Google 开放 Antigravity 的 /teamwork 多智能体工作流
Google 将 Antigravity 中的 /teamwork 多智能体工作流开放给外部研究者和开发者,配合 Gemini 4 Argon、Carbon、Hydrogen 使用。
推荐理由:Google 公开 /teamwork 多智能体工作流在数学证明、化学结构与内核优化上的具体成果,并说明外部研究者可用的入口。
Google 将 Antigravity 中的 /teamwork 多智能体工作流开放给外部研究者和开发者,配合 Gemini 4 Argon、Carbon、Hydrogen 使用。
推荐理由:Google 公开 /teamwork 多智能体工作流在数学证明、化学结构与内核优化上的具体成果,并说明外部研究者可用的入口。
Google DeepMind 发布 Gemini 4 Hydrogen,主打日常编码与智能体工作流的高速执行,并在 Google AI Studio、Gemini API、Gemini app 和 Search 等全线开放。
Google Research 提出一套研究框架,用可穿戴设备数据构建可解释的“可教练健康年龄”(CHA),并训练传感器世界模型 SensorWM 模拟未来 12 周的健康轨迹。
Google DeepMind 发布 AlphaGenome 2,这是一个条件式 DNA 序列模型,可针对特定细胞类型或状态预测 DNA 变异对基因表达的影响。
推荐理由:原文给出条件式建模思路与单细胞层面的对比数据,读者可据此判断它在变异解读上的变化。
Google DeepMind 向开发者、企业和科研人员开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。
推荐理由:原文列出 Carbon 在多项基准上的排名与每任务成本,并给出网络安全与科研场景的实测案例,便于判断其与 Argon 的分工。
Google DeepMind 发布 AlphaProof Code,一个多 LLM 智能体框架,用 AI 智能体对 Signal 协议实际代码的关键安全属性做形式化验证。
推荐理由:读者可了解多 LLM 智能体如何把形式化验证从设计层推进到实际编译代码,以及四周完成原本需数年的验证任务。
Google DeepMind 发布 SatWeave 和 PARDIG 两个基础数据集,它们是近期发布的 WeatherNext 3 模型取得进展的关键。
Google DeepMind 发布 Gemini Robotics 2.5,称其为目前能力最强的视觉-语言-动作(VLA)模型,在 200 项任务上相比此前基线成功率提升 30% 至 100%,完成任务速度快 20% 至 30%。
推荐理由:原文给出 200 项任务评测与奔驰产线 96% 成功率的实测数据,可据此判断 VLA 模型在真实工业场景的进展。
Google DeepMind 发布 Gemini Omni 1.2 Flash,并在 Gemini API 和 Gemini for business 全面开放。
推荐理由:原文给出时长、价格与一致性等具体变化,读者可据此判断视频生成成本与工作流会怎样变化。
Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统,仅用智能手表的 PPG 与加速度传感器数据、无需袖带校准即可被动识别高血压状态。
推荐理由:研究以 24 小时动态血压监测为金标准,对比智能手表无袖带筛查与诊室测量的灵敏度、特异度,可了解被动筛查路径的可行性边界。
Google Research 提出 Agile Deliberation 框架,把主观 AI 分类器的定义过程变成人机迭代对话,先由 AI 协助用户澄清自身定义,再构建分类器。
Google DeepMind 为 Google Antigravity 推出化学信息学 Skills,基于 RDKit 并接入 ChEMBL 与 PubChem,让智能体完成分子抽取、匹配分子对分析和成药性建模。
推荐理由:原文完整演示了化学智能体从文献抽取分子到设计合成路线的流程,可据此判断科研工作流的自动化边界。
Google 研究团队提出 sleep 框架,让 LLM 在活跃交互与离线睡眠两个阶段间交替,把短期上下文巩固进长期参数。睡眠阶段通过 MoE 参数扩展、基于 GKD 与 RL 的知识播种及随机专家激活的梦境自训练完成巩固,在 BABILong 上支持最长 10M token 的长上下文,并在 AIME 24/25 与 HMMT 25 上分别取得 79.2%、69.0% 和 46.1% 的准确率。
Google Research 在 IDWeek 2026 上分享了将结核病筛查 AI 从研究推向临床的路径:2019 年在 Radiology 发表基准,2024 年在 NEJM AI 完成多中心前瞻验证,随后与 Nexus AI 合作取得 CE MDR class IIb 认证与 ISO 13485 认证。
Google Research 在 JAMA Network Open 发表研究,用 AI 解读未经专业超声培训的操作者采集的盲扫超声图像来估算孕龄。在 385 名 16 至 36 周孕妇的队列中,模型平均绝对误差为 4.18 天,专家标准流程为 4.48 天;芝加哥适配后为 4.10 天,内罗毕零本地优化下为 4.27 天。研究还记录了可换电池、模型置信度估计等实际部署经验。