DeepMind 前员工做出的音乐 AI：Udio 上线，40 秒写出一首歌
由前 Google DeepMind 研究人员创立的 Udio 正式公开发布。用户只需输入风格描述或歌词，40 秒内就能生成包含人声与母带效果的音轨，还支持二次混音与片段延长。该项目获 a16z 领投，will.i.am 和 Instagram 联创等参投。
Google DeepMind
查看更新的新闻
Google DeepMind 推出 SIMA：能听懂人话、在 3D 游戏里帮你干活的通用 AI
Google DeepMind 推出通用 AI 智能体 SIMA。它不用看游戏源码或专用接口，仅凭屏幕画面和键盘鼠标输出，就能听懂玩家的自然语言指令，在《无人深空》《拆迁》等 9 款商业 3D 游戏中完成爬梯子、开菜单等 600 项基础操作。这是 AI 从刷高分转向泛化执行真实任务的重要一步。
Google DeepMind 发布 Genie：一张图就能生成可玩的游戏
周一，Google DeepMind 展示了基础世界模型 Genie。它通过学习超 20 万小时公开游戏视频，无需人工动作标注，仅凭单张图片或草图就能生成可交互、可操控的 2D 横版过关世界。这意味着生成式 AI 正在跨入可操控环境，为训练智能体铺路。
Google DeepMind 组建 AI 安全与对齐新组织，紧盯 Gemini 防护与 AGI 风险
Google DeepMind 宣布成立「AI 安全与对齐」新组织，整合既有安全团队并扩招专家，由 UC 伯克利教授 Anca Dragan 牵头。新部门既要给当前 Gemini 模型筑牢防线（防范不良医疗建议与偏见放大），也会设立专职团队攻坚 AGI 安全，对标 OpenAI 超级对齐。
Google 开源轻量模型 Gemma：笔记本能跑，允许商用
Google 推出全新开源模型系列 Gemma，提供 2B 和 7B 两个尺寸及指令微调版本。它继承了 Gemini 的核心技术，能在个人电脑或工作站本地运行，在同尺寸开源模型中表现顶尖，且允许企业和个人免费商用。
Google 发布 Gemini 1.5 Pro：吃下 100 万 token，效果比肩 1.0 Ultra
Google 推出下一代模型 Gemini 1.5，首发中型模型 1.5 Pro 采用 MoE 架构，性能比肩 1.0 Ultra 且更省算力。最狠的是支持最高 100 万 token 上下文，能一口气塞进 1 小时视频或 3 万行代码。目前已面向部分开发者和企业开启有限预览。
OpenAI 全面上线内容水印：图文音全覆盖，还配了验证工具
OpenAI 详细公布了多模态生成内容的防伪溯源方案。团队在图像和音频中嵌入 SynthID 隐形水印，在欧盟文本中启用 textGrain，同时结合 C2PA 元数据。最值得关注的是，这种双重标记大幅提升了抗裁剪能力，用户还能直接在网页端检测文件来源。
DeepMind 推出 AlphaGeometry：搞定奥赛几何题，30 题解出 25 道
Google DeepMind 推出名为 AlphaGeometry 的 AI 系统，能解出国际数学奥林匹克级别的几何题。它把语言模型与符号逻辑引擎结合，30 道测试题中解出 25 道，远超 1978 年旧纪录的 10 道。这补上了 AI 欠缺严密推理的短板，不过它暂时还搞不定大学级抽象数学。
DeepMind 新发现：欺骗 AI 视觉的对抗图像，其实也能影响人类
Google DeepMind 在《自然-通讯》发表研究，发现专门用来欺骗计算机视觉的对抗样本图像，即便像素变化微弱到肉眼难以察觉，也会系统性诱导人类的视觉判断。这项发现揭示了人脑与机器视觉潜在的共通弱点，也为视觉模型的安全对齐提供了新思路。
Google 最亮眼的 Gemini 演示翻车：看似实时互动，实为图文提示剪辑
据外媒报道，Google 发布的 Gemini 多模态上手视频并非实时音视频交互。官方承认这是用静止图片搭配精心调优的文本提示词剪辑而成，并缩短了延迟。这引发了外界对演示真实性与 Google 诚信的强烈质疑。
