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。
谷歌悄悄组了一支 AI 编程突击队，由前 DeepMind 研究员 Sebastian Borgeaud 带队，谢尔盖·布林和 Koray Kavukcuoglu 直接参与，目标是提升长上下文编程能力和内部代码自动化。压力信号很直接：谷歌自己说约 50% 的代码已由编程 agent 生成、工程师负责审核，而 Anthropic 那边放话 Claude ...
推荐理由：HKR 三项都成立：布林回归的 hook 够强，谷歌 50% 代码由 agent 写的数字是硬信息，AI 编程的竞争态势也是圈内真痛点。但正文没披露团队规模、上线时间和具体模型版本，所以没给更高优先级。
Morgin.ai 用 4,442 个句子测试了 6 个预训练模型，发现即便是去掉拒绝机制的“无审查”模型，碰到敏感词时概率也会被大幅压低，差距从几百倍到约 1.6 万倍不等。他们管这叫“退缩”：模型不会拒绝回答，但会把敏感词的概率压到几乎为零。比如同一句话填空，Pythia-12B 首选“驱逐出境”，概率 23.27%；而 Qwen3.5-9B 把同...
推荐理由：这篇文章最值钱的地方是把“无审查”这个标签撕开给你看。它没讲拒答，而是讲预训练阶段词的概率分布就已经歪了——比如 qwen3.5-9b-base 把 deportation 排到第 506 位，概率只有 0.0014%。我会先打个折：这只是单篇研究博客，不是正式论文，样本和模型覆盖有限。但它的视角够刁，用 4,442 个上下文测出的 flinch 现象，比泛泛讨论“模型审查”实在得多。对从业者来说，提醒了一件事：别光盯着后训练的安全对齐，预训练数据的分布偏移才是更底层的坑。这点先别太激动，但值得跟。
Bloomberg 这条视频提到 Google 准备推出一批专做推理的新 AI 芯片，正面挑战英伟达。不过正文被付费墙挡了，没披露具体发布时间、型号、性能参数、定价和客户。我会先打个折：目前能确认的信号是推理芯片的供给竞争在升温，但产品到底多能打、什么时候落地，都还是未知数。
推荐理由：HKR-H 和 HKR-R 通过，因为这条消息把 Google 和 Nvidia 在推理芯片上的直接竞争摆上了台面。HKR-K 弱：报道只确认了推理这个方向，芯片叫什么、跑分多少、卖多少钱、什么时候出、谁会买，这些关键信息正文都没披露，所以信息缺口很大。
Bloomberg 的视频预告说 Google 这周会公布新的定制芯片，定位是 AI 推理任务。正文被付费墙挡了，没拿到具体型号、性能、功耗和价格。我会先打个折：重点不是又发芯片了，而是这批 TPU 能不能把推理成本打下来、供货稳不稳。
推荐理由：标题说新芯片，但正文其实只给了两个信息：本周发布、面向推理。我会先打个折——型号、性能、功耗、价格一概没披露，现在激动还太早。之所以还放在 featured 里，是因为 Google 把新 TPU 直接框在推理上，这对算力成本和供给是个实打实的信号，AI 团队会追。但信息缺口太大，重要性停在 74 是合理的。
高德这次公开的 ABot 是一套想让机器人真正干活的全栈技术体系，分视觉感知、物理世界模型和视觉语言动作模型几块。ABot-3DGS 能用厘米级地图数据重建上万平米的三维场景，ABot-PhysWorld 则是一个 140 亿参数的扩散模型，用 300 万条真实机械臂操作视频训练，让机器人先在大脑里模拟动作再执行。文章说横扫 15 项 SOTA，但具体...
