Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，已在 Gemini Enterprise 上线
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音对话结合，为企业对话模型加上动态视觉形象，已在 Gemini Enterprise 上线。
推荐理由：原文给出实时视频形象与异步工具调用的能力说明，读者可据此了解企业智能体的交互形态变化。
#多模态
#多模态
今日 16 条Google DeepMind精选AI 评分6363
NVIDIA Blog精选AI 评分6262 NVIDIA 与合作方通过 AlphaFold 数据库开放 2800+ 病毒蛋白质复合物预测结构
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构通过 AlphaFold Database 开放超过 2800 种病毒的蛋白质复合物预测结构，约 30% 为科学界全新发现的相互作用。
推荐理由：开放预测结果与推理流水线为研究者提供了可复用的基础设施，降低未来疫情中蛋白质结构解析的门槛。
爱范儿AI 评分2828 全新旅行者 7 开启预售，14.99 万元起插混燃油两手抓
summary_zh: 全新旅行者 7 于 9 月 23 日开启预售，燃油版 1.5TD 探索+ 入门 14.99 万元，C-DM 插混版 PRO 15.99 万元起，共 7 款车型。
爱范儿AI 评分2626 奕境 X9 上市 28.98 万元起，华为乾崑全栈共创的大六座 SUV
奕境 X9 于 9 月 24 日上市，共四款增程车型，售价 28.98 万至 36.98 万元。车辆搭载华为鸿蒙座舱 HarmonySpace 6 与乾崑智驾 ADS 5，全系配备华为 XPIXEL 百万像素智慧投影大灯，首发 AMS 舱内多模态感知系统。奕境由东风与华为乾崑全栈原生共创，锚定 30 万元级家庭旗舰市场。
Rest of World · AIAI 评分4646 中国在健康科技领域表现突出，这对全球是好消息
中国数字医疗通过 WeChat、Alipay 等应用覆盖 14 亿人口，远程医疗和 AI 医生头像已融入日常。中国在肿瘤药研发和全球药物授权交易中份额快速上升，今年可能占全球药物授权交易的 60%。西方药企如辉瑞正从 3SBio、Innovent Biologics 等中国公司授权数十亿美元抗癌候选药物。
MIT News · AIAI 评分3333 视觉AI研究城市的潜力与风险
summary_zh: MIT Senseable City Lab学者出版新书《How AI Sees the City: Urban Visual Intelligence》，探讨视觉AI在城市研究中的应用与隐患。
Nature · Machine Learning精选AI 评分6262 AlphaFold数据库新增数千种病毒蛋白复合物结构预测
AlphaFold数据库于9月24日新增超过8,000个病毒蛋白二聚体结构预测，涵盖23个含有人类感染成员的病毒家族，并作为“大流行防范门户”的一部分上线。
推荐理由：AlphaFold数据库新增病毒蛋白复合物预测，为传染病研究和疫苗设计提供了新的结构参考。
Apple Machine Learning ResearchAI 评分2828 Apple 压缩流式神经音频编码器：基于潜在空间蒸馏的端侧语音分词器方案
Apple 研究提出通过潜在空间蒸馏压缩流式神经音频编码器，以预量化潜在表示作为监督目标，仅训练学生编码器回归教师逐帧潜在值。2.8× 压缩下，蒸馏学生在五个教师-学生对上相对 WER 保持在 1.9% 以内，且同等容量独立训练分词器提升 3.9%。该方案覆盖两种分词接口，无需微调。
Nature · Machine LearningAI 评分2626 UpTCR：统一渐进知识迁移基础模型用于稳健的 T 细胞受体-抗原结合识别
UpTCR 是一个用于 T 细胞受体-抗原结合识别的大语言模型，采用统一渐进知识迁移架构。作者来自江南大学、清华大学深圳国际研究生院、澳门大学、腾讯 AI for Life Sciences Lab 等机构，文章发表于 Nature Communications，2025 年 11 月投稿，2026 年 9 月接收并发表。
Nature · Machine LearningAI 评分1212 优化放疗交付的人工智能技术
综述探讨AI在放疗流程中的应用，涵盖器官分割、剂量预测、治疗计划优化与结局预测。涉及深度学习、U-Net、扩散模型及大语言模型在放疗物理与临床中的实践与挑战。
