Google DeepMind 推出 Fairwind Program，向政府、可信合作伙伴和部分 Google Cloud 客户开放先进网络防御能力。该计划将 Gemini 3.8 Flash Cyber 与 CodeMender harness 结合，用于自主发现、验证和修复漏洞，并称可在组织的安全云环境中数分钟生成经验证、可部署的补丁。
推荐理由：材料展示 Google 将 Gemini 网络安全模型与 CodeMender 组合给政府和企业的部署路径，便于观察 AI 防御能力的落地边界。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，面向智能体工作流、编码推理和网络安全任务。
推荐理由：原文同时披露通用版与安全版的定价、访问范围和评测结果，便于比较部署取舍。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 中推出智能体视频理解功能，用于提升视频分析准确性并降低 token 用量和成本。
推荐理由：原文同时给出成本、token 与质量变化，以及 API 开启方式，便于评估长视频分析工作流。
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API in Google AI Studio 为开发者提供更可控的生成式视频能力。
推荐理由：原文列出场景延展、关键帧插值和4K升级等接口细节，便于评估视频生成工作流接入方式。
Google DeepMind 回顾了从 Atari 到 EVE Online 的 15 年游戏 AI 研究，并介绍其与游戏开发者合作原型化新玩法体验的方向。文章梳理了 DQN、AlphaGo、AlphaZero、MuZero、AlphaStar 和 AlphaFold 的关联，并称 SIMA 2 由 Gemini 驱动，可在屏幕观察、自然语言指令和键鼠控制下作为交互式伴侣。
Google DeepMind 发布 Gemini 3.7 Flash，称其是面向编码和 AI 智能体的最智能主力模型，并较 Gemini 3.6 Flash 改进软件工程、知识工作和 Web 开发工作流。
推荐理由：原文同时给出相对 3.6 Flash 的基准差距与阶段性价格，便于评估编码智能体成本。
Google DeepMind 推出大规模多语言手语转文本翻译模型 SL2T，用于 Pixel 11 上 Gboard 和 Live Transcribe 的手语转文本功能，先支持 ASL 到英语。
推荐理由：原文披露了训练规模、隐私处理和产品入口，可了解手语模型从研究走向手机输入的路径。
Google DeepMind 表示 WeatherNext AI 模型在 Nature 论文中达到气旋路径、强度和风结构预测的 state-of-the-art 准确率，平均让预报员多获得约 1 天预测准确性。
推荐理由：原文同时给出 Nature 论文评测、飓风季案例和开源入口，便于理解 AI 天气模型如何辅助预警。
Google DeepMind 发布 Gemini Robotics ER 2，称其为面向机器人的最强“具身推理”模型，用于视频理解、任务编排和多机器人协作。
推荐理由：原文同时给出开放入口、机器人协作示例和安全评测维度，便于理解具身模型在真实任务中的落地路径。
Google DeepMind 发布 Gemini Robotics 2，包括 Gemini Robotics 2、Gemini Robotics ER 2 和 Gemini Robotics On-Device 2 三个模型，面向机器人全身控制、双手或夹爪灵巧操作和多机器人协作。
推荐理由：原文同时列出云端、端侧和安全评测细节，可用于理解机器人模型从演示走向部署的路径。
Google DeepMind 宣布在 DOE Genesis Mission Summit 2026 上扩大对 Genesis Mission 的支持，承诺提供 $40 million 的 AI tokens 和云 credits。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber，面向规模化 AI 智能体提供更高 token 效率、更低延迟和更可靠性能。
推荐理由：原文同时给出价格、token效率和基准差异，便于比较Flash系列在智能体工作流中的取舍。
Google DeepMind 推出 Gemini 3.5 Flash Cyber，这是一款基于 3.5 Flash 微调的轻量级网络安全模型，用于快速查找、验证和修补漏洞。
推荐理由：原文披露了受限开放方式、基准对比和内部落地案例，可帮助判断安全模型在漏洞修复流程中的应用边界。
Google DeepMind 和 Isomorphic Labs 公布联合生物韧性方法，目标是防止模型被滥用，并让可信伙伴用 AI 加强疫情预防、检测和响应。
Google DeepMind 在印度启动 ATL Saathi 现场试点，这是一款 Gemini 驱动的 Web 应用，为 Tinkering Lab 教师提供 24/7 规划与培训助手。它整合 NotebookLM 内容，覆盖 12 个核心模块、10 个模块的项目生成，并支持首批 8 种语言；试点将先面向全国 100 所学校。
Google DeepMind 与 A24 宣布一项聚焦研究的合作，双方将围绕多个项目开展长期研发协作。合作旨在让 A24 及其电影创作者参与塑造新技术，帮助艺术家发展新的工作流和技术，并为 Google DeepMind 提供来自创作者的反馈；Google 还对 A24 进行了投资。具体目标、技术产出和创作里程碑将随时间演进。