推荐理由：高德这次公开的 ABot 体系，我会先打个折——15 项 SOTA 具体是哪些基准、跟谁比，正文没列，挑战赛名称也没给，这点先别太激动。但能聊的东西确实有：ABot-3DGS 拿厘米级地图和轨迹数据生成了上万组 3D 场景，号称覆盖率 99%，如果属实，等于用地图老本行给具身训练铺了一条低成本数据管道；ABot-PhysWorld 用 14B 的 DiT 加 300 万条真实操作视频做物理判别训练，规模不小。真正该盯的是他们把世界模型和 VLA 闭环绑在一起做的思路，不是单点炫技。开源范围和时间表都没披露，落地成色还得等。
作者用 6 个固定跑团场景测了 8 个模型，让它们当桌游主持人。评分用了 8 项自动指标加 3 个 LLM 裁判打分，整轮测试只花了约 0.02 美元。最终 google/gemma-3-27b-it 以 4.33 的综合叙事分排第一。标题说 27B 赢了 405B，但正文被屏蔽了，没披露那个 405B 具体是哪个模型，也没给出完整排名。这点先别太激动...
推荐理由：这篇来自 Reddit 的个人评测，钩子够锋利——小模型在叙事质量上干翻大模型，HKR 三项全中。我把它留在 featured 而不是更高，是因为正文截断了，405B 具体是哪个模型、完整排名都没给出来，信息有缺口，先别太激动。
作者用 Anthropic 的免费 token 计数接口，拿同一批内容分别喂给 Claude Opus 4.6 和 4.7，看 token 数涨了多少。7 份真实 Claude Code 用户会发的样本（包括 CLAUDE.md 文件、终端输出、代码 diff 等）加权后从 8254 个 token 涨到 10937 个，整体多了 32.5%。其中技术...
推荐理由：这篇不是官方通稿，是第三方实测，把“同价”背后的 token 膨胀算清楚了。我会先打个折：IFEval 只抽了 20 题，样本量不大，但真实文档 1.47 倍、中文日文几乎不涨这些数字对实际用量有参考价值。对用 Claude Code 的人，窗口烧得快、缓存命中变贵、限流更容易触发，这些比 IFEval 涨 5 个点更值得盯。正文没披露样本的具体内容，但加权方法和对照设置交代得够用。
Google 在 4 月 16 日给桌面端 Chrome 的 AI Mode 加了一个并排浏览功能：你在 AI Mode 里点开一个链接，网页会在右侧打开，左侧的对话窗口不会消失。这样你一边看网页，一边可以接着问 AI 问题，AI 会结合当前页面内容和全网信息来回答。比如挑咖啡机时，你可以让 AI 直接告诉你某款好不好清洗。正文没提这个功能的具体推送范...
推荐理由：Google 把搜索对话和网页浏览塞进同一个工作流里，不再是“搜完就走”或“聊完再点”。正文给了上下文保留和页面+全网回答的机制，但覆盖范围、上线节奏和地区限制都没说，所以重要性先打个折，放在 featured 里观察。
Ben 在飞往旧金山的航班上没网，临时下载了 Gemma 4 26B 模型离线干活，顺便分享了他管理 AI 上下文窗口的几条硬经验。核心观点是：别迷信 100 万 token 的超长窗口，他根本不信任那种窗口下的稳定记忆，任务所需的完美回忆不该超过 15 万 token。他建议在上下文用量达到 60% 左右就收手，因为网页搜索会塞进大量你来不及看的 A...
推荐理由：这是一份个人工作流笔记，不是产品发布或论文，但给出的 60% 上下文红线和对 1M token 记忆的不信任，对天天跟 agent 打交道的人有直接参考价值。我会先打个折：正文没披露这些数字背后的系统测试，更像经验之谈，但胜在具体、可验证。污染链条那段提醒很实在，长上下文不是越大越好，垃圾进去只会放大。
DeepMind CEO Demis Hassabis 在这场访谈里没怎么画饼，反而直说现在的 AI 发展节奏被商业和地缘政治推得太快，不是他理想的路子。他个人的想法是，把 AGI 相关技术在实验室里像欧洲核子研究中心那样再打磨十到二十年，每一步都彻底搞懂再往前走。他举了 AlphaFold 的例子，当初团队本打算按传统方式搭服务器让科学家排队提交任务...