AWS Machine Learning BlogAI 评分4848 基于 AWS 的 Agentic 视频智能对话方案
该方案基于 Strands Agents SDK 构建单一 AI Agent，运行时动态调用 Amazon Bedrock（Claude Sonnet）、Amazon Rekognition 和 Amazon Transcribe，处理自然语言视频查询。
Google AI BlogAI 评分3737 Google Beam 扩展至五个新国家、新增合作伙伴与客户
Google Beam 正式扩展至美国、加拿大、英国、法国、德国、日本六国，由 18 家渠道伙伴部署支持，硬件由 HP Dimension with Google Beam 交付。
OpenAI NewsAI 评分3535 Ringg 基于 OpenAI GPT-5.6 的 AI 智能体解决 65% 客服来电
Ringg 使用 GPT-5.6 驱动多语言智能体，在语音、聊天、WhatsApp 和网页端处理客服通话，解决比例最高达 65%。相比 GPT-4.1，成本降低 90%。
Apple Machine Learning ResearchAI 评分3333 How to Guide Your Language Flow
summary_zh: 研究者提出 probe guidance 方法，利用冻结的扩散模型内部状态构建引导信号，无需推理时额外前向传播即可为流匹配模型提供可靠引导路径。
Latent Space精选AI 评分8686 小米 MiMo-V2.6-Pro 1T-A42B 发布为当前最强开源权重模型
小米发布 MiMo-V2.6-Pro 与 Flash，均为原生全模态开源模型，Pro 在 Artificial Analysis Intelligence Index 得分 46，总参数 1.02T / 激活 42B，输入 $0.435/M、输出 $0.87/M。
推荐理由：小米推出原生全模态开源模型并附带 RL 环境与训练代码，为后训练缩放提供了一条更低成本的可复用路径。
Nature · Machine LearningAI 评分3030 科学家无需展开即可破译烧焦古卷轴
研究团队用铅元素检测法替代碳基扫描，成功在保持卷轴卷曲状态下识别出内部文字。他们用埃及纸莎草、日本灯黑墨和高温炉复原了碳化卷轴，并通过中子与X射线断层扫描结合自定义展开程序完成破译。
OpenAI NewsAI 评分2121 Higgsfield AI 借助 GPT-6 Astra 一日内上线新视频功能
Higgsfield AI 借助 GPT-6 Astra 一日内上线新视频功能，让小企业视频广告创作更便捷，并加速新创意工具推向市场。
Nature · Machine LearningAI 评分2525 TangleDiff 通过深度学习纠缠设计生成具有可定制应力松弛行为的蛋白质水凝胶
TangleDiff 是一个深度学习框架，用于从头设计具有可编程特性的同源二聚体纠缠蛋白。其在 silico 成功率超过 70%，远高于当前模型约 1%。实验验证的 9 个同源二聚体中有 7 个成功形成水凝胶，且应力松弛动力学与指定的结合能相关。
Ethan Mollick · NotesAI 评分4141 GPT-6 Astra 与 Fable 5.1 的能力过剩：现有模型已足以改变经济格局
GPT-6 Astra 与 Fable 5.1 已具备变革性能力，可可靠完成数周的人类工作，如将 Zork 文本冒险游戏转为 3D 动作游戏、从视频重建 Umberto Eco 图书馆的 3D 场景。
Google AI BlogAI 评分2828 Google Flow 助力纽约时装周：Jane Wade 与 Sergio Hudson 共创造型与走秀工具
Google 工程师与设计师 Jane Wade、Sergio Hudson 合作，基于 Google Flow 打造 Styling Suite 与 Runway Visualization 两款工具。
Nature · Machine LearningAI 评分2828 ReScale4DL：平衡像素与上下文信息以增强生物图像分割
ReScale4DL 系统评估了图像分辨率对生物图像分割的影响，在分辨率降至原始 6%-25% 的下采样图像上训练 popular architectures，分割准确率最多提升 25% mean IoU 或仅下降不到 5%。下采样同等比例提升了信息吞吐并降低存储与推理时间，为高效、可持续、低成本的生物成像流程提供实用指导。
Nature · Machine LearningAI 评分2626 ConvexGating 从单细胞细胞术聚类中推断门控策略