Google DeepMind 将 computer use 作为内置工具加入 Gemini 3.5 Flash，用于构建可跨浏览器、移动和桌面环境交互的智能体。
推荐理由：原文说明了能力入口和安全措施，可帮助开发者评估跨浏览器、移动和桌面自动化的接入方式。
Google DeepMind 与英国政府共建 Gemini 驱动的 AI 规划原型，目标将房主规划申请处理时间缩短 50%。工具可整合数据、识别政策、总结反馈并起草评估，规划官保留最终审批权，政府计划 2027 年起向全国议会开放。
Google DeepMind 发布 AI Control Roadmap，用于保护 Google 内部部署的高能力、可能未完全对齐的 AI 智能体。
推荐理由：原文给出从威胁建模到监控拦截的分层方案，可作为评估企业内部智能体安全治理的参考。
Google DeepMind 推出 DiffusionGemma，这是一个实验性开放文本扩散模型，在专用 GPU 上文本生成最高快 4x，用于探索速度敏感的交互式本地工作流。
推荐理由：原文清楚交代了扩散式文本生成的速度收益、硬件条件和质量取舍，便于评估本地交互场景适配度。
Google DeepMind 与 Schmidt Sciences、Cooperative AI Foundation、ARIA 并在 Google.org 支持下，宣布面向全球研究者发起最高 $10M 的多智能体 AI 安全技术研究资助征集。
Google DeepMind 发布 Gemini 3.5 Live Translate，这是用于实时语音到语音翻译的最新音频模型，可自动检测 70+ 语言并生成自然流畅的译语音频。
推荐理由：原文同时给出语言覆盖、延迟形态和接入渠道，可用于比较实时语音翻译的产品落地路径。
Google DeepMind Accelerator: Robotics 选出 15 家欧洲机器人公司加入 3 个月项目，支持将 AI 融入核心产品。入选团队将获得 Google DeepMind 和 Google 的导师指导、技术支持，访问 AI stack 和 Gemini robotics models，方向覆盖物流、制造、医疗、气候和高级导航。
Google DeepMind 的预注册试验显示，塞拉利昂学生使用 Guided Learning 后，数学成绩较对照组提高 +0.258 standard deviations，约相当于 8 周内取得 1.2 到 1.7 年的典型学习进展。
推荐理由：材料给出塞拉利昂课堂试验的学习增益、使用率和交互数据，可作为评估 AI 辅助教学的案例。
Google DeepMind 称，生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 正在用 Co-Scientist 加速寻找可能逆转细胞衰老的遗传线索。
推荐理由：案例展示了 Co-Scientist 在遗传衰老研究中连接文献、假设和筛选数据的具体流程。
Google DeepMind 正在为 Project Genie 推出由 Street View 支持的真实地点锚定能力，并向全球符合条件的 Google AI Ultra $200 订阅用户逐步开放。
推荐理由：原文说明 Project Genie 如何用 Street View 锚定真实地点，可作为观察世界模型产品化路径的案例。
Google DeepMind 推出 Gemini for Science，包含 Google Antigravity 中的新 Science Skills，以及 Google Labs 上的 3 个科研实验工具。
推荐理由：原文集中列出实验工具、Science Skills 与企业预览案例，便于了解 Google 科研智能体布局。
Google 正在扩展 Search、Gemini、Chrome、Pixel 和 Cloud 中的内容透明度与验证工具，并推出 AI Content Detection API。
推荐理由：原文梳理了 SynthID、C2PA 与检测 API 的扩展路径，可用于理解内容溯源工具的落地方式。
剑桥大学 Clare Bryant 正用 Google DeepMind Co-Scientist 寻找病原体跨物种传播后导致重症的分子开关。该工具从候选蛋白细化到具体氨基酸，团队正构建含氨基酸突变的细胞系；若目标正确，原本需 2-3 年的实验有望在 6 个月完成。
Calico Life Sciences 用 Co-Scientist 连接衰老生物学文献并生成可检验假设。在 ISR 项目中，团队让 Co-Scientist 提出代谢调控 ISR 的假设，并共同细化实验设计。实验产生了关于 ISR 在健康和疾病中作用的新发现，团队计划发表结果。
Co-Scientist 帮助 MIT 的 Ritu Raman 快速梳理 ALS 文献，形成可测试假设并按可行性与风险回报排序。她随后与 Boston Children's Hospital 的 Ryan Flynn 迭代使用 Co-Scientist，结合组织模型和细胞表面 RNA 映射，寻找可靶向 ALS 的新 RNA 机制及潜在 RNA 药物。
Stanford University School of Medicine 的 Gary Peltz 团队在 Advanced Science 发表研究，使用 Co-Scientist 从既有药物文献中寻找可再利用治疗肝纤维化的候选药物。
推荐理由：材料把 Co-Scientist 的候选药物与人工筛选结果放在同一实验中比较，便于理解其科研辅助价值。