Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad★ 90
Google DeepMind Blog221d agoReleaseGoogle DeepMind 宣布，搭載全新「Deep Think」思考技術的進階版 Gemini 模型，在國際奧林匹亞數學競賽（IMO）的測試中正式達到了金牌得主的水準。這項突破展示了 AI 在處理極具挑戰性的代數、組合數學、幾何和數論等複雜推理問題上的巨大進步。此成果不僅是 AI 數學推理能力的里程碑，也代表著強化學習與系統化思考（System 2 thinking）在大型語言模型上的成功應用。
Gemini achieves gold-medal level at the International Collegiate Programming Contest World Finals★ 85
Google DeepMind Blog221d agoReleaseGoogle DeepMind 發表最新突破，旗下 Gemini 2.5 Deep Think 模型在國際大學生程式設計競賽（ICPC）世界總決賽中展現出金牌等級的表現。這項成就代表 AI 在抽象問題解決、複雜演算法設計與程式碼除錯能力上取得了巨大飛躍。該模型透過深度思考與自我修正機制，成功攻克了原本只有全球頂尖人類程式設計師才能解決的難題。
Strengthening our Frontier Safety Framework★ 75
Google DeepMind Blog222d agoReleaseGoogle DeepMind 宣布更新並強化其「前沿安全框架」(Frontier Safety Framework, FSF)。該框架是 DeepMind 用於預防先進 AI 模型引發極端風險的核心機制。本次強化重點在於提升對模型潛在危害（如網路安全、生物安全及自主複製等）的偵測與評估能力，並建立更明確的預警與緩解機制，以確保前沿技術在安全可控的範圍內發展。
Gemini Robotics 1.5 brings AI agents into the physical world★ 85
Google DeepMind Blog222d agoReleaseGoogle DeepMind 發表 Gemini Robotics 1.5，旨在將 AI Agent 的能力帶入實體世界。透過此系統，機器人將具備更強大的環境感知、多步驟任務規劃、邏輯思考、工具使用以及實體行動能力。這項進展代表著「實體代理（Physical Agents）」時代的開啟，能更有效率地解決現實世界中複雜且多步驟的實體任務。
Introducing CodeMender: an AI agent for code security★ 82
Google DeepMind Blog222d agoReleaseGoogle DeepMind 發表全新 AI Agent「CodeMender」，旨在解決軟體安全中的關鍵漏洞修復難題。CodeMender 不僅能自動偵測程式碼中的安全漏洞，還能主動生成修復補丁並進行驗證。這項技術結合了先進的大型語言模型與自動化測試，大幅提升了軟體開發生命週期中的安全性與修復效率。
Try Deep Think in the Gemini app★ 85
Google DeepMind Blog222d agoReleaseGoogle 正式在 Gemini 應用程式中為 Google AI Ultra 訂閱者推出「Deep Think」深度思考功能。此外，Google 也向特定的數學家開放了曾參加國際數學奧林匹亞（IMO）競賽的 Gemini 2.5 Deep Think 完整版模型，讓專業人士能體驗其強大的數學推理能力。
Rethinking how we measure AI intelligence★ 78
Google DeepMind Blog222d agoNew ToolGoogle DeepMind 發表全新開源平台「Game Arena」，旨在解決傳統 AI 基準測試逐漸失效的問題。該平台讓不同的前沿 AI 模型在具有明確勝負規則的遊戲環境中進行直接對決。透過這種動態且具對抗性的方式，Game Arena 能更精準、客觀地評估 AI 的決策與推理能力，為 AI 領域提供更具公信力的衡量標準。
VaultGemma: The world's most capable differentially private LLM★ 80
Google DeepMind Blog222d agoReleaseGoogle DeepMind 發表了 VaultGemma，這是全球首款從頭開始（from scratch）使用差分隱私（Differential Privacy, DP）技術訓練的高性能大語言模型。透過嚴格的數學隱私保證，VaultGemma 能有效防止訓練數據洩露與敏感資訊記憶，同時在多項基準測試中保持極高的實用性，為醫療、金融等高隱私需求領域帶來全新突破。