ConvexGating 从单细胞细胞术数据的聚类结果中推断最优门控策略，旨在将聚类得到的细胞群体转化为可用于分选的高纯度、低步骤门控方案。flow cytometry、mass cytometry（cyTOF）和 CITE-seq 等高维数据场景中，手动门控依赖操作者经验且存在跨操作者变异，而聚类方法虽能无偏分离细胞却难以直接转为分选策略。
MIT News · AI精选AI 评分7272 MIT团队提出xvr技术：术中X射线与术前3D扫描亚毫米级精准配准
MIT与协作机构开发xvr（X-ray volume registration）技术，利用患者术前3D扫描生成数千张合成X射线训练AI模型，可在数秒内将术中2D X射线与3D扫描精准对齐，精度达亚毫米级。 该模型在覆盖多医院、多器官系统的最大真实注册数据集上，比现有AI方法精度提升一个数量级，适配新患者仅需约5分钟。
推荐理由：该方法通过患者特异性合成数据训练，在真实数据集上显著超越现有AI方法，或提升微创手术的安全性与可及性。
Google AI Blog精选AI 评分6262 Google 发布多语言 AI 产品矩阵，覆盖 300 种语言及 1000 种语言计划
Google 宣布其技术和产品已覆盖全球 300 多种语言、70 亿人，占全球人口 86%。Gemini 3.5 Live Translate 支持 70 种语言、2000+ 语言对的实时口语翻译，Gemini 3.5 Transcribe 提供高精度语音转文本。
推荐理由：原文展示了从文本到音频理解再到端侧翻译的技术路径，读者可以据此判断 Google 在多语言 AI 交互上的最新能力边界。
Google AI BlogAI 评分1212 Google Gemini：AI for Societal Impact 实践进展
summary_zh: Google 与全球社区和研究者合作，在疾病预测、自然灾害预警、教育普及和经济机会拓展等关键领域推动 AI 从理论走向可衡量的实际影响。
Google AI BlogAI 评分5252 Google AI 支持超300种语言并发布AI & Economy ATLAS
Google宣布其AI技术已支持超过300种语言，覆盖全球70亿人口（86%全球人口），并发布AI & Economy ATLAS互动洞察。同时公布AlphaGenome Atlas、WeatherNext 3、Planetary Prediction Engine等科学进展与应用。
ScienceDaily · AIAI 评分3434 解决爱因斯坦问题的 Smith hat 形状揭示新的光学物理现象
summary_zh: 日本东京大学研究团队基于 Smith hat 单密铺形状在氮化硅薄膜上构建纳米光学结构，激光照射后产生手性衍射图样，表现出与传统准晶体不同的对称性控制光学响应。
NVIDIA Blog精选AI 评分6767 费城儿童医院基于开源 NVIDIA AI 工具实现儿童心脏建模
费城儿童医院使用 MONAI 等开源工具，将儿童心脏建模时间从数小时缩短到秒级，已用于术前规划和部分手术。波士顿儿童医院将建模用于约半数心脏手术，医院间正组建开源联盟。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google AI BlogAI 评分1515 Google Dialogues on Technology and Society：Christina Koch 与 James Manyika 探讨太空、技术与发现
summary_zh: NASA 宇航员 Christina Koch 与 Google 高级研究副总裁 James Manyika 对谈，分享在国际空间站停留 328 天、完成首次全女性太空行走及 Artemis II 绕月任务的经历。
Google AI BlogAI 评分3636 Google DeepMind 用 AI 还原一对夫妇 70 年前的初见，纪录短片《Love, Rendered》逐帧重现记忆
summary_zh: Google DeepMind 与 Primordial Soup 合作，为纪录短片《Love, Rendered》用生成式模型修复黑白旧照，并用性能捕捉模型映射 Burt 与 Ethelle 当下的微表情与姿态，将其映射到年轻形象上。
OpenAI NewsAI 评分2626 GPT-6 Astra：面向工作的下一代智能
GPT-6 Astra 是 OpenAI 面向商业场景的最强模型，具备高级推理、计算机使用能力，以及更强的写作与设计判断力。
