Google DeepMind 发布 Nano Banana 2 Lite 并向开发者开放 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），为家族中最快最省的图像模型。
推荐理由：原文给出两款模型的速度、价格与可用入口，还说明了各自定位和 API 限制，便于开发者评估是否替换现有工作流。
#多模态
#多模态
今日 4 条Google DeepMind精选AI 评分7373
Mistral AI精选AI 评分7070 Mistral 发布 OCR 4：支持边界框、块分类与置信度分数
Mistral 发布 OCR 4 文档解析模型，在提取文本之外返回边界框、类型化块分类和逐词置信度分数，支持 170 种语言、10 个语言组，可通过单个容器完全自托管。
推荐理由：原文来自 Mistral 官方，给出 OCR 4 的结构化输出、多语言支持和自托管选项，还披露了基准评分局限，可作选型参考。
Google ResearchAI 评分5151 Google 研究显示 AI 工具可提升用户对皮肤状况的认知
Google 发布两项皮肤 AI 研究，其中发表于 JAMA Dermatology 的 2345 人调查显示，AI 辅助组识别病症的准确率达 23%，约为对照搜索组（8%）的近三倍，但判断就医等下一步行动的能力未显著提升。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型，支持 70+ 语言近实时语音转语音翻译
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，支持 70+ 语言自动检测的近实时语音转语音翻译，连续生成保留说话者语调、节奏和音高的译文，全程仅落后说话者几秒。
推荐理由：官方公告给出了模型能力、开放入口和各产品落地细节，读者可以据此判断它对实时语音翻译工作流的改变。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemma 4 12B 统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款统一、无编码器的多模态模型，视觉和音频输入直接进入 LLM backbone，定位介于 E4B 与 26B MoE 之间。
推荐理由：原文给出无编码器架构、16GB 内存可跑和 Apache 2.0 开源等具体变化，读者可据此评估端侧部署选择。
Mistral AIAI 评分4646 Mistral 推出 physics AI：工程加速的基础
Mistral 将 Emmi AI 收入麾下，推出面向工程领域的 physics AI 基础模型。传统 CFD/FEM 仿真每个设计变体需数小时到数周，physics AI 可在单 GPU 上秒级前向推理预测物理场，但不取代第一性原理求解器。该能力已用于 ASML、Airbus、Safran、Siemens Energy 等合作伙伴，覆盖产品设计、工装工艺设计加速与实时数字孪生。
Google DeepMindAI 评分2929 Google DeepMind 在亚太推出 Accelerator 加速器计划，聚焦“AI for the Planet”应对环境风险
Google DeepMind 在亚太地区推出首期 Accelerator 加速器计划，主题为“AI for the Planet”。该计划为期三个月，面向区域内的初创公司、研究团队和非营利组织，帮助其利用前沿 AI 解决自然、气候、农业和能源等领域的环境问题。入选机构将获得专家指导和将前沿 AI 与科学 AI 模型集成到项目中的支持，计划以新加坡的线下 bootcamp 启动，现已开放报名。
Google DeepMindAI 评分5050 Google DeepMind 为 Project Genie 加入 Street View 真实地点生成能力并向 Google AI Ultra 用户开放
Google DeepMind 在 Project Genie 中推出 Street View grounding 新能力，可基于美国真实地点结合“Ocean World”“B&W film”等风格生成可交互世界，技术来自 Maps Imagery Grounding。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 推出 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成视频，并通过自然语言多轮编辑，支持角色一致性和物理表现。
推荐理由：官方首次介绍 Omni 家族，说明了对话式改视频、多输入组合和物理表现的具体能力边界。
Google DeepMind精选AI 评分6161 Google 扩展内容溯源工具：SynthID 验证进入 Search 与 Chrome，Pixel 视频支持 Content Credentials
Google 于 5 月 19 日宣布扩展内容透明与验证工具，覆盖 Search、Gemini、Chrome、Pixel 和 Cloud。
推荐理由：原文梳理了 SynthID 水印、C2PA Content Credentials 验证在 Search、Gemini、Chrome、Pixel 的扩展路径和落地节奏，可据此了解内容溯源工具的现状。
Google DeepMindAI 评分4646 Google DeepMind 与新加坡政府达成新的国家 AI 合作
Google DeepMind 宣布在新加坡启动 National Partnerships for AI 新合作项目，聚焦医疗、科研与教育。合作包括与公共医疗集团探索 AI co-clinician“三方照护”、用 AlphaFold 加速疫情研究、为视障跑者开发 Gemma 驱动的跑步助手，并向从小学到初级学院的所有教师提供 Gemini for Education。
Google DeepMind精选AI 评分6666 WeatherNext 如何帮助美国国家飓风中心提前预测飓风 Melissa 登陆牙买加