Introducing the Gemini 2.5 Computer Use model★ 85
Google DeepMind Blog222d agoReleaseGoogle DeepMind 發表全新的 Gemini 2.5 Computer Use 專用模型，目前已透過 API 提供預覽。該模型基於 Gemini 2.5 Pro 的強大能力進行微調，旨在賦能 AI 代理（Agents）直接與作業系統及應用程式的用戶介面（UI）進行互動。這項技術將加速自動化工作流程的開發，讓 AI 能夠像人類一樣執行點擊、輸入和導覽等電腦操作。
An Opinionated Guide to Using AI Right Now★ 85
One Useful Thing (Mollick)226d agoTutorial賓州大學華頓商學院教授 Ethan Mollick 釋出最新 AI 實用指南。他指出，目前主流模型各有擅場：Claude 3.5 Sonnet 適合寫作與程式，GPT-4o 語音與綜合能力強，Gemini 則以超大上下文見長。他強調，使用者應將 AI 視為「聰明但缺乏經驗的實習生」，透過持續對話與回饋來突破「不規則邊界（Jagged Frontier）」，才能真正發揮 AI 的生產力潛能。
On Working with Wizards★ 85
One Useful Thing (Mollick)264d agoOpinion知名 AI 學者 Ethan Mollick 提出「與魔法師共事」的隱喻，指出當前 AI 並非傳統軟體，而是具備強大卻不穩定能力的魔法師。在「參差不齊的技術前沿（Jagged Frontier）」上，AI 可能在困難任務上表現驚人，卻在簡單任務上出錯。人類必須學會扮演「驗證者」，透過深度整合（如半人馬或賽博格模式）來駕馭這股魔法般的技術。
TimeScope: How Long Can Your Video Large Multimodal Model Go?★ 75
Hugging Face Blog314d agoReleaseHugging Face 介紹了全新的影片多模態基準測試「TimeScope」，旨在評估 Video LMM 處理長影片的能力。現有基準多侷限於短影片，而 TimeScope 挑戰模型在長時段影片中的時間推理、事件排序與資訊檢索。測試結果顯示，多數現行模型在影片長度增加時，理解與推理能力會顯著下降，揭示了現有技術的瓶頸。
Back to The Future: Evaluating AI Agents on Predicting Future Events★ 75
Hugging Face Blog320d agoReleaseHugging Face 發表全新基準測試「FutureBench」，旨在評估 AI Agent 在預測未來事件（如地緣政治、金融市場及科技趨勢）上的表現。該測試挑戰了 Agent 的資訊檢索、機率推理與時間推理能力，有效避免了傳統基準測試中常見的資料洩漏問題。評估結果顯示，目前的 AI Agent 在面對未知的未來事件時，預測準確度與人類專家仍有顯著差距。
Gemma 3n fully available in the open-source ecosystem!★ 80
Hugging Face Blog341d agoReleaseGoogle 最新推出的 Gemma 3n 模型系列已正式在 Hugging Face 開源社群全面上線。此版本針對端側部署（On-device）與高效能推論進行優化，Hugging Face 生態系已提供完整支援。開發者現在可以無縫使用 Transformers、vLLM、TRL 等工具進行部署、推論與微調，為輕量級與邊緣運算 AI 應用提供了全新的強大選擇。
Gemini Robotics On-Device brings AI to local robotic devices★ 85
Google DeepMind Blog343d agoReleaseGoogle DeepMind 宣布推出「Gemini Robotics On-Device」模型。這是一款專為本地（裝置端）運作設計的高效機器人 AI 模型，旨在賦予機器人通用的靈巧操作能力（general-purpose dexterity），並能針對新任務進行快速適應（fast task adaptation），大幅提升邊緣端機器人的自主與反應能力。
Using AI Right Now: A Quick Guide★ 85
