Google Research 宣布在 Flood Hub 上推出城市山洪预报，利用新的 AI 方法可提前最多 24 小时预测城市山洪风险。该模型基于 Groundsource 方法，用 Gemini 分析公开新闻报道构建历史山洪事件数据集，并采用 LSTM 架构的 RNN 训练，仅依赖全球天气产品运行。
推荐理由：原文给出用 Gemini 从新闻构建训练数据并让南半球达到接近发达国家的预报精度，读者可了解 AI 预警如何弥合警告缺口。
Google 开发的开源 AI 模型 SpeciesNet 可对相机陷阱图像中约 2,500 类（2,498 类）动物进行分类，训练数据超过 6500 万张标注图像。模型在留出测试集上能找出 99.4% 含动物的图像，可识别到物种级的预测中 94.5% 正确，标准笔记本每天约可处理 3 万张图像。过去一年，全球研究团队已用它在坦桑尼亚塞伦盖蒂、哥伦比亚、澳大利亚等地分析数百万张野生动物影像。
Descript 利用 OpenAI 推理模型实现了大型内容库的自动本地化配音，在不丢失时间对齐和原意的前提下完成多语言视频翻译。
Google DeepMind 发布 Gemini 3.1 Flash-Lite，定位 Gemini 3 系列中最快、最具成本效益的模型，已在 Google AI Studio 和 Vertex AI 以 preview 形式推出。
推荐理由：官方公布定价与实测对比数据，开发者可据此评估高并发场景下换用该模型的速度与成本收益。
Google DeepMind 在 Gemini 应用中以 beta 形式上线最新音乐生成模型 Lyria 3，用户输入文字或上传照片即可生成 30 秒带歌词曲目。
推荐理由：官方介绍了 Lyria 3 的三项能力改进和 SynthID 音频验证入口，读者可据此了解 Gemini 音乐生成与识别 AI 内容的新玩法。
Google Research 发布 MapTrace，这是面向多模态大语言模型（MLLM）地图路径追踪任务的新任务、数据集与合成数据生成管线。
Google Research 与 Google DeepMind 在 NeurIPS 2025 工作坊论文中展示，以鸟类等陆生动物声音训练的生物声学基础模型 Perch 2.0，虽未使用水下音频，仍能通过嵌入向量迁移学习对鲸类发声进行分类。
Google 提出原生自适应界面（NAI）框架，用多模态 AI 让应用 UI 从静态导航转向智能体驱动的动态模块，服务全球 13 亿残障人士。
Google Research 宣布与 Included Health 合作，待 IRB 批准后启动一项全国范围、经参与者知情同意的随机对照研究，在真实虚拟诊疗流程中评估其对话式 AI。研究基于 AMIE 诊断推理、个人健康智能体（PHA）和信息导航等前期工作，此前与 Beth Israel Deaconess Medical Center 的单中心可行性研究已观察到安全性方面的积极迹象。
Google DeepMind 推出实验原型 Project Genie，即日起向美国 18 岁以上的 Google AI Ultra 订阅用户开放。
推荐理由：原文给出了 Project Genie 的三项核心能力、底层模型和明确的限制清单，读者可以据此判断世界模型的当前可用边界。
Google Research 发布 ATLAS（Adaptive Transfer Scaling Laws），迄今最大规模公开多语言预训练研究，覆盖 774 次训练、10M–8B 参数模型、400+ 语言数据和 48 语言评测。
推荐理由：原文给出多语言训练的跨语言迁移矩阵和预训练与微调的token分界点，开发者可据此规划语言混合与算力预算。
Google Research 在 EMNLP 2025 发表的论文提出一种两阶段分解方法，让小型多模态 LLM 在设备端理解用户 UI 交互轨迹：先逐屏总结交互，再从总结序列提取意图。
Praktika 基于 GPT-4.1 和 GPT-5.2 构建自适应 AI 导师，通过对话方式实现个性化课程与学习进度追踪。这些智能体帮助学习者达成真实场景中的语言流利度。
Overworld 发布实时交互式视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘交互生成可进入的虚拟世界。
推荐理由：原文给出训练方法、推理库与帧率数据，并解释它与微调路线世界模型在控制延迟上的差异。
