Ai2 启动了一项气候建模计划，由 Google.org 提供三年资助，Google Research 提供技术支持，旨在开发开源模型 NeuralGCM+，以实现更快、更可靠的气候预测。该项目扩展了 Google Research 的 NeuralGCM——该模型将大尺度动力学的物理方程与云形成、降雨等小尺度过程的 AI 相结合——以同时模拟大气和海洋。Ai2 的目标是降低过去 50 年区域气温和降雨的误差，并向外部研究人员发布带有文档化工作流程的模型和框架。
Ed Zitron 认为，AI 建设潮会在资金耗尽时终结；他举例称，OpenAI 在大型投资者兴趣冷淡的情况下以 1.25 万亿美元估值融资 110 亿美元，低于据报道其寻求的以 1.4 万亿美元估值融资 300 亿美元。他还将 Anthropic 修订后的 S-1 解读为：第三季度营收接近 170 亿美元，而算力成本为 99 亿美元，总义务约 8950 亿至 1.07 万亿美元，并可能获得低于投资级的评级。他将这一点与债务市场将 neoclouds 拒之门外、Google 因 AI 概览导致搜索变现能力下降，以及 OpenAI 贡献了 Microsoft 最近一个季度约 11% 的营收联系起来。
Google DeepMind 为 Google Antigravity 推出化学信息学技能，让智能体能够检索文献、整理化合物、运行匹配分子对分析、训练效力模型，并在约一小时内提出带有合成路线的刚性化大环化合物，该工作流此前需要数天。这些技能基于 RDKit，并连接 ChEMBL 和 PubChem，团队在用于非小细胞肺癌的克唑替尼和劳拉替尼类似物上进行了演示。这些技能即日起可通过 Antigravity 应用的 Science 插件使用，DeepMind 向 10,000 名科学家免费提供最高使用层级 6 个月，需符合资格、容量和筛选条件。
推荐理由：Google DeepMind 展示了 Antigravity 中的化学信息学技能将多日的药物发现循环压缩至约一小时，同时指出设计仍是需要实验室验证的假设。
科技记者 Kevin Roose 在 The Every Podcast 上讨论了他的新书《AGI 编年史》，该书基于对 150 人的采访，揭示了一段很大程度上隐藏在 AI 实验室内部、并被保密协议所掩盖的历史。这本书深入 OpenAI、Anthropic 和 Google DeepMind 的研究人员训练和测试 AI 模型的实验室，包括 Sam Altman 在 OpenAI 被解雇又复职的幕后细节。
Google 开展了一项 50 道题的自动评分编码智能体基准测试，检验轻量级分类器 TypeSafe 的 Jev 能否将每项任务路由到仍能正确作答的最便宜 Gemini 配置。一个冻结的正则表达式与提示长度启发式方法在 16 道开发题上得分 93.8%，但在 34 项留出任务上下降 23.2 个百分点至 70.6%，而 Jev 在整个测试集上达到 96.0%。最强的无路由方案——Gemini 3.8 Flash 低思考模式——解决了全部 50 项任务；一个 Jev 路由器先将任务发送给 Flash-Lite、再对标记的任务升级，同样解决了全部 50 项任务，同时降低了成本和响应时间；将 maxOutputTokens 上限设为 300 在简单任务上未节省任何成本，却导致 25 项困难任务中的 7 项失败。
Import AI 479 介绍了 Realtime-Bench，这是一个包含 50 项任务的基准测试，由 UT Austin、Ohio State、UIUC、NVIDIA、Northwestern 和 Steadyworks 的研究人员构建，包含 30 项网页任务和 20 项游戏任务，用于测试前沿模型能否在实时压力下行动。GPT-6 Astra（high）取得了最高的实际耗时通过率，为 36%，而在暂停计时的运行中，高推理模型可达到约 70% 至 80%。本期还涵盖了国防情报局的《太空安全挑战》报告以及 Genie 4。
Google DeepMind 正在将其基于 Gemini 构建的 AI 规划工具 PlanAssist 扩展至英格兰另外 12 个地方规划机构，使总数达到 15 个。自 6 月以来，在 Barnet、Camden 和 Dorset 的试点中，该工具将工作人员在住户评估任务上花费的平均时间最多缩短了 58%，其生成的报告中有超过 70% 未经编辑即获批准。
Casey Newton认为，Alphabet单日股价下跌12.6%与Reddit股价下滑15%有着共同的根源：AI答案正将价值拉向谷歌自有页面，并从开放网络中抽走。谷歌首席商务官表示，AI模式的收入低于传统搜索，而Reddit则表示搜索流量下降，并将要求登录才能浏览。Newton预计谷歌能够消化这一转变，因为它有能力支付大多数挑战者无法承担的内容授权费用。