One Useful Thing (Mollick)344d agoTutorial知名 AI 學者 Ethan Mollick 整理了最新的 AI 實用指南，解答「該用哪款 AI」與「如何使用」的核心問題。他強調應直接使用最頂尖的 Frontier Models（如 GPT、Claude、Gemini），並將 AI 視為「聰明但缺乏常識的實習生」。指南涵蓋日常寫作、程式開發、資料搜尋與多媒體生成等四大領域的推薦工具與實戰心法。
We’re expanding our Gemini 2.5 family of models★ 85
Google DeepMind Blog350d agoReleaseGoogle DeepMind 宣布擴展其 Gemini 2.5 模型家族。先前推出的 Gemini 2.5 Flash 與 Gemini 2.5 Pro 現已達到正式商用（GA）階段。同時，Google 還推出了全新的 Gemini 2.5 Flash-Lite，這是目前 Gemini 2.5 家族中速度最快、成本最低的模型，旨在為開發者提供極致的性價比與低延遲體驗。
Gemini 2.5: Updates to our family of thinking models★ 85
Google DeepMind Blog350d agoReleaseGoogle DeepMind 宣布 Gemini 2.5 思考模型家族的最新更新。其中，具備強大推理能力的 Gemini 2.5 Pro 已達到穩定版（Stable）階段；主打快速高效的 Gemini 2.5 Flash 進入一般可用性（GA）階段；此外，官方還推出了全新的超輕量模型 Gemini 2.5 Flash-Lite 供開發者預覽，進一步擴展了其 AI 模型的應用場景與性價比選擇。
Advanced audio dialog and generation with Gemini 2.5★ 85
Google DeepMind Blog364d agoReleaseGoogle DeepMind 宣布 Gemini 2.5 在 AI 語音對話與音訊生成上取得重大突破。新功能大幅提升了語音互動的流暢度、自然度與即時性，並支援更進階的音訊生成技術。這項更新將為開發者與企業帶來更具沉浸感的語音應用與全新一代的語音 Agent 體驗。
SynthID Detector — a new portal to help identify AI-generated content★ 80
Google DeepMind Blog378d agoNew ToolGoogle 在 I/O 大會上宣布推出「SynthID Detector」全新入口網站。該平台旨在幫助使用者辨識在網路上看到的內容是否由 AI 生成。透過整合 Google DeepMind 的 SynthID 隱形浮水印技術，此工具提供了一個直觀且公開的管道，讓大眾能更透明地了解數位內容的來源與真實性。
Our vision for building a universal AI assistant★ 85
Google DeepMind Blog378d agoOpinionGoogle DeepMind 發表了建構通用 AI 助手的長期願景，核心在於將 Gemini 擴展為一個「世界模型（World Model）」。 透過模擬真實世界的運作方式，Gemini 將不僅能處理多模態資訊，還能主動進行規劃並想像全新的體驗。 這項技術突破旨在讓 AI 助手具備更深度的環境理解與預測能力，為未來的通用人工智慧（AGI）奠定基礎。
Gemini 2.5: Our most intelligent models are getting even better★ 85
Google DeepMind Blog378d agoReleaseGoogle DeepMind 宣布更新 Gemini 2.5 系列模型。備受開發者喜愛的 Gemini 2.5 Pro 將推出實驗性的「Deep Think」增強推理模式，大幅提升複雜問題的解決能力；同時，主打輕量高效的 Gemini 2.5 Flash 也獲得全新升級，帶來更強大的功能與效能表現。
[AINews] Gemini 2.5 Flash completes the total domination of the Pareto Frontier★ 85
TLDR AI (Buttondown)410d agoReleaseGoogle 正式發表 Gemini 2.5 Flash，在 LMArena 的性價比曲線（Pareto Frontier）上展現極強的主導地位。此版本定價精準填補了 2.0 Flash 與 2.5 Pro 之間的空白。最受矚目的新功能是「思考預算（Thinking Budget）」，允許開發者精確設定思考 Token 的上限，相較於 OpenAI 與 Anthropic 僅提供粗略的強弱設定，給予開發者更細緻的控制權。社群普遍認為 Google 近期的執行力與產品發布節奏已完全甦醒。