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），用统一的 encoder-decoder Transformer 框架从普通视频重建动态 3D 场景并追踪时空运动。
Google DeepMind 更新 Veo 3.1 Ingredients to Video，提升基于参考图生成视频的表现力、角色身份一致性和背景与对象一致性。
NVIDIA 发布 Cosmos Reason 2，一个面向物理 AI 的开源推理视觉语言模型，登顶 Physical AI Bench 和 Physical Reasoning 排行榜，成为视觉理解排名第一的开源模型。
推荐理由：官方发布给出模型规格、上下文长度和评测变化，读者可据此评估其是否适合机器人与视频分析场景。
Google 回顾 2025 年在 Google、Google DeepMind 和 Google Research 取得的研究进展：3 月发布 Gemini 2.5。
Google Research 发布年度回顾，介绍 2025 年在 AI、量子计算与科学发现方面的研究进展。Gemini 3 成为其迄今最强、事实性最好的 LLM，在 SimpleQA Verified 与新发布的 FACTS 基准上达到 SOTA，并在 Gemini 3 中引入可动态生成交互界面的 generative UI；Gemma 多语言扩展至 140+ 种语言。
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%。模型（mistral-ocr-2512）定价 $2/1000 页，Batch-API 半价至 $1/1000 页，输出支持带 HTML 表格重建的 markdown，并可拖拽 PDF/图片解析为文本或结构化 JSON。
推荐理由：官方给出与上一代的胜率对比、定价和接入方式，读者可以据此评估它在文档解析流程中的成本与适用性。
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 Pro 级推理能力与 Flash 级速度和成本结合。
推荐理由：官方给出关键基准分数、价格和开放渠道，读者可以据此比较它与大模型在速度成本上的取舍。
Google 联合 SisonkeBiotik、Ro'ya 和 DS-I Africa 举办全非健康数据科学 Ideathon，参赛团队基于 Google 开源健康模型 MedGemma、TxGemma 和 MedSigLIP 解决现实健康挑战，从 30 多份提交中选出六支决赛队伍。
OpenAI 发布 GPT-5.2，定位为面向日常专业工作的最先进前沿模型，具备推理、长上下文理解、编码和视觉能力。用户可在 ChatGPT 和 OpenAI API 中使用，以驱动更快、更可靠的智能体工作流。
推荐理由：OpenAI 官方说明 GPT-5.2 的能力定位和可用入口，读者可以据此判断是否将其纳入日常工作流。
Google DeepMind 与 Kaggle 于 2025 年 12 月 9 日发布 FACTS Benchmark Suite，在原 FACTS Grounding 基础上新增 Parametric、Search 和 Multimodal 三个基准，共 3513 条公开样例，并保留私有评测集由 Kaggle 托管公开排行榜。
Google DeepMind 介绍 Michigan State University 的 Berkley Walker 团队利用 AlphaFold 预测光合作用关键酶 glycerate kinase（GLYK）的 3D 结构。
Google Research 发布声音嵌入基准 MSEB，已在 NeurIPS 2025 上展示。该基准统一评估检索、推理、分类、转写、分割、聚类、重排序、重构 8 项听觉能力，核心数据集 SVQ 包含 177,352 条口语查询，覆盖 26 个地区和 17 种语言，已在 Hugging Face 开源。初始实验显示，现有声音表示远非通用，全部 8 项任务仍存在较大性能提升空间。
Mistral 发布 Mistral 3 系列模型，包括 41B 激活、675B 总参数的 MoE 模型 Mistral Large 3，以及 3B/8B/14B 三种尺寸的 Ministral 3 小模型，全部以 Apache 2.0 协议开源。