DevFest 是 Google 开发者社区（Google Developer Groups）主办的社区主导型开发者活动系列，将于 2026 年 10 月 1 日至 12 月 31 日回归，预计在 115 个国家举办 800+ 场活动，吸引近 100 万名参会者。会议与工作坊涵盖 Google AI 技术以及 Google Cloud、Android 和 Web 方向，主题围绕智能体时代的构建、安全与扩展展开。活动由基层组织者以当地语言举办，演讲嘉宾包括 Google 开发者专家和 Google 工程师。
Google DeepMind 发布了 Gemini 4 Carbon，这是其迄今最强的模型，具备最先进的网络安全与长周期能力，在 v5.0 Artificial Analysis Intelligence Index 上以 59 分排名第一。它在用于发现漏洞的 SEC-bench Pro 上得分 88.2%，在用于漏洞利用的 ExploitGym 上得分 54.8%，在用于修补的 CWE-bench 上得分 71.0%，并在 WebDev Arena 上以 1768 分排名第四。Carbon 以与 Argon 相同的 introductory 价格发布，即每百万输入 token 2 美元、每百万输出 token 10 美元，并首先通过 Fairwind Program 向部分网络防御者开放，随后再更广泛发布。
推荐理由：Gemini 4 Carbon 在漏洞发现与修补方面的基准测试结果，显示出前沿模型正如何被定位用于网络安全防御工作。
Google 发布了一份操作指南，介绍如何用其框架无关的 A2UI（Agent-to-UI）标准和 CopilotKit 的智能体集成栈构建生成式 UI 应用。A2UI 以声明式 JSON 消息而非可执行代码的形式发送 UI，因此客户端只渲染来自可信目录的组件，同一份载荷可在 React、Angular、Lit、SwiftUI、Jetpack Compose 和 Flutter 上通用。该指南展示了如何通过 AG-UI 接入 Google ADK 智能体、定义经 Zod 校验的组件目录，以及构建双向界面——用户输入会回传给智能体，以支持预订等多步流程。
Google Research 提出了一种用于持续学习的睡眠框架，该框架交替进行主动交互与离线记忆巩固，让 LLM 将新事实吸收到扩展的混合专家参数中，而不是丢失先前的知识。该方法结合了参数扩展、基于策略的蒸馏与基于强化学习的模仿，以及一个生成并筛选合成训练样本的“做梦”阶段。作者报告称，在满语和 Kalamang 等未见语言的持续翻译中性能下降接近零，在 BABILong 上扩展到 1000 万 token 时接近完美，在基于 SQuAD 的事实融入中单任务达到 48.9%、CPT 达到 46.2%，在 AIME 24/25 和 HMMT 25 上分别达到 79.2%、69.0% 和 46.1%。
The Pragmatic Engineer 采访了 Rootly、incident.io 和 ResolveAI，了解 AI SRE 工具的情况：这些工具大多只是加快 Slack 内的事故调查，而非自主行动。许多公司的部署频率一年内大约翻倍，Rootly 数据显示告警量上升，非工作时间告警几乎翻倍，同时厂商正围绕知识图谱、记忆和验证代理重建调查代理。内部案例包括 OpenAI 的 Sevbot、Stripe 的调查代理（简单运行约 3 分钟，深度运行 14 分钟）以及 Gemini CLI 中的 Google ProdAgent，后者通过 MCP 建议工具且不编写代码。
Google 的 Agents CLI 评估命名空间为智能体运行爬山循环：eval generate、grade、compare、analyze 和 optimize。在 Agents CLI v1.8.0 中对 LangChain 模板的演练中，以 gemini-3.8-flash 作为评判者，基线得分为 4.0/5，而错误的 chef 系统提示将其降至 2.75。
谷歌的 Gemini 4 Carbon 在 Artificial Analysis Coding Agent Index 上位列第 5。5（最高 62），并在 9 项 Index 评测中的 4 项领先，包括 HLE-Diamond 和 Terminal-Bench-Science。1 从 4% 升至 11%；该模型正面向部分用户推出，尚未公开可用。
推荐理由：Gemini 4 Carbon 以 59 分登顶 Artificial Analysis Intelligence Index v5，在 Coding Agent Index 上落后 Claude Opus 5.5 3 分，并附有每任务成本和幻觉数据供比较。
Google 在 Google Play services 中发布 LiteRT 端侧推理运行时，其 GPU 推理速度约为旧版 GPU delegate 的 1.4 倍，并新增 CompiledModel API。
