Google Veo 2 定价公布：生成视频每秒 50 美分，一分钟 30 美元
Google 悄悄公开了视频生成模型 Veo 2 的定价页面。生成视频每秒收费 50 美分，折算下来一分钟 30 美元、一小时 1800 美元。相比 OpenAI 将 Sora 捆绑在每月 200 美元的 Pro 订阅中，Google 选择了直接按秒计费。
Google DeepMind
查看更新的新闻
Google 推出 AI co-scientist：多智能体协作生成科学假说
Google 推出基于 Gemini 2.0 的科研多智能体系统 AI co-scientist。它能模拟科研方法，通过辩论与打分自我演进，生成原创科研假设和实验方案。目前相关成果已在白血病老药新用等生物医学实验中得到验证，正面向科研机构开放测试申请。
YouTube Shorts 接入 Veo 2：一句话生成独立视频片段
YouTube 宣布将 Google DeepMind 的 Veo 2 模型接入 Shorts 的 Dream Screen。创作者不仅能用文字生成背景，还能直接生成插入短视频的独立片段，对物理规律和人体动作理解更强，并附带 SynthID 水印。目前已向美、加、澳、新西兰开放。
Google DeepMind 组建新团队：原 Sora 负责人带队造「世界模型」
前 OpenAI Sora 联合负责人 Tim Brooks 宣布在 Google DeepMind 组建新团队，研发模拟物理世界的生成模型。团队将结合 Gemini、Veo 与 Genie 的成果，探索具身智能规划与实时交互生成。DeepMind 认为这是通往 AGI 的关键路径。
Google 发布 Gemini 2.0：原生输出图音，全面杀入智能体时代
Google 正式推出新一代大模型 Gemini 2.0，首发上线实验版 Gemini 2.0 Flash。新模型不仅速度翻倍、基准测试超过 1.5 Pro，更支持原生图像生成、多语言语音输出和原生工具调用，同时还带来了长篇深度调研功能 Deep Research。
DeepMind 推出 GenCast：15 天天气集合预报超越欧洲中期中心
Google DeepMind 推出 AI 天气集合预报模型 GenCast 并开源代码和权重。在 1320 项指标测试中，它有 97.2% 胜过欧洲中期天气预报中心 ENS；单张 TPU 仅需 8 分钟即可跑完 15 天预测。
DeepMind 发布 Genie 2：一张图生成可玩 3D 世界，键鼠直接操控
Google DeepMind 发布基础世界模型 Genie 2。输入一张静态图片，它就能推演生成支持键鼠操控的 3D 互动环境，最长维持 1 分钟一致性。这意味着研究者无需依赖预设游戏，就能为具身智能体批量打造无限的训练场景。目前该技术仍处于早期研究阶段。
OpenAI 挖走 DeepMind 视觉三人组：入驻苏黎世新办公室攻坚多模态
OpenAI 宣布招揽了 Google DeepMind 的三名资深计算机视觉专家 Lucas Beyer、Alexander Kolesnikov 与 Xiaohua Zhai。三人将在 OpenAI 新设立的瑞士苏黎世办公室开展工作，专注于多模态 AI 研发。这也意味着顶尖实验室对稀缺视觉人才的争夺进一步升级。
Google 启动伦敦 AI 园区：联合 DeepMind 为高中生提供实践培训
Google 在伦敦卡姆登区启动伦敦 AI 园区，英国首相斯塔默出席。该为期两年的教育试点联合 DeepMind，为当地 16 至 18 岁高中生提供前沿 AI 课程与导师指导。首期已有 32 名学生入选，优先面向弱势背景学生。
Google 推出 AlphaQubit：用 Transformer 做量子纠错，错误率降 30%
Google DeepMind 与 Google Quantum AI 在《自然》公布神经解码器 AlphaQubit。它将 Transformer 架构用于量子纠错，在 Sycamore 处理器上的纠错率比主流可扩展算法高 30%。不过它的推理速度目前还不够快，尚无法做到百万赫兹级的超导实时纠错。
限制非商用：DeepMind 终于开放 AlphaFold 3 代码
Google DeepMind 宣布开放蛋白质结构预测模型 AlphaFold 3 的软件代码，科学家可下载用于非商业研究。此前因发表论文时未附代码引发学术界巨大争议；不过该模型权重仍需提交申请，未完全开源。
Google 上线 Gemini 1.5 Flash-8B 正式版：限速翻倍至 4000 RPM
Google 宣布轻量模型 Gemini 1.5 Flash-8B 正式面向生产环境可用。它的性能接近原版 1.5 Flash，调用单价在所有 Gemini 模型中最低，并发限速也翻倍至每分钟 4000 次请求，适合大批量调用场景。
DeepMind 约 200 名员工联名施压：要求管理层切断军方技术访问
Google DeepMind 约 200 名员工签署联名信，要求公司终止与军事组织的合同，并切断军方对其 AI 技术的访问。信中重申了 2014 年被收购时绝不用于军事或监控的承诺，呼吁设立新的监管机构。不过，Google 目前尚未给出实质回应。
Google 升级「关于此图片」：圈选就能查图源，还能辨别 AI 伪造
Google 将「关于此图片」功能接入即圈即搜和 Google Lens。用户长按屏幕圈选图片或通过镜头上传，即可查看网络出处、元数据，并借助 SynthID 水印识别是否由 AI 生成。功能目前已覆盖 40 种语言。
DeepMind 拿 Gemini 1.5 Pro 指路：机器人看懂手绘地图，成功率 90%
本周，Google DeepMind 展示新研究 Mobility VLA，将 Gemini 1.5 Pro 接入 Everyday Robots 机器人。员工说出需求或画张草图，它就能看懂并自主带路，在 9000 平方英尺办公室中交互成功率约 90%。
Google DeepMind 转向「产品工厂」：团队面临商业化转型阵痛与疲劳
据彭博商业周刊报道，Google 正将 DeepMind 从学术实验室转型为商业 AI 产品工厂。多名受访员工透露，自上而下的产品交付指标让部分研究员感到受挫与疲惫，Gemini 先前出现的一系列波折也加剧了团队内部的压力。
DeepMind 公布 V2A 技术：看懂视频画面，自动生成配乐与对白
Google DeepMind 公布视频转音频（V2A）技术研究进展，能结合视频画面与文本提示生成同步声音。该系统基于扩散模型，无需手动对齐即可为静音视频或老胶片搭配配乐、拟音与台词。不过目前口型同步等仍有局限，模型尚未公开发布。
Google 推出视频工具 VideoFX：由 Veo 驱动，支持故事板分镜创作
Google 在 I/O 大会推出实验性视频生成工具 VideoFX，由 DeepMind 最新视频模型 Veo 驱动，支持分镜逐幕生成与添加配乐。同时 ImageFX 增加涂抹重绘功能并开放 Imagen 3 候补，MusicFX 上线 DJ 混音模式。
Google 推出教育模型 LearnLM：不直接给答案，先当「学习教练」
Google 推出基于 Gemini 微调的教育模型家族 LearnLM。它结合教育学原理，核心是不直接抛出答案，而是引导自主探索。该模型将接入搜索简化、YouTube 互动答疑及 Gemini 学习教练。部分功能已在美国测试。
生成式 AI 自主设计新药：研发周期从数年缩至数月
CNBC 报道生成式 AI 正在重塑制药业，礼来与英伟达等高管预计数年内药物将完全由 AI 自主设计。AI 能在 5 分钟内生成传统湿实验一年的分子量，将药物发现周期从数年缩减到数月，但真实有效性仍需人体试验检验。