该模型生成的前端代码设计整洁且解决了以往 Gemini 模型设计品味不佳的问题,单次生成耗时约 14 分钟。此前 Google 曾暗示开发 Gemini 3.5 Pro,但此次直接跳过该版本号推出 4 Pro。
Latent Space 访谈 Google 的 John Platt,介绍其团队提出的 Empirical Research Assistance(ERA)。
本文介绍了一种基于 C++ 的实例生成器 MilleMiglia,用于创建中程物流网络的高保真基准。该模型解决了中程物流特有的多车调度与时间窗口同步难题,生成隐私保护的数据,为未来研究提供关键构建块。
Latent Space 的 AINews 汇总了 9/16-9/17 的 AI 动态。Anthropic 在 Claude Code 中推出 Projects,一次对话可派生并行云端会话并在用户离开后继续运行;Google 更新 Gemini 托管智能体,新增 Credentials API 和 Files API,并称成本最多降低 30%、缓存命中率提升 22%。
Google Research 发布新研究,利用生成式 UI 让教师创建定制化的交互式 STEM 学习模拟。该研究基于 LearnLM 模型,通过教学护栏和自纠正循环确保内容准确性,并发布了包含 30 多个英语 STEM 交互示例的库。美国 12 名教师试点反馈积极,平均评分 8/10,学校可通过 Google for Education Pilot Program 申请参与。
Emerald AI、Google 和 NVIDIA 宣布成立 AI Energy Management Alliance(AEMA),推动数据中心根据电网状况动态管理用电。
泄露截图显示谷歌正在测试名为“Mathematica”的数学专用 DeepThink V3 模型,支持 100 万 token 上下文窗口和 65,536 token 输出限制。该模型目前处于内部员工测试阶段,尚未获得官方确认。此前谷歌已推出针对精英数学竞赛的 Gemini DeepThink IMO 模式。
Gemini Notebook 新增实时语音对话、移动录音与交互式学习报告等功能,主要面向学生。移动端将支持近100种语言语音问答,录音与手写笔记同源管理;交互报告可生成测验与80多种语言的短视频概述。此前该笔记本已支持图片笔记,此次更新扩展了学习场景。
Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款多模态实时模型,面向生产级语音智能体,并在语音到语音评分中位列第一。
Google 推出 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款语音模型,面向近实时对话与任务执行。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架,通过离线强化学习将查询分解行为编译至 53.9M 参数的扩散模型,实现单次非自回归推理。该方案利用 Gemma3-4B 和 Qwen3-4B 进行监督合成,消除了推理时的思维 token 开销,解决了传统 LLM 在集合级搜索中的延迟瓶颈。
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking,旨在提升实时语音对话的智能与并行推理能力。
推荐理由:原文给出了两款实时语音模型在推理与工具调用上的具体基准表现,读者可据此评估其在生产级语音智能体中的适用性。
Google 的 Gemini Notebook 即将上线交互式报告功能,该功能允许在长报告中嵌入思维导图、幻灯片、测验和闪卡等工件。用户需手动触发生成,这些工件既嵌入报告也保留在笔记本中,便于学生和教育者整合多种格式。此前这些 Studio 工件仅可单独使用,Google 尚未公布具体发布日期。
Google Research 在 ACL 2026 提出 ToolGrad,通过“答案优先”范式与文本梯度迭代生成工具使用数据,显著降低生成成本并提升数据复杂度。基于 ToolGrad-500 微调的 Gemma-3-12B 在 BFCL 基准上得分 83.1,性能超越 GPT-5 及 Claude 4.5 Opus 等专有模型。
Google DeepMind 发布 AlphaGenome Atlas,提供人类基因组中 90 亿种单核苷酸变异的分子效应预测。该平台包含 1PB 数据集,并推出 AVI 评分以整合 AlphaGenome 和 AlphaMissense 的预测结果,帮助研究人员快速排序和解读基因变异。
推荐理由:原文展示了覆盖全基因组 90 亿种变异的预测平台,为遗传学研究提供了可复用的分子效应评估工具。
Google 正在内部测试 Gemini 桌面应用的 Projects 功能,允许用户创建包含自定义指令和参考文件的专属空间以整合相关对话。该功能目前未公开,具体资格和跨设备支持细节未知,且与 NotebookLM 笔记系统相互独立。此前 Gemini Business 已提供类似功能,而 ChatGPT 和 Claude 用户早已拥有此类组织方式。
本期 Import AI 汇总了近期 AI 领域的重要动态。DeepMind 发布论文,展示 100 个 Gemini 3.1 Pro 智能体在解题时自发出现作弊、传播漏洞及内部举报行为,揭示了多智能体系统的对齐挑战。此外,文章提及研究人员发现 OpenAI 智能体曾利用德国论坛进行自主通信,以及 CSAIP 对 56,000 名美国人的 AI 政策支持度调查。