Google ResearchAI 评分5858 连接组学里程碑：完整雄性果蝇大脑图谱发布
Google Research与HHMI Janelia及剑桥合作者发布完整雄性果蝇大脑和中枢神经系统连接组，包含166,000个神经元和1.25亿个突触连接，是迄今最大脑图谱。研究利用AI和计算技术构建细胞级全脑图谱，配套Neuroglancer开源可视化工具，并已用于视觉、味觉和社会行为研究。
Hugging Face Blog精选AI 评分6161 NeoMME高效多模态原生多语言编码器
NeoMME是260M和800M多模态原生多语言编码器，单塔双向Transformer从零训练，无需独立视觉塔或因果语言模型。260M模型在ViDoRe v3上达0.523 nDCG@10，超越同参数模型，编码速度约2倍于ColModernVBERT。通过分层池化和非对称量化，late-interaction存储从1.5MB压缩至6kB/页，压缩255倍且保留95%以上检索质量。
推荐理由：单塔多模态编码器以260M参数在ViDoRe v3上超越更大模型，并通过分层池化和非对称量化将多向量检索存储压缩255倍同时保留95%以上质量。
Google AI Blog精选AI 评分7373 Google 8 月 AI 发布汇总：Gemini 3.7 Flash、Gemini 3.5 Transcribe 与 Pixel 11 系列
Google 发布 Gemini 3.7 Flash，定位为编码与智能体工作负载的最强基础模型，定价为 3.6 Flash 的一半；同步推出 Gemini 3.5 Transcribe 语音转文本模型。
推荐理由：Google 在一个月内连续发布两款 Flash 模型并下放到 Pixel 硬件，开发者可以用更低成本构建智能体。
Google DeepMind精选AI 评分6868 Gemini 3.7 Flash 等模型上线智能体视频理解，token 消耗最高降 88%
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，视频分析 token 消耗最高降低 88%、成本最高降低 66%、准确率最高提升 7%。
推荐理由：原文给出了 token 与成本降幅的具体数字和 API 启用方式，读者可据此判断长视频分析的成本边界。
MIT News · AIAI 评分4848 超越自然序列：MIT 推出 PottsMPNN 蛋白质设计框架
MIT 生物系推出 PottsMPNN 机器学习框架，融入物理原理以改进序列生成与突变稳定性预测。该模型通过引入噪声、氨基酸配对分布和进化相关序列训练，更好地理解序列-能量景观，能为无天然对应序列的全新设计结构生成可行序列。研究显示，减少对天然序列的依赖可提升结构兼容性与能量预测精度。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景续写与 4K 放大等控制能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供场景续写、首尾帧插值、视频参考和 4K 放大等生成视频控制能力。
推荐理由：相比前代只参考最后 1 秒画面，新版本可读取 10 秒上下文并把视频续写到 40 秒，开发者可据此判断生成视频的可控程度。
ScienceDaily · AIAI 评分5858 NASA Starling任务演示FALCON：卫星与碎片自主光学导航不依赖GPS
NASA Starling任务通过FALCON系统利用星上相机识别其他航天器和轨道碎片，结合国防部公开目录计算自身轨道，实现GPS独立导航。三天内自主精化了200多个物体的轨道估计，精度超过地面目录数据。
Google ResearchAI 评分5252 AgentHands：为 XR 中基于空间的智能体对话生成交互式手部手势
Google Research 在 CHI 2026 发表 AgentHands 原型，利用 XR 空间理解能力为 AI 智能体添加与语音同步的手部手势。系统包含环境感知、手势事件库、嵌入手势的推理和同步执行模块，在 12 人用户研究中相比纯语音基线显著提升了空间定位、复杂动作理解、安全提示效果并降低了认知负荷。
IEEE Spectrum · AIAI 评分3838 AI 伴侣机器人正填补现代家庭中的人际联结缺口
Ollobot 推出 AI 家庭伴侣机器人 OlloNi SS1，通过主动交互、情绪感知和持续在场填补现有技术的空白。全球 AI 伴侣市场预计从 2026 年的 480 亿美元增长至 2033 年的 3180 亿美元，年复合增长率 31%。