推荐理由：这篇是访谈的二次整理，不是模型发布或政策文件，所以分数没拉满。但 Demis 的时间线判断、实验室沉淀主张、300 万用户和近 20 条药物管线的数据，以及他点名 2 到 4 年内的两类风险，信息密度够高，对从业者判断行业节奏和安全优先级有参考价值。
谷歌在 4 月 15 日上线了 Gemini 的 Mac 原生应用，要求 macOS 15 以上系统。跟之前用网页版不同，现在按 Option + 空格就能在任何界面呼出它，不用切窗口。你可以把当前屏幕内容或本地文件直接丢给它，让它帮你总结图表、核对日期或写公式。应用还内置了 Nano Banana 生图和 Veo 生成视频的功能。简单说，谷歌终于追上...
推荐理由：Google 给 Mac 发了个原生 Gemini 应用，快捷键一按就能呼出，还能直接把整个屏幕或本地文件丢给它看。我会先打个折：这不算模型能力飞跃，更像在抢桌面入口和用户上下文。正文没提和网页版在回答质量上有没有区别，也没给延迟或资源占用数据，所以别急着说体验一定更好。但能共享屏幕和文件，意味着它想当个看得见你桌面的助手，这点比多一个客户端重要。整体是中等体量的产品更新，放在 featured 低位合适。
OpenAI 给自家 Agents SDK 塞进了一个内置沙箱，Agent 可以直接在里面读写文件、跑代码、装依赖、保存状态，不用开发者自己搭环境。沙箱支持 Cloudflare、Vercel、Modal 等云厂商，也能接自己的方案。另一个更新是 Harness 架构，把状态存外面、计算跑里面，容器崩了能捡起来接着跑，不用重来，也能防提示注入导致凭证泄...
推荐理由：OpenAI 把 Agents SDK 从玩具级推到可上生产的级别，核心是两件事：内置沙箱让 agent 能安全跑代码和装东西，Harness 把执行和状态拆开，容器挂了任务还能接着跑。对做 agent 的团队来说，这省了自己搭隔离环境和写恢复逻辑的功夫。TypeScript 支持还在开发，正文没给时间，这点先别太激动。整体是工具链的扎实升级，不是概念发布，所以放 featured。
Google DeepMind 发布 Gemini 3.1 Flash TTS，一款主打可控性与表现力的文本转语音模型，已在 Gemini API、Google AI Studio、Vertex AI 和 Google Vids 中开放预览。
推荐理由：原文给出新语音模型的音频标签控制方式、Elo 分数与多平台开放入口，可据此判断语音生成的可控性变化。
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，强化了空间推理与多视角理解，并新增仪表读数能力。
推荐理由：原文给出新模型在空间推理、多视角与仪表读数上的能力变化和开放入口，可据此判断机器人高层推理的进展。
谷歌CEO皮查伊在2026年4月的一次专访里，把家底和判断都摊开了。他说明年（2027年）会是企业AI agent workflow（让模型进业务流程干活）的爆发点，AI将从程序员提效工具变成非技术岗位的智能核心。关于搜索，他认为不会被聊天机器人取代，而是会进化成一个“Agentic Manager”，能直接帮你规划旅行、处理多线程任务，他自己已经在用...
推荐理由：这不是产品发布，而是高管在访谈里给出的判断和内部数据，信号密度很高。Pichai 把 2027 年定为 Agent 爆发点，配合千亿级资本开支和毫秒级延迟管控，让这个判断比一般预测更有分量。搜索演进和算力稀缺这两条线也直接关联从业者当下的决策。分数没给到 P1，因为信息来自二手转述而非一手访谈原文，但 H、K、R 三项都扎实成立。
Google DeepMind 团队在 Gemma 9B 上做了一组实验，证明 RLHF 数据效率低不是算法本身不行，而是用法错了。他们对比了四种算法：离线 RLHF 需要约 20 万条偏好标注才能达到 55% 左右的胜率；而他们提出的在线 RLHF 加上信息导向探索，不到 2 万条标注就做到了同样的水平，数据效率提升超过 10 倍。信息导向探索的核心...