推荐理由：官方发布涵盖 Large 3 与 Ministral 3 全系的参数规模、开源协议和部署途径，读者可以据此判断各档模型适合的场景。
密苏里大学研究人员结合冷冻电镜与 AlphaFold，解析了'坏胆固醇'LDL 核心蛋白 apoB100 的结构，该蛋白困扰科学界约 50 年。模型显示 apoB100 形成包裹 LDL 颗粒的笼状外壳和维持颗粒完整性的带状结构，为高胆固醇和动脉粥样硬化性心血管疾病（ASCVD）的预防、诊断与治疗提供新方向。
Google DeepMind 宣布支持白宫 Genesis Mission，与 DOE 合作加速美国科学研究。
Google DeepMind 宣布在 Gemini app 中支持验证图片是否由 Google AI 生成或编辑，基于 SynthID 数字水印技术，用户上传图片询问即可检测。
推荐理由：原文说明了 Gemini app 内用 SynthID 验证 AI 图片的具体用法，以及后续扩展到视频音频和 C2PA 的计划。
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 的高保真图像生成与编辑模型，已开始在 Google AI Studio 和 Vertex AI 面向付费预览推出。
推荐理由：官方发布文给出了模型能力细节、2K/4K 分辨率、接入渠道和定价定位，开发者可据此评估是否切换或叠加使用。
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 的新一代图像生成与编辑模型。
推荐理由：官方发布新图像模型，列出文本渲染、多语言、4K 分辨率等具体能力变化和各产品入口，读者可以对照评估使用方式。
Google DeepMind 发布 Gemini 3，称 Gemini 3 Pro 为其最智能模型，在各大基准上超越此前的 2.5 Pro。
推荐理由：官方发布给出了 Gemini 3 Pro 的基准成绩、API 定价和新工具入口，开发者可以直接评估是否迁移到现有编码与智能体工作流。
Google DeepMind 发布 Gemini 3，先以 Gemini 3 Pro 预览版形式推出，并预告增强推理模式 Gemini 3 Deep Think。
推荐理由：官方发布给出完整基准成绩和覆盖入口，读者可据此判断 Gemini 3 Pro 的推理与编码能力以及它如何嵌入现有工具链。
Google 发布生成式 UI 实现，可按提示词动态生成网页、游戏、工具等定制交互界面，相关论文为 Generative UI: LLMs are Effective UI Generators。
推荐理由：原文介绍了生成式 UI 的实现原理、产品入口和人评结果，读者可以了解这一交互范式如何落地到现有产品。
Google 与 Google DeepMind 联合 World Resources Institute 等机构发布 Natural Forests of the World 2020 地图与数据集，成果发表于 Nature Scientific Data。
Google DeepMind 在 Nature 发表论文，分析 AI 视觉模型组织视觉世界的方式与人类不同，并提出一种对齐方法。该方法基于预训练模型 SigLIP-SO400M 和包含数百万条人类“找出不同项”判断的 THINGS 数据集，训练教师模型后生成百万图像规模的新数据集 AligNet，再用其微调学生模型。对齐后的模型内部表征按类别清晰组织，鲁棒性和泛化能力得到提升。
Google DeepMind 发布三项生物圈研究：与 World Resources Institute 合作建立基于 vision transformers 的森林砍伐风险预测模型，分辨率达 1km²、预测可细至 30 米，覆盖 2000-2024 年，并发布预测基准数据集。
Google Research 与 World Resources Institute 合作发布 ForestCast，一个基于纯卫星数据、用 vision transformers 预测森林砍伐风险的深度学习模型，准确度可持平或超过依赖道路等专用输入的现有方法。
Google Research 在 UIST'25 上发布 StreetReaderAI，一个基于 Gemini 的无障碍街景概念验证原型，可为盲人和低视力用户提供实时 AI 场景描述与对话导航。