Google DeepMind 推出 SL2T 手语转文字模型
Google DeepMind 于 2026 年 8 月 12 日发布 SL2T 手语转文字翻译模型，在 FLEURS-ASL 基准上取得零样本 70 BLEURT 的成绩。
推荐理由：该模型首次将手语AI从实验室带入消费级产品，用户可直接在手机任何输入场景下手语转文字。
内容形态
产品更新 最新动态
AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
41 条精选近 30 天 16 条共收录 191 条
更新
精选归档 · 第 2 页
Google DeepMind精选AI 评分7676
Microsoft Research精选AI 评分8282 Microsoft Research 开源 Orchard 框架：统一环境服务支撑智能体训练与评测
Microsoft Research 发布开源框架 Orchard，核心是 Kubernetes 原生的 Orchard Env 环境服务，为智能体提供可复用的隔离组件，支持从数据蒸馏、强化学习 rollout 到评测的全流程，无需为每类任务重建底层设施。
推荐理由：原文给出了三个场景的具体训练数据量、参数规模和性能数字，读者可以直接评估它在各自任务上的可用性。
Google DeepMind精选AI 评分6565 Google DeepMind 在 Flow Music 中推出 Lyria 3.5，在音乐性、歌词、人声和创作控制方面实现进步
Google DeepMind 发布最新音乐生成模型 Lyria 3.5，现已在 Flow Music 中可用。新版在四个方面实现提升：音乐性更自然、旋律结构更丰富；歌词质量更高、提示词遵循和结构感知更强；人声更具表现力和情感细腻度，发音更清晰；支持更便捷地控制输出速度和时长。
推荐理由：原文给出了四个维度的具体提升点，读者可以据此了解当前音乐生成模型的能力边界和可用入口。
Google DeepMind精选AI 评分7272 Gemini Robotics 2 为机器人带来全身智能控制
Google DeepMind 发布 Gemini Robotics 2，包含三个模型：Gemini Robotics 2（高级 VLA 模型，支持全身控制和高级灵巧操作）、Gemini Robotics ER 2（具身推理模型，可处理多步骤任务和人类交互）、Gemini Robotics On-Device 2（端侧优化模型，几小时内适配新机器人形态）。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布图像模型 Nano Banana 2 Lite 和视频模型 Gemini Omni Flash。
推荐理由：原文给出了具体性能数字（4 秒延迟、$0.034/1K 图）和可用入口，读者可据此判断如何接入新模型。
Google DeepMind精选AI 评分6666 Gemini 3.5 Flash 新增内置计算机使用能力
Google DeepMind 宣布 Gemini 3.5 Flash 现已内置 computer use 能力，支持开发者构建可在浏览器、移动端和桌面环境中看屏、推理并执行动作的智能体。
推荐理由：Gemini 3.5 Flash 现已内置 computer use 能力，开发者可直接用它构建跨平台智能体，并获得可选的企业级安全防护层。
Google DeepMind精选AI 评分6666 Google 推出 Gemini Omni：能理解任意输入并生成视频的多模态模型
Gemini Omni Flash 是 Google DeepMind 发布的首个能处理任意模态输入并生成高质量视频的模型，支持图像、音频、视频、文本组合输入。
推荐理由：模型的核心能力（任意模态输入生成视频、自然语言编辑）和具体开放时间线已给出，读者可据此判断它对自己工作流的影响。
Google DeepMind精选AI 评分6969 Google 发布 Gemini for Science：面向科学发现新时代的 AI 实验与工具
Google 发布 Gemini for Science，包含三个实验工具：Hypothesis Generation 由 Co-Scientist 构建，通过多智能体「创意竞赛」生成和评估假说。
推荐理由：原文给出了三个实验工具的具体能力（多智能体假说生成、并行测试数千种代码变体、文献结构化分析）和开放入口，读者可以据此判断它们如何改变现有科研工作流。
Google DeepMind精选AI 评分7070 Google DeepMind 扩展内容溯源与验证工具，覆盖 Search、Gemini、Chrome、Pixel 和 Cloud
Google DeepMind 扩展内容透明度和验证工具，SynthID 水印技术已对超过 1000 亿张图片和视频、6 万年音频添加水印。Gemini 应用中的 SynthID 验证已使用 5000 万次，并扩展至 Search 和 Chrome。
推荐理由：原文给出了具体的数据规模和合作伙伴，读者可以据此判断 AI 内容溯源和验证工具的可用性变化。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Co-Scientist：基于 Gemini 的多智能体科研加速工具
Google DeepMind 在 Nature 发表 Co-Scientist 研究并正式向科研人员开放试用。
推荐理由：Co-Scientist 展示了多智能体如何在科研假设生成中形成迭代循环，读者可借鉴其“生成—辩论—进化”架构来思考如何将 AI 引入自己的研究流程。
OpenAI News精选AI 评分6363 OpenAI 推出 ChatGPT 广告自助购买新方式