推荐理由：我会先打个折：反馈是用 Gemini 1.5 Pro 模拟的，不是真人标的，1000倍增益也只是在不超过100万条标注区间外推出来的。但方法论值得看——在线 RLHF 加信息导向探索，让模型自己挑该问什么，把标注预算花在刀刃上。这点先别太激动，但如果是真的挺省钱。
Sakana AI 开源了一个叫 Shinka Evolve 的框架，核心思路是让大语言模型像进化算法一样自己改代码、写新程序，不断迭代出更强的解法。它主要想解决谷歌 DeepMind 之前 AlphaEvolve 的一个痛点：太费资源，动不动就要评估上千个程序。Shinka Evolve 在经典的圆堆积问题上，用少得多的评估次数就超过了 AlphaE...
推荐理由：这篇值得 featured，但不到 P1。钩子清楚——用更少评估超越 AlphaEvolve，机制也讲得明白，比如用 UCB 老虎机在 GPT-5、Claude Sonnet 4.5、Gemini 之间动态选模，还加了程序交叉和全文件重写。对做 agent 的人来说，评估贵、任务设计和硬验证一直是头疼的事，文章直接点出系统仍需人类给题、自动发明问题和严格验证没解决，这点很实在。我会先打个折：关键指标、成本和主发布链接都没给，所以停在 80 分。
Google 的 Gemma 4 上线第一周就冲到约 200 万次下载。做个对比：Gemma 3 过去一年总共 670 万次，Gemma 2 从 2024 年 6 月到现在 140 万次，而 Qwen 3.5 在大约一个半月里拿了约 2700 万次。这次最值得关注的是本地部署的速度——有人用 iPhone 17 Pro 跑 Gemma 4 E2B，通过...
推荐理由：这条消息的看点不是 Google 又发了个模型，而是首周 200 万下载这个数字本身，以及它和 Qwen 3.5 一个半月 2700 万的对比——开源模型的采用速度在明显变快。更实在的是有人已经在 iPhone 上跑出 40 tok/s，这对做端侧部署的人来说是个可参考的实测数据，不是公关稿里的理论值。我会先打个折：下载量不等于日活，正文也没披露留存或实际调用量，所以别直接当成市场份额来看。但生态支持列得挺全，至少说明主流推理框架没掉队，这点对选型有帮助。
Anthropic 发推说，他们和 Google、Broadcom 签了一份协议，要拿“好几个 GW”的下一代 TPU 算力，2027 年开始上线，用来训练和跑 Claude 模型。推文只提了“多个 GW”和 2027 这个时间点，没说是哪一代 TPU、合同金额多少、具体交付节奏。这不像普通采购公告，更像提前几年锁定训练和推理用的算力位子。
推荐理由：这不是普通的云服务采购消息，Anthropic提前几年就把未来训练和推理用的下一代TPU产能占住了。我会先打个折：正文没披露具体芯片代际、合同金额和交付节奏，所以没法判断性价比和实际落地风险。但“数吉瓦”这个量级本身就很说明问题——前沿模型对算力的饥渴已经大到要用发电厂的单位来计量了。对同行来说，这等于在算力军备竞赛里提前划了一块地盘，信号意义比合同细节更大。
Gemma 4 一口气发了四个版本：E2B 给手机和 IoT 用，E4B 给移动端和 Jetson/树莓派，26B MoE 每次只激活 3.8B 参数、延迟低吞吐高，31B 全密集版适合桌面或单卡 H100。这次把 agent 工作流当第一优先级，原生支持函数调用、JSON 输出和系统指令，还直接能处理图像、视频和语音转文本，可以做本地语音助手。全部用...
推荐理由：谷歌发 Gemma 4 是一次有分量的开源模型更新。HKR 三项都成立：26B MoE 只激活 3.8B 的部署弹性够抓人，四个规格和商用许可给了新事实，成本敏感场景的参考价值也明确。分数定在 81 是因为基准、上下文窗口和测试细节都没披露，我会先打个折，这点先别太激动。