DeepMind 发布 GNoME：一口气预测 38 万种稳定新材料
Google DeepMind 在《自然》发表新成果，其 AI 程序 GNoME 预测出 38 万种潜在稳定的新晶体，直接把已知稳定材料库扩大了近 10 倍。Berkeley 实验室随后用机器人成功合成了其中 41 种。不过模型代码暂不开源，实际商业化落地也还有漫长距离。
Google 发布音乐模型 Lyria：做 30 秒流行乐，还能防伪打水印
Google DeepMind 联手 YouTube 发布音乐模型 Lyria。同步测试的 Dream Track 允许创作者输入主题，即可生成带有 Charlie Puth 等 9 位歌手人声与风格的 30 秒配乐。所有音频均内置 SynthID 防伪水印，目前仅限少数创作者内测。
Google DeepMind 开源 GraphCast：1 分钟算完 10 天全球天气预报
Google DeepMind 在《Science》发表全球天气预报模型 GraphCast。单台 TPU 运行不到 1 分钟即可生成 10 天预测，并在 90% 以上测试变量上超越行业标杆 HRES。模型代码现已开源，欧洲中期天气预报中心已展开实时测试。
DeepMind 预告下代 AlphaFold：拓展至 DNA 与药物小分子预测
Google DeepMind 披露下一代 AlphaFold 进展。新模型不再局限于蛋白质，能以原子级精度预测配体、DNA 及 RNA 复合结构。它无需预设参考结构即可超越传统对接方法，将直接加速靶向药设计。
英国将建全球首个 AI 安全研究所：拉拢中美共同把关模型风险
Thursday，英国首相 Rishi Sunak 宣布将建立全球首个 AI 安全研究所，在模型发布前对其偏见与极端风险进行评估。英国还提议仿照气候变化专门委员会建立全球专家小组，并力推包括中国在内的多国参与 AI 风险治理。
Google DeepMind 联手 33 家实验室：发布最大跨形态机器人数据集与 RT-X
Google DeepMind 联合 33 家学术实验室发布 Open X-Embodiment 数据集及 RT-X 模型。数据集汇总了 22 种机器人的百万条演示，跨形态训练让机器人任务成功率平均提升 50%，RT-2-X 的新技能泛化成功率更是提升至三倍，数据集与权重已开源。
DeepMind 发布 AlphaMissense：用 AI 预测 7100 万个基因突变致病性
Google DeepMind 在《科学》杂志公布新模型 AlphaMissense，能预测 7100 万个人类 DNA 错义突变是否致病。它基于 AlphaFold 微调而来，旨在帮医生快速排查罕见病病因。不过出于生物安全顾虑，团队未公开模型权重。
Google 推出 SynthID：给 AI 生图打上肉眼看不见的隐形水印
Google DeepMind 联合 Google Cloud 发布 SynthID 测试版。该工具将数字水印直接嵌入图像像素，肉眼无法察觉，加滤镜或压缩后依然能被检测出来。目前该功能正面向 Vertex AI 平台使用 Imagen 的部分客户开放测试。
DeepMind 打造多智能体象棋系统 AZdb：击败 AlphaZero，解题量翻倍
Google DeepMind 团队推出多智能体系统 AZdb，把多个风格各异的 AlphaZero 组成战队。通过行为多样性训练，智能体各自专精不同开局与阵型；在刁钻的棋局难题中，其解题量达到单体 AlphaZero 的两倍，实战 Elo 积分提高 50 分。
美国 AI 监管怎么管：一文拆解华盛顿正在酝酿的规则方案
Vox 发文解读美国决策层的 AI 监管框架。华盛顿正从新规则、监管机构、资金和人才四方面切入，重点涵盖版权、强制审计、模型发照乃至算力监控。这意味着前沿大模型的野蛮生长期正快速走向受限合规时代。