搜索“Gemini 3 Flash”

Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与逐行表演指导，后者面向高并发、低成本的配音与语音智能体。

MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得 42 分，比前代 M3 高 13 分，单任务成本不到其一半。

该模型与 GLM-5.3-Flash 持平，略高于 Gemini 3.8 Flash 的 41 分，低于 DeepSeek V4.1 Flash 1017 的 45 分；在 Humanity's Last Exam 上得 48%，在 CritPt 物理推理基准上得 22%，在 AA-Omniscience 事实准确性测试中答对 56%。

Google DeepMind 新前沿模型 Gemini 4 Argon 在 ARC-AGI-3 上以 97.5% 的成绩成为继 OpenAI 之后第二家跨过 95% 门槛的实验室，测试成本 4800 美元，使用的是包含保留推理和上下文压缩等厂商专属功能的 Provider Adapter Harness。在仅允许简单笔记的 Standard Harness 下，低推理档位得分降至 49.8%，成本 5800 美元，且因 API 问题未能完成全部 55 个游戏。在 25 个公开游戏中，Argon 所需操作比人类基线少 62%，在三个游戏中追平或打破速通纪录。

Google DeepMind 发布 Genie 4，这是 Genie 3 的后继版本，能逐帧计算场景并实时响应用户输入，用户可用键盘移动、用文本提示改变事件走向。

DeepMind 称它是公司首个直接生成声音的实时世界模型，每个世界带有自己的背景音，角色之间可以对话并实时反应。Gemini 模型在后台负责规划，例如 Gemini 3.8 Flash 持续观察画面、把目标拆成步骤并检查每步是否完成；DeepMind 还在测试 Gemini 4 Argon，把 Genie 与 Gemini Robotics 的机器人研究连接起来，演示中模拟了 Apptronik 人形机器人 Apollo 下棋。

独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验，让六个具备网页和邮件权限的 AI 智能体处理一笔 350 英镑（约 465 美元）的火车票退款，最终全部失败。

测试模型包括 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5，每个智能体最多可用十二个模拟周和 4000 万 token。

一项新基准测试让商用 AI 智能体在无人类提示下解答理论物理研究问题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。

Anthropic 的 Opus 5.5 在 Claude Code 中得分 92%，Google Gemini 3.8 Flash 为 68%，开源权重模型 DeepSeek-V4.1-Flash 和 GLM 5.3 分别为 54% 和 42%。题目覆盖理论物理 11 个子领域，刻意避开重大开放问题，聚焦对已知方法略作改动的常规计算。

南京大学、商汤等机构的研究者发布开源手机智能体 OpenMobile-2，包含基于 Qwen3.5 的 9B 模型和基于 Qwen3.6 的 27B 模型，并公开训练环境、数据和复现说明。

团队重建了淘宝、京东、滴滴、美团、Slack、Google Drive 等 35 个应用，加上已有模拟环境和 Android 模拟器中的应用，练习场地覆盖 110 多个应用，并生成约 11,600 条示例流程和 2,000 多个带自动校验的练习任务，示例由 Gemini 3.1 Pro 作为教师模型产出。

Mistral 发布 Voxtral 3 语音模型家族，包含语音转写与语音合成模型，以及基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式流水线。

转写模型 Voxtral Small Transcribe 3 支持 50+ 语言、说话人分离和上下文偏置，官方称其表现优于 Whisper、Scribe v2 和 Gemini 3.5 Transcribe；实时版在 35+ 语言下延迟低于 500ms。合成模型 Voxtral Mini TTS 3 支持 35+ 语言和 50+ 方言，可按上下文调整情绪、语速和重音，定价 $13/1M 字符。

DeepSeek 发布 V4.1-Flash-1017，已上线官网、App 和 API，并在 Hugging Face 与 ModelScope 开源模型权重。

相比前代 V4.1-Flash，新模型基准分数更高、完成任务更快、输出更短，DeepSeek 称其在性能与成本之间实现了帕累托改进。在 DeepSeek 自测中，该模型在多项编码和智能体任务上超过 Claude Opus 5、GPT 5.6-Sol、Kimi K3 和 GLM 5.3 等更大模型；DeepSWE 基准上最高得分 77.0%，平均每任务成本略低于 $0.20，低设置下约 $0.10 仍超过 72%，而前代得分 74.2%、每次运行约 $0.50。

Google 联合斯坦福、牛津等机构推出视频智能体 StreamVibe，能理解“遇到困难就帮我”这类模糊请求，并自行判断何时出声。

团队构建了约 4100 个样本、超 183 小时日常与软件录屏的基准，覆盖明确指令、模糊目标和中途变更请求三阶段。StreamVibe-VL 疑似基于阿里 Qwen3.5-9B，经强化学习训练得更克制，另配独立记忆系统跟踪待办与已完成步骤。研究称其响应时机与质量提升 10.7%，记忆系统使主动交互再提升 12.3% 并减少不必要打断，但 Google 自家 Gemini 3.8 Flash 在多项测试中得分更高。

Google DeepMind 发布世界模型 Genie 4，可实时生成并交互式操控场景，同时原生生成环境音与角色对话。

Genie 4 基于 Gemini 系列能力，Gemini Omni 负责让模拟贴近真实世界的外观与行为，Gemini 3.8 Flash 作为循环中的引导智能体，把目标拆成步骤并逐帧检查进度。用户可用自然语言实时修改天气、镜头或加入人物物体。该模型已作为研究预览向可信测试者开放，之后将面向 Project Genie 中的 Google AI Ultra 订阅用户，以及 Gemini API 和 Google AI Studio 的早期访问伙伴。

微软 AI 的诊断系统 MAI-DxO 在