Google DeepMind 的 AI 气象模型 WeatherNext 提前 5 天、以 80% 置信度预测出飓风 Melissa 将以 Category 5 强度登陆牙买加，3 天前置信度升至接近 100%。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5，率先推出 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首先推出 3.5 Flash，定位智能体与编码，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）、MCP Atlas（83.6%）和 CharXiv Reasoning（84.2%）上超过 Gemini 3.1 Pro，输出速度为其他前沿模型的 4 倍。
推荐理由：官方公布了 3.5 Flash 的基准成绩、开放渠道和 Pro 后续计划，读者可以据此评估它在智能体与编码场景的取舍。
Google ResearchAI 评分2626 Google Research 如何通过全球合作与开放资源推动科学影响力
Google Research 阐述其开放科学实践：十年间开源的 DeepVariant、Neuroglancer、NeuralGCM、SpeciesNet 及 HAI-DEF（含 MedGemma）等工具与数据集，已服务全球超 250,000 名研究者和开发者。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 AI co-clinician 医疗协作智能体研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生监督下辅助医患双方的医疗 AI。
推荐理由：官方给出多组临床评测数字和双智能体安全架构，读者可以据此了解 AI 协诊助手的能力边界与实际定位。
Google ResearchAI 评分5656 Google Research 发布 ERA 四大应用进展，覆盖流感预测、宇宙弦、CO2监测与斑马鱼神经回路
Google Research 介绍其 2025 年 9 月发布的 Empirical Research Assistance（ERA）在四个科研领域的实际应用进展。
Google ResearchAI 评分4141 Google Research 用 AI 合成神经元加速大脑连接组绘制
Google Research 提出 MoGen 神经元形态生成模型，基于 PointInfinity 点云 flow matching，用 1,795 条经人工验证的小鼠轴突训练生成合成神经形状，扩充 PATHFINDER 重建模型训练数据。
Google ResearchAI 评分4141 Google 推出研究实验 Vantage，用生成式 AI 评估面向未来的技能
Google Research 与纽约大学合作推出研究实验 Vantage，通过生成式 AI 在模拟环境中创建多方对话，评估高中生和大学生的批判性思维、协作等 future-ready 技能。
Google DeepMindAI 评分5757 Google DeepMind 发布 Gemini Robotics-ER 1.6 增强机器人具身推理
Google DeepMind 发布 Gemini Robotics-ER 1.6，相比 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 在指点、计数、成功检测等空间与物理推理能力上显著提升。
Google ResearchAI 评分5050 Google 发布 Vibe Coding XR：用 XR Blocks 和 Gemini 加速 AI + XR 原型开发
Google 推出 Vibe Coding XR 工作流，结合 Gemini 的长上下文推理与 web 端 XR Blocks 框架，通过专门系统提示词和代码模板，将自然语言直接转化为可运行的 Android XR 应用，全程不到 60 秒。
Google ResearchAI 评分3838 Google Research 推出 S2Vec：自监督学习城市建成环境的通用嵌入向量
Google Research 在 Earth AI 计划下推出自监督框架 S2Vec，为建成环境学习通用嵌入向量。该框架用 S2 Geometry 将地表划分为多分辨率单元，把建筑、道路等特征栅格化为多层图像，再用 masked autoencoding 无需人工标注地学习位置特征。
Google ResearchAI 评分3232 Google Research 在 Check Up 活动上展示从医疗创新到真实诊疗场景的 AI 进展
Google Research 在 Check Up 活动上介绍多项医疗 AI 进展：与 Fitbit 合作的个性化健康研究（Personal Health Agent）。
Mistral AI精选AI 评分7171 Mistral 发布 Mistral Small 4，统一推理、多模态与智能体编码能力
Mistral AI 发布 Mistral Small 4，是首个将 Magistral 推理、Pixtral 多模态、Devstral 智能体编码能力统一到单一模型的小型模型，采用 Apache 2.0 许可开源。
推荐理由：官方发布正文给出了完整的架构参数、基准对比和部署要求，读者可据此评估其替代多模型组合的可行性。
Mistral AIAI 评分5353 Mistral AI 加入 NVIDIA Nemotron Coalition 并发布 Mistral Small 4
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，计划与 NVIDIA 联合开发开源前沿模型，结合其模型架构和全栈 AI 平台与 NVIDIA 的算力、开发工具和合成数据生成管线。
Google Research精选AI 评分6262 Google Flood Hub 推出 AI 城市山洪预报，可提前 24 小时预测风险
Google 宣布在 Flood Hub 上推出城市山洪预报，可提前 24 小时预测城市山洪风险。模型基于 LSTM 架构，用 Gemini 从新闻报告中提取历史山洪事件的 Groundsource 数据集进行训练，仅依赖全球气象产品，以 20x20 公里分辨率覆盖人口密度大于每平方公里 100 人的城市地区。