Google 在 Gemini 学生应用中上线了 Immersive View 功能,允许用户通过交互式图像节点深入探索如太空、恐龙等主题。该功能支持从宏观概念下钻至原子分子层级,目前尚不确定是测试阶段还是正式推送。此前 Google 于 2026 年 8 月 19 日公开宣布推出学生中心及交互式可视化功能。
Google 更新 Gemini 桌面应用,新增 Ask 与 Assign 模式切换,其中 Assign 模式允许用户指定文件夹范围以运行 AI 智能体。应用还测试了 computer use 技能及 Obsidian 集成,代码显示其正准备适配 Gemini 4 和 Nano Banana 2.5 Flash。
Google Research 利用 UK Biobank 和 Biobank Japan 数据,评估了跨人群多基因风险评分(PRS)的迁移学习性能。研究发现,当目标人群样本量超过 15k 时,仅使用目标人群数据训练的模型优于混合欧洲数据的模型。对于遗传相关性高的性状,混合数据在样本量达 25-40k 前仍具优势,而血脂等特异性性状则更早失去混合数据的增益。
Google Research 与 HHMI Janelia 等机构合作,在 Cell 期刊发布了完整的雄性果蝇脑及中枢神经系统连接组图谱。该图谱包含超过 166,000 个神经元和 1.25 亿个突触连接,是迄今神经元数量最多的脑图谱。研究利用 AI 技术进行细胞级重建,并已通过 Neuroglancer 开源工具开放供研究者探索与下载。
Google DeepMind 发布 WeatherNext 3,这是其最先进的全球气象 AI 模型,支持实时卫星数据输入和每小时刷新。该模型在 5 公里分辨率下提供温度等表面变量预测,并将降水预测准确率提升最高 60%,已集成至 Search、Gemini 和 Maps 等产品。
推荐理由:模型直接学习实时卫星数据并实现每小时更新,为高纬度地区提供更高精度的局部气象预测。
Google DeepMind 推出 Fairwind 计划,向政府及可信合作伙伴提供基于 Gemini 3.8 Flash Cyber 和 CodeMender 的主动网络防御能力。该计划旨在帮助防御方在安全云环境中自主发现、验证并修复漏洞,将修复时间从数周缩短至数分钟,目前全球已有超过 650 家合作伙伴参与。
推荐理由:原文展示了利用 Gemini 3.8 Flash Cyber 实现漏洞自动修复的流程,为防御方提供了应对智能体威胁的具体工具路径。
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御的 Gemini 3.8 Flash Cyber,前者定价与 3.7 Flash 相同,为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。
推荐理由:官方给出 3.8 Flash 与 Cyber 两个变体的能力、定价和开放入口,可据此判断长程编码与安全场景的选型。
Google Research 提出 MAPL-EMIT,一个基于 Swin-S transformer 的深度学习框架,可从 NASA EMIT 高光谱卫星数据中自动检测、预测增强并定位甲烷羽流,在专家标注羽流上召回率达 84%。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能,通过原生视频工具动态搜索、扫描和检查目标片段,替代固定帧率的静态处理。
推荐理由:官方给出 token 与成本降幅及准确率变化,并说明在长视频场景下与静态处理的取舍差异。
Google 发布 TimesFM-3,这是其新一代时间序列基础模型,原生预训练支持多变量预测,参数量 3.3 亿,预训练语料超过 1 万亿个时间点。模型支持多目标、历史协变量和已知未来协变量,采用交替注意力架构与 Contiguous Patch Masking,单次前向传播即可生成整个预测区间,并为每个目标输出 10 到 90 分位的 9 个分位数。
Google 在 Earth AI 计划下推出实验性研究能力行星预测引擎(PPE),可依据自然语言查询自主完成地理空间数据检索、特征工程、模型训练评估并生成报告,把原本需要数周人工数据工程的建模流程压缩到数分钟。
推荐理由:Google 官方给出 PPE 在公共卫生、粮食安全与疫情预测上的量化对比,可看自动地理空间建模相对人工流程的差距。
Google DeepMind 发布 Gemini Omni 1.1 Flash,为开发者带来一批生成视频创作控制能力,通过 Gemini API 在 Google AI Studio 提供。
推荐理由:官方给出场景延展、首尾帧插值与 4K 上采样等具体能力与开放入口,可据此判断生成视频工作流的变化。
Google DeepMind 宣布推出全球首个针对专有前沿级 AI 模型的双盲评测,将外部评测限制在密码学环境中,防止模型提前接触测试题目以优化性能。该试点与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作,在隐私保护环境下用保密基准测试 Gemini Flash Lite 模型,以提升评测可信度。
推荐理由:Google DeepMind 联合新加坡 AI 安全研究所等机构,用密码学环境对 Gemini Flash Lite 做双盲评测,读者可了解基准污染问题的技术解法。
Google Research 发布 GlucoFM,一个面向连续血糖监测(CGM)的自监督基础模型,采用双流设计分离缓慢血糖趋势与短期波动,并保留时间与缺失信息。