OpenAI 推出 ChatGPT 广告的 beta 版自助 Ads Manager，支持 CPC 竞价和增强的测量工具，强调保护用户隐私并将对话与广告分离。
推荐理由：原文给出了 beta 版自助广告管理器、CPC 竞价和隐私保护三个具体变化，读者可以据此判断它对广告商的价值。
Google DeepMind精选AI 评分7474 Google DeepMind：为 AI 时代重新设计鼠标指针
Google DeepMind 发布 AI 驱动的智能指针实验项目，由 Gemini 提供支持。指针不再只追踪位置，还能理解用户指向的内容及其语义，从而用自然语言完成复杂操作。该功能现已集成进 Chrome 并即将登陆 Googlebook，用户可通过 Google AI Studio 体验 demo。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 3.1 Flash Live 音频模型，提升实时对话的自然度和可靠性
Google DeepMind 推出 Gemini 3.1 Flash Live，这是其最高质量的音频和语音模型，在 ComplexFuncBench Audio 上得分 90.8%，在 Scale AI Audio MultiChallenge 上得分 36.1%（开启 thinking）。
推荐理由：原文给出了具体 benchmark 数据和多产品可用入口，读者可以据此了解 Gemini 3.1 Flash Live 在音频/语音任务上的能力边界和实际落地场景。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Lyria 3 Pro，可生成长达 3 分钟的结构化音乐
Google DeepMind 发布 Lyria 3 Pro，这是其高级音乐生成模型，支持生成长达 3 分钟的曲目，并能理解音乐结构（intro、verse、chorus、bridge）。
推荐理由：原文给出了能力变化（3分钟长曲目、结构感知）和多个产品落地入口，读者可以据此判断它对音乐创作工作流的影响。
Google DeepMind精选AI 评分7676 Gemini app 上线 Lyria 3 音乐生成功能，支持文本或图片生成 30 秒音轨
Google DeepMind 宣布在 Gemini app 推出 Lyria 3 音乐生成模型，用户输入文本描述或上传照片即可在数秒内生成 30 秒定制音轨（含自动生成歌词），支持英语、德语、西班牙语、法语、印地语、日语、韩语和葡萄牙语，面向 18 岁以上用户开放 Beta 测试。所有曲目均嵌入 SynthID 水印以标识 AI 生成内容。
推荐理由：Lyria 3 以 30 秒音乐生成为切入点展示多模态能力进展，且 SynthID 水印和合规设计在文中都有具体说明。
Google DeepMind精选AI 评分7272 Gemini 3 Deep Think：推进科学研究与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，专注科学、研究与工程领域的高难度推理任务。新版在 Humanity's Last Exam 达 48.4%（无工具）、ARC-AGI-2 达 84.6%、Codeforces 达 3455 Elo、CMT-Benchmark 达 50.5%，并在数学、物理和化学奥林匹克书面部分达到金牌水平。
推荐理由：原文给出了多个权威基准测试的明确分数和 API 开放入口，读者可以据此评估 Gemini 3 Deep Think 的实际能力水平。
Google DeepMind精选AI 评分7373 Gemini 2.5 Flash Native Audio 更新：函数调用准确率 71.5%、支持 70+ 语言实时翻译
Google DeepMind 发布更新后的 Gemini 2.5 Flash Native Audio，用于实时语音智能体。
推荐理由：原文给出了三个维度的量化改进和实时语音翻译的具体能力边界，读者可据此评估这些提升在实际场景中的可用性。
Google DeepMind精选AI 评分6565 Google DeepMind 如何在 Gemini 应用中推出 AI 图像验证功能
Google 在 Gemini 应用中上线 AI 图像验证功能，用户上传图像并询问"这是由 Google AI 创建的吗？"即可检测 SynthID 数字水印，判断图像是否由 Google AI 生成或编辑。
推荐理由：Google 将 SynthID 水印验证能力直接集成到 Gemini 对话中，用户只需上传图像并提问即可判断是否由 Google AI 生成，降低了普通用户识别 AI 生成内容的门槛。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型，支持 2K/4K 分辨率、最多十四张输入融合、改进的文字渲染及图像本地化，并集成 SynthID 数字水印。
推荐理由：该模型将 Gemini 3 Pro 的能力扩展到图像生成领域，并原生支持与 Google Search 的 grounding 融合，可输出数据驱动的可视化内容。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Nano Banana Pro 图像生成模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成和编辑模型，基于 Gemini 3 Pro 增强了推理和世界知识。
推荐理由：原文列出了具体能力升级（推理增强、文本渲染、图像融合数量、分辨率等）和多端上线时间，读者可据此评估与现有图像生成工具的差距。