推荐理由：原文给出模型方法、覆盖范围和与 NWS 对比的精度数据，读者可以据此了解城市山洪预报的可行路径。
Berkeley AI ResearchAI 评分4545 以信息量驱动成像系统设计：Berkeley AI Research 提出基于互信息的评估与优化框架（NeurIPS 2025）
Berkeley AI Research 在 NeurIPS 2025 论文中提出直接基于信息内容评估和优化成像系统的框架，用互信息指标统一分辨率、噪声等因素。该方法仅需噪声测量数据和噪声模型即可估计信息量，并提供真实信息的上界。在彩色摄影、射电天文、无透镜成像和显微成像四个领域，该指标能预测解码器性能，优化结果匹配 SOTA 端到端方法，同时内存、计算量更低且无需任务专用解码器。
Mistral AI精选AI 评分6060 Mistral 发布 Mistral OCR 3，整体胜率达 74% 并上线 Document AI Playground
Mistral AI 发布 Mistral OCR 3，在表单、扫描件、复杂表格和手写内容上对 Mistral OCR 2 的整体胜率为 74%。
推荐理由：原文给出了与 Mistral OCR 2 的对比胜率、定价和接入方式，读者可以据此评估文档解析方案的替换成本。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral 3 系列模型，含 Mistral Large 3 与 Ministral 3，均采用 Apache 2.0 开源
Mistral 发布新一代模型系列 Mistral 3，包括 MoE 架构的 Mistral Large 3（41B 激活、675B 总参数）以及 3B、8B、14B 三个尺寸的 Ministral 3 模型，全部以 Apache 2.0 协议开源。
推荐理由：官方公告完整列出了模型规格、开源协议、部署方式与可用平台，读者可据此评估在自有环境落地的可行性。
Mistral AIAI 评分5151 Mistral AI 与 SAP、Helsing 达成合作，扩展德国业务推动欧洲主权 AI
Mistral AI 宣布与德国企业和机构达成长期战略合作：与 SAP 合作在 SAP AI Foundation 中集成其模型，为德国和欧洲提供全主权 AI 技术栈并共同开发面向复杂行业和行政机构的解决方案；与 Helsing 加速开发面向国防和安全实际应用的视觉-语言-动作模型。
Mistral AIAI 评分5353 Mistral AI 为 Le Chat 推出 Memories（beta）记忆功能
Mistral AI 在 Le Chat 中推出 Memories（beta）记忆功能，采用自动保存与可见召回相结合的混合方案，召回时显示记忆来源链接。功能围绕透明、可控和主权三个原则设计：用户可随时关闭记忆、开启无记忆的 incognito 聊天、编辑或删除单条记忆，并支持导出导入。
Mistral AIAI 评分5252 Mistral 实测微调 Pixtral-12B 处理卫星图像，分类准确率从 0.56 提升到 0.91
Mistral AI 发布教程，展示如何用 Mistral 微调 API 和 LaPlateforme UI，通过 LoRA 对 Pixtral-12B 在 Aerial Image Dataset (AID) 卫星图像分类任务上做领域微调。
Mistral AIAI 评分5252 Mistral AI 为 Le Chat 推出 Deep Research、语音模式、Projects 等新功能
Mistral AI 为 Le Chat 推出一批新功能：预览版 Deep Research 可生成带引用的结构化研究报告，语音模式由新模型 Voxtral 驱动，Think 模式由推理模型 Magistral 驱动并支持句中切换语言，Projects 可将对话分组管理并保留工具设置，还与 Black Forest Labs 合作提供图像创建与编辑。
Mistral AI精选AI 评分7070 Mistral 发布开源语音理解模型 Voxtral，提供 24B 与 3B 两个版本
Mistral 发布开源语音理解模型 Voxtral，含 24B 的 Voxtral Small 和 3B 的 Voxtral Mini，均采用 Apache 2.0 许可证并可通过其 API 调用，价格低至每分钟 $0.001。
推荐理由：官方公布了两个尺寸的开源语音理解模型、基准成绩和 API 价格，读者可据此评估其替代现有 ASR 方案的可行性。
Mistral AI精选AI 评分6464 Mistral AI 发布 Mistral Medium 3，以约八分之一成本逼近 Claude Sonnet 3.7
Mistral AI 发布 Mistral Medium 3，定位 SOTA 性能、成本降低 8 倍的新级别模型。基准上达到或超过 Claude Sonnet 3.7 的 90%，定价为 $0.4 输入 / $2 输出每 M token，超越 Llama 4 Maverick 和 Cohere Command A，可在 4 张 GPU 以上环境自部署。
推荐理由：官方给出与 Claude Sonnet 3.7 的基准对比、定价和部署门槛，读者可据此评估企业落地的性价比。
Mistral AI精选AI 评分6262 Mistral 发布 Small 3.1：多模态、128k 上下文、Apache 2.0 开源
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上改进文本性能、增加多模态理解，上下文窗口扩至 128k tokens，推理速度达 150 tokens 每秒。
推荐理由：原文来自官方发布，给出基准对比、开源协议和硬件要求，读者可以据此评估它在轻量部署场景的可用性。
Mistral AI精选AI 评分6767 Mistral 发布 Mistral OCR API，主打复杂文档理解
Mistral 发布光学字符识别 API Mistral OCR，接受图片和 PDF 输入，按顺序提取文本与图像，可配合 RAG 系统处理幻灯片、复杂 PDF 等多模态文档。
推荐理由：官方给出内部基准对比、定价和自部署选项，读者可据此评估它在多模态文档理解和 RAG 流程中的可用性。