Microsoft Research 发布面向生物学的 AI 研究系统 Quine
Microsoft Research 推出 Quine，一个结合生物学多模态世界模型与连接科学工具、文献和 wet lab 的交互 harness 的 AI 研究系统。
推荐理由：官方介绍 Quine 的世界模型与工具环路设计，并给出胰腺癌化合物筛选的湿实验验证结果，读者可据此评估 AI 驱动生物研究的路径。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 1–20 条 · 共 75 条Microsoft Research精选AI 评分6464
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 LFM2.5-VL-3B 的 DSpark 草稿模型，端侧解码最高加速 3.13x
Liquid AI 发布面向视觉语言模型 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下换取加速。
推荐理由：原文给出视觉 DSpark 草稿模型的架构细节、实测加速数字和三大推理框架接入方式，读者可评估端侧 VLM 推理加速的可迁移做法。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词在 100 多种语言和方言中定制角色声音，可从 30 秒音频样本复刻声音，并提供 2000 多个现成声音。
推荐理由：官方介绍了两款 TTS 模型的定制能力、基准成绩和开放渠道，开发者可以据此评估语音生成方案的选型。
Hugging Face Blog精选AI 评分6262 Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111 推出 Workflow1111
Hugging Face 发布 Workflow1111，用 gr.Workflow 在单个画布上重建了 AUTOMATIC1111 的大部分功能，包含 11 条媒体管线和 73 个节点。
推荐理由：用 73 个节点在单一画布上复刻 AUTOMATIC1111 主要功能，并展示每个输出可直接变成 REST 端点和 MCP 工具的做法。
Google DeepMind精选AI 评分7272 Google DeepMind 为 Gemini 推出 agentic video understanding，token 最多省 88%
Google DeepMind 发布 agentic video understanding，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite。
推荐理由：官方说明动态检索视频相比固定帧率处理的效率与精度变化，并给出 API 开启方式，适合评估长视频分析成本的开发者。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Omni 1.1 Flash，强化生成视频创作控制
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 和 Google AI Studio 面向开发者提供更可控的生成视频能力。
推荐理由：官方发布了能力细节和 API 用法，开发者可以据此评估它在视频生成工作流中的可控性和成本。
Google DeepMind精选AI 评分6868 Google DeepMind 发布手语转文本模型 SL2T，落地 Gboard 与 Live Transcribe
Google DeepMind 发布多语言手语转文本（SL2T）翻译模型，首次将手语 AI 带入消费产品，支持在 Pixel 11 的 Gboard 和 Live Transcribe 中以美式手语（ASL）输入英文。
推荐理由：原文介绍了 SL2T 的训练数据、隐私设计与基准成绩，并说明其落地产品形态，读者可以了解手语翻译模型的可行路径。
Google Research精选AI 评分6161 Google Research 推出 AMIE (Video) 实现实时音视频临床问诊的专家级表现
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 的实时视频问诊系统，采用 Talker、Planner、Perception 三个智能体并行工作的异步多智能体架构。
推荐理由：原文给出研究架构、随机对照规模和关键结果，读者可以了解视频问诊 AI 与真人医生对比的具体依据和局限。
Hugging Face Blog精选AI 评分7979 Meta 开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 发布 30B 参数开源多模态模型 Muse Glimmer，从 Muse 蒸馏而来，采用 Apache 2.0 许可，定位于本地智能体场景如编码、文档分析和个人助理。
推荐理由：原文给出架构细节、跑分对比和多套部署方案，读者可据此评估其在本地多模态智能体场景的可用性。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，新增视频理解与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层具身推理大脑，可编排 VLA 模型、导航 API 等底层工具完成多步任务。
推荐理由：官方发布详细列出了视频理解、进度追踪、多机协作的量化指标与获取入口，读者可据此评估机器人任务编排能力的变化。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini Robotics 2，实现机器人全身智能控制
Google DeepMind 发布 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2，实现全身控制、精细操作和多机器人协作。
推荐理由：官方发布同时给出三个模型的分工、适配速度数字和安全基准，读者可以据此评估具身智能模型进入全身控制和多机协作的实际进展。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布三款 Gemini Flash 系列模型。3.6 Flash 在 Artificial Analysis Index 上输出 token 用量较 3.5 Flash 减少 17%。
推荐理由：原文给出三款 Flash 模型的基准数据、定价和开放入口，读者可以据此评估升级对现有 Agent 工作流成本的影响。
Hugging Face Blog精选AI 评分8181 Thinking Machines 发布万亿参数开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，总参数 975B、激活 41B 的 MoE 架构，原生接受图像、文本和音频输入，支持 1M 上下文窗口，训练数据为 45 万亿 token。
推荐理由：原文给出架构细节、各档位 VRAM 部署配置和多模态评测数据，对评估落地成本和选择变体有直接参考。
Mistral AI精选AI 评分6868 Mistral 发布 OCR 4，新增边界框、块分类与置信度分数，支持 170 种语言
Mistral 发布 Mistral OCR 4，除文本外返回边界框、分类型块（标题、表格、公式、签名等）和逐页逐词置信度分数，支持 10 个语系下 170 种语言。
推荐理由：官方公布了能力细节、定价和基准方法论，还主动列出自动评测的打分缺陷，读者可据此判断在自己场景中怎么用。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，提供 70+ 语言的近实时语音到语音翻译，自动检测语言并保留说话者的语调、节奏和音高，全程仅落后说话者数秒。
推荐理由：官方发布正文给出了 70+ 语言、延迟表现和多端开放入口，读者可据此评估它在通话、会议和翻译场景的可用性。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemma 4 12B：无编码器的统一多模态模型
Google DeepMind 发布 Gemma 4 12B，采用无编码器的统一多模态架构，视觉和音频输入直接进入 LLM backbone，支持原生音频输入。
推荐理由：原文给出了架构细节、内存门槛和许可证等可验证事实，读者可据此评估本地部署多模态模型的可行性。
Google Research精选AI 评分6767 Google 发布 PHRM 系统，用手机前摄在日常使用中被动监测心率与静息心率
Google 在 Nature 发表 PHRM 研究系统，利用人脸解锁后的前摄视频，通过深度学习在后台估计心率，相比 ECG 的 MAPE 为 6.09%，日静息心率相对 Fitbit Charge 6 的 MAE 为 4.39 bpm。研究覆盖近 700 名不同肤色参与者，是迄今最大规模的 rPPG 研究，并公开发布数据集与预训练 PHRM-mini 模型供合格研究者申请使用。
推荐理由：原文给出跨肤色验证数据与免费开放的数据集和模型入口，研究者可以据此评估rPPG方法的可复用性。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini Omni Flash 多模态视频生成模型
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成视频，并支持自然语言多轮编辑。
推荐理由：官方说明了视频生成与对话式编辑的具体能力和订阅范围，读者可以据此判断它是否适配现有创作流程。
Google DeepMind精选AI 评分6666 Google 扩展内容透明度工具，SynthID 验证进入 Search 与 Chrome
Google 于 2026 年 5 月宣布扩展内容透明度与验证工具，覆盖 Search、Gemini、Chrome、Pixel 和 Cloud。
推荐理由：原文给出 SynthID 验证入口扩展和 C2PA 检测的具体落地范围，读者可以据此了解内容溯源工具在自家产品中的可用变化。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5，首发 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首个型号 3.5 Flash 当天全量开放，3.5 Pro 预计下月推出。
推荐理由：官方正文给出具体基准分数、速度对比和开放渠道，读者可据此评估 3.5 Flash 在智能体与编码场景的实用性。