Google 衛星首發太空 AI 回覆：在軌 TPU 跑通 Gemma 4 寫俳句
Google 宣佈 Project Suncatcher 原型衛星通過在軌 TPU 執行 Gemma 4 模型，傳回首個太空 AI 回覆。衛星飛經挪威地面站時受命寫下一首太空俳句。團隊後續將測試其抗輻射與熱應力表現，計劃 2027 年發射雙互聯衛星。
Gemma 4
Google 開源 EmbeddingGemma 2：7.4 億引數把全模態檢索塞進手機
Google 釋出開源多模態嵌入模型 EmbeddingGemma 2。該模型僅 7.4 億引數，採用 Apache 2.0 協議，能將文本、程式碼、影像、音訊和影片對映進統一向量空間。在 Pixel 11 Pro 上執行全模態僅需 567MB 記憶體，方便開發者直接在本地做完全離線的跨模態搜尋與 RAG。
DeepMind 推出 BOTANIC-1：AI 解碼植物 DNA，突變定位命中率達 90%
Google DeepMind 推出植物基因模型 BOTANIC-1，聯合 Gemma 4 智慧體分析植物 DNA 突變。BOTANIC-1 學習了 320 種植物基因序列，面對約 2500 個候選變異點，能以 90% 的成功率將目標突變排在第一位。這意味著作物基因分析可從數年縮短至數小時。
Google 釋出 DiffusionGemma：改用文本擴散，生成提速 4 倍
Google 開源實驗模型 DiffusionGemma。它摒棄逐字生成，改用文本擴散一次並行輸出 256 個 token，在 GPU 上推理提速最高 4 倍，單張 H100 每秒超 1000 token。該模型為 26B MoE 架構，量化後可塞進 18GB 視訊記憶體，但輸出質量略遜於標準 Gemma 4。
Google 釋出 Gemma 4 QAT 模型：手機就能跑，E2B 視訊記憶體壓到 1GB 內
Google 釋出 Gemma 4 系列的量化感知訓練（QAT）模型權重。通過在訓練階段模擬量化，大幅降低模型壓縮帶來的質量損耗，並將 Gemma 4 E2B 純文本模型的記憶體佔用壓至 1GB 以內。權重已上線 Hugging Face，支援本地消費級裝置直接流暢執行。
Google 為 Gemma 4 推出 MTP 草稿模型：推理最高提速 3 倍
Google 為 Gemma 4 系列模型推出多 Token 預測（MTP）草稿模型。該方案採用推測解碼技術，由輕量草稿模型先行預測多個 Token，再由大模型並行驗證，在保證質量零損耗的同時實現最高 3 倍推理加速。草稿模型已按 Apache 2.0 開源，支援 vLLM 與 Ollama。
Google 開源 Gemma 4：換用 Apache 2.0 協議，26B 效能匹敵 20 倍大模型
Google 正式推出 Gemma 4 開源模型家族，全系採用商業友好的 Apache 2.0 協議。新系列涵蓋從端側 E2B、E4B 到 26B MoE 與 31B Dense 四種尺寸，上下文最高達 256K，並在 Arena AI 榜單上戰勝多款 20 倍體量的大模型。開發者如今可以極低的硬體開銷部署自主智慧體工作流。