[AINews] Google's Agent2Agent Protocol (A2A)★ 85
TLDR AI (Buttondown)418d agoReleaseGoogle 在 Cloud Next 大會上宣布雙重重磅消息：全面支援 Anthropic 的 MCP 協定，並推出全新的 Agent2Agent (A2A) 協定。A2A 旨在與 MCP 互補，解決跨遠端 Agent 溝通的痛點。該規範包含 Agent Card、Task 機制、企業級認證與推播支援，並同步開源了草案規範與 Agent 開發套件（ADK）。
How good are LLMs at fixing their mistakes? A chatbot arena experiment with Keras and TPUs★ 75
Hugging Face Blog544d agoCommentary本文介紹了 Hugging Face、Keras 與 Google TPU 團隊合作的最新實驗，旨在評估大語言模型（LLM）在被指出錯誤後的「自我糾錯」能力。實驗採用類似 Chatbot Arena 的雙盲測試，利用 Keras 的多後端優勢與 TPU 的強大算力，測試多款開源模型。結果顯示，多數模型在沒有外部具體反饋的情況下，自我糾錯能力仍有極大提升空間。
Welcome PaliGemma 2 – New vision language models by Google★ 80
Hugging Face Blog544d agoReleaseGoogle 發表全新一代輕量級視覺語言模型 PaliGemma 2，基於 SigLIP 視覺編碼器與 Gemma 2 文本解碼器。本次釋出包含 3B、10B 與 28B 三種參數規模，並提供多種輸入解析度（最高達 896x896）。PaliGemma 2 在圖像描述、視覺問答、目標檢測與文件理解等任務上表現優異，且已全面整合至 Hugging Face 生態系，支援快速微調與部署。
BigCodeBench: The Next Generation of HumanEval★ 80
Hugging Face Blog714d agoRelease傳統的 HumanEval 程式碼評測基準已逐漸飽和且過於簡單。Hugging Face 與研究團隊合作推出新一代基準 BigCodeBench，包含 1,140 個實用編程任務，涵蓋 139 個第三方 Python 函式庫。此基準旨在考驗 LLM 在複雜、多步驟及真實開發場景下的程式碼生成與指令遵循能力，成為評估 Code LLM 的新一代標準。
CodeGemma - an official Google release for code LLMs★ 80
Hugging Face Blog784d agoReleaseGoogle 官方正式發布 CodeGemma 程式碼模型系列，基於 Gemma 架構。提供專攻 IDE 程式碼補全（Fill-in-the-Middle）的 2B 版本，以及適合程式碼生成與對話的 7B 版本。該系列模型已深度整合至 Hugging Face 生態系，支援多種主流程式語言，為開發者提供高效且可本地運行的開源 AI 助手選擇。
Introducing ConTextual: How well can your Multimodal model jointly reason over text and image in text-rich scenes?★ 75
Hugging Face Blog819d agoReleaseHugging Face 發表全新基準測試「ConTextual」並上線排行榜。該基準專注於評估多模態大模型（MLLM）在處理「富含文本的圖像」（如圖表、資訊圖表、街景招牌等）時的圖文聯合推理能力。這項測試超越了單純的 OCR 文字識別，更考驗模型結合視覺上下文與文本進行深度推理的實力，為評估當前頂尖多模態模型提供了更貼近真實應用場景的標準。
Fine-Tuning Gemma Models in Hugging Face★ 80
Hugging Face Blog830d agoTutorial本指南介紹如何在 Hugging Face 生態系中微調 Google 的 Gemma 開源模型（2B 與 7B）。文章詳細說明了如何利用 PEFT（參數高效微調）技術，特別是 QLoRA（4-bit 量化微調），在消費級 GPU 上進行訓練。透過結合 transformers、peft 與 trl（SFTTrainer）等套件，開發者可以輕鬆載入模型、設定 LoRA 參數、格式化數據集，並將微調後的權重上傳至 Hugging Face Hub，是實作 Gemma 微調的必讀教學。