Google Cloud 开发者构建了 HappyDelivery，这是一个使用 LangGraph、Gemini、FastAPI 和 Google Cloud 的对话式商务可运行原型，遵循了此前由 Ingress、Memory 和 Cognition 组成的三层蓝图。Ingress 层验证 WhatsApp、RCS、Apple Messages 和 SMS 的平台特定 webhook 签名，将负载规范化为通用 schema 并卸载到 Pub/Sub，在约 300ms 内返回 HTTP 200。文章详细介绍了代码、状态机、确定性金融工具和自动化验证套件。
Google 为其面向生成式 UI 的智能体优化协议 A2UI 发布了可替换推理格式，允许智能体生成一种中间格式，再由 SDK 编译器将其转换为经过验证的 A2UI 消息。新的默认格式 A2UI Express 在相同 UI 下使用的 token 比 Direct JSON 最多少 3 倍，并将延迟最多降低 3 倍，已在 Python（a2ui-agent-sdk 0.9.0）、TypeScript（@a2ui/agent）和 Dart SDK 中提供。Google 还展示了 TypeSafe 的 Jev 等决策模型在预定义布局中进行选择，称这可将延迟最多降低 80 倍；在 Apparite 示例中，11 个提示下的屏幕均在 0.8 至 1.7 秒内完成。
Google Workspace 现在允许用户在 Google Docs 和 Drive 中直接查看、编辑和协作处理 Markdown（.md）文件，无需将其转换为其他格式。文件会保留 .md 类型，并在文档页眉显示可见标记；Drive 提供带表格和超链接的渲染预览，也可切换为原始文本。Google 将 Markdown 定位为人类与 AI 代理共享的语言，支持实时协同编辑、行级评论和版本历史，覆盖人类与代理的修订；任何拥有 Google 或 Workspace 账户的用户都可以通过将 .md 文件上传到 Drive 开始使用。
Google CEO Sundar Pichai 表示，行业“距离 RSI 的终局还相当遥远”，不过 AI 智能体已经在帮助研究人员构建模型。他说所有人都缺算力，而 Google 放弃短期云收入来资助前沿 AI 研究。
Epoch AI在11项真实的Epoch工作任务上测试了六款领先模型，发现没有一款能可靠达到其质量标准，Claude Fable 5.1与GPT-6 Astra大致并列领先。其新推出的SpireClimb基准显示，前沿模型在六个月内从在《杀戮尖塔》中苦苦挣扎，发展到能以超过90%的胜率通过基础难度对局，其中GPT-6 Astra达到98%。Gemini 4 Argon在Epoch能力指数上得分166，与Claude Fable 5.1并列，落后于得分169的Claude Opus 5.5和GPT-6 Astra。
Google Research 在 IDWeek 2026 上介绍了其胸部 X 光结核病筛查模型如何从 2019 年《Radiology》上的一项基准测试，发展为经 CE MDR Class IIb 认证的工具，并由合作伙伴 Nexus AI 在六个国家的约 40 家医疗机构部署。已有 90 多名临床医生评估了超过 25,000 张胸部 X 光片，将周转时间从数周缩短至 45 秒以内，该工具还被部署在南非 Mponeng 金矿地下四公里处的离线环境中。Google 已通过 HAI-DEF 开源了胸部 X 光嵌入和 MedSigLIP，并发布了 MedGemma，称其下载量已超过 1000 万次，同时印度尼西亚卫生部正在利用国内 X 光片对这两个模型进行微调，以支持一项全国性筛查计划。
Platformer推出了Machine Gods，这是一档与NPR合作制作的新AI播客，节目于每周三和周五早晨发布。前两集分别探讨行为失范的AI智能体，并采访了两位近期被OpenAI解雇的安全研究员。主持人表示，该节目秉持“AI现实主义”路线，既认真对待安全警告，也关注新技术带来的乐趣与进步。
Google Cloud 现在提供两种使用 Claude 模型的方式：一种是 Google 托管方案，提供边界内安全、区域数据驻留和原生云集成；另一种是 Anthropic 托管方案，提供完整的 Claude Platform，并支持 Google Cloud IAM 和计费。两种方案现在均可试用。
Google Research 在 JAMA Network Open 上发表了一项前瞻性多中心研究，显示其 AI 模型通过盲扫超声估计孕龄的平均绝对误差为 4.18 天，而使用标准生物测量的专家超声医师为 4.48 天。该模型仅在 120 名芝加哥参与者上进行了最小调优，并在内罗毕未做任何本地优化的情况下进行测试，达到 4.27 天的 MAE，而芝加哥为 4.10 天。该研究面向一线孕产妇护理，WHO 估计每年有超过 25 万例可预防的妊娠相关死亡发生，且三分之二的人无法获得诊断成像。
Anthropic正在将Agent Skills——一项为AI智能体提供专业知识和 workflows 的开放标准——捐赠给Linux基金会旗下的Agentic AI基金会（AAIF）。自2025年12月发布以来，包括ChatGPT、Cursor、GitHub Copilot和VS Code在内的70多个智能体平台已集成该标准，已发布100万个技能，安装量近2.8亿次。此次捐赠涵盖Agent Skills名称和徽标、GitHub组织以及agentskills.io域名，来自Anthropic、Google、OpenAI和其他公司的工程师将以个人身份在首席维护者David Soria Parra和Mahesh Murag的带领下对其进行维护。
推荐理由：Anthropic将其Agent Skills标准交给Linux基金会的AAIF——与MCP相同的中立归属，使社区对该规范的路线图拥有正式话语权。
Google Cloud 研究人员公布了 Project Chrysalis，这是一个基于 Gemini 平台和 Agent Development Kit（ADK）构建的可治理、自进化 AI 智能体的参考架构。在模拟的黑色星期五缓存踩踏故障中，它将首次缓解时间从 15–45 分钟缩短至 1.8 秒，将 HTTP 5xx 错误率从 72.7%–80.0% 降至 0.0%，并将 P99 延迟从 519.8 ms 降至 18.2 ms。每一项自主操作都受到 Model Armor、Cloud KMS、Binary Authorization、OPA Policy Controller 以及双人保管人在环签核的约束。
Google Cloud API Gateway 现已在公开预览版中支持流式传输，使 SSE、分块 HTTP、WebSocket 和 gRPC 流式端点能够与现有 API 一样，置于同一网关和策略之后。创建网关时只需一个 --enable-streaming 标志即可启用流式传输，无需更改 API 规范，并且 API 密钥强制执行、JWT 验证、服务账号认证以及 Cloud Logging 和 Monitoring 均照常工作。网关还会获得确定性的默认主机名 GATEWAY_ID-PROJECT_NUMBER.REGION.gateway.dev，流最长可保持打开一小时。
Anthropic 的 Claude Opus 5.5 和 Claude Sonnet 5.5 现已在 Google Antigravity 中正式上线，覆盖 Antigravity 2.0 Desktop、CLI 以及 VS Code、JetBrains 和 Visual Studio 的 IDE 扩展。Opus 5.5 面向重度推理和多文件架构重构，Sonnet 5.5 则是更快、成本更低的日常编码选项。开发者可以通过下拉菜单或在 CLI 中输入 /model claude-opus-5-5 在会话中途切换模型，且不会丢失上下文、终端状态或工作区产物；管理员可在 Google Cloud Console 的 Gemini Enterprise 下启用这些模型并设置支出限额。
Alphabet CEO Sundar Pichai 对 Big Technology 表示，Google 仍致力于前沿 AI 开发，称其云业务放弃短期收入，以做出支持这项工作的算力取舍。他表示，Gemini 4 Argon 在编程、数学、科学和知识工作基准上优于 OpenAI 和 Anthropic 最新的公开模型，在发布后的前 72 小时内处理了近 25 万亿个 token，约为 Gemini 3.0 的三倍，而 Google 在为其提供服务时面临容量限制。Pichai 还表示，前沿访问让 Google 能更早看到新兴能力，这对构建下一代模型很重要。
阿波罗首席经济学家Torsten Slok警告称“这个AI最好能成功”，而Ed Zitron量化了这有多难。NVIDIA、Google、Amazon、Meta、Microsoft、Broadcom、Micron、AMD和CoreWeave合计约占纳斯达克100指数的46.5%，2026年第二季度企业股票占美国家庭财富的37.9%，为2000年第四季度以来有记录的最高水平。
Google 的 Agents CLI 现已包含扩展系统（Extension System），该系统在 v1.5.0 中引入，允许开发者在不 fork 工具的情况下覆盖或添加命令，而 v1.8.0 发布了首个官方 LangChain 扩展。该 LangChain 模板可搭建一个不依赖 google-adk 的项目，并通过与 ADK 项目相同的代码路径部署到 Cloud Run，而 playground、run 和 eval generate 等六个与 ADK 耦合的命令则被替换或明确拒绝执行。扩展以 Git 仓库中的目录形式分发，并通过 lockfile 固定确切的 commit SHA，该系统在 v1.8.0 中标记为实验性。
Google 发布了 Meta TorchTitan 的 TPU 分支版本，该版本通过 TorchTPU 原生的 torch.device("tpu") 后端在 Cloud TPU 上运行 PyTorch 训练，配备 TPU 原生内核和分步优化手册。在 TPU v7x（Ironwood）上，Llama 3 405B 在 128 至 1,024 芯片范围内保持约 57% MFU，Qwen3 235B 在单个 1,024 芯片切片上达到 32.42% MFU，FLUX.1 在 1,024 芯片上以 93% 弱扩展效率达到 19.4% MFU。该分支位于 https://github.com/google-pytorch/torchtitan/，此外还有 Transformers 建模后端和 agent 接入技能，可将同一训练器扩展到其他检查点。
推荐理由：Google 与 Meta 合作把 TorchTitan 移植到 TPU，并给出从 FLUX.1 到 Qwen3 235B 的逐级调优路径与 MFU 数字，可作为 PyTorch 团队评估 TPU 训练可行性的参考。
Google Research 介绍了三个旨在让 AI 智能体扎根于真实湿实验室实验的项目，其中包括 VERID 框架——一个基于开源 PyLabRobot 框架构建的实验室工作单元语义数字孪生，可跟踪台面布局、孔体积和吸头库存，并在执行前对协议进行干运行。
推荐理由：Google Research 概述了三个将 AI 智能体连接到真实湿实验室硬件的项目，展示了模拟干运行和闭环实验如何让智能体修正自身的设计规则。
Google DeepMind 今日发布 Gemini 4 Argon，这是 Google 自去年 11 月 Gemini 3 Pro 以及 2 月小幅升级的 3.1 Pro 以来的首次重大旗舰模型升级。此次发布之前，Google 在整个夏天对其更快、成本更低的 Flash 系列进行了四次快速更新，而承诺的 Gemini 3.5 Pro 则一直处于测试阶段；Every 认为 Argon 让 Google 重新回到了前沿对话之中。
推荐理由：Google DeepMind 发布 Gemini 4 Argon，这是其自 Gemini 3 Pro 以来的首次旗舰升级，让 Google 重返前沿模型的讨论。
Waymo经同行评审的研究发现，即使完全清醒的司机，夜间致命事故风险也比白天高3.1至3.9倍；而剔除酒驾司机后，城市平均致命事故参与率从每亿英里1.42起降至1.10起，降幅23%。另一项针对2023年FARS数据库中37,654起致命案例的研究显示，仅8.2%完全涉及纯人为因素。Waymo将这些发现视为对“安全系统方法”的支持，以及对以零BAC人类基线为基准衡量自动驾驶的支持。
Anthropic 的 Claude Haiku 5.5 现已在 Google Cloud 正式上线。作为 Claude 5.5 系列中速度最快、效率最高的成员，它专为高并发、对延迟敏感的智能体任务而打造，并在多智能体系统中定位为辅助模型。可通过 Model Garden 使用。
Google Cloud Run 现在允许开发者免费申请易于记忆、全球可用的子域名，无需负载均衡器，也无需配置 DNS。任何可用的子域名（如 my-cool-app.cloud.run）都能在几秒内申请完成，Cloud Run 会自动处理 SSL/TLS 证书和全球路由。只需一条命令即可将应用部署到自定义 URL。
Import AI 475 涵盖 Toby Ord 的分析，发现 AI 群体大约用两倍的 token 换取一半的墙钟时间，且随着智能体数量增长收益递减。Google DeepMind 推出了 SynthID Bio，这是一个用于合成生物学的水印系列，在三个目标蛋白上，其命中率和结合亲和力与未加水印的设计相当。本期还涵盖 CSAIP 的民意调查，显示 61% 的美国人表示企业的自愿 AI 承诺“不够”，以及 SciUniverse 基准，包含 92 项任务，测试 AI 系统在自动化实验室中的运作能力。
Ethan Mollick 认为，AI 的使用正从聊天机器人式的协同智能转向需要更少人工干预的长时运行智能体，而且这一变化正在快速发生。他援引 METR、英国 AI 安全研究所和 GDPval 的基准测试结果，这些结果正以快于指数的速度上升；他还提到 Epoch 的一项发现：Opus 4.7 独自工作了 14 小时，构建出一个估计需要 2 至 17 周人类工程量的软件包，token 成本为 251 美元。OpenAI 与学术经济学家的一项研究发现，四分之一的 OpenAI 员工每周至少运行四个智能体，法律和人力资源部门的采用率与程序员几乎相同；一项 Claude Code 研究发现，预测成功的是领域专业知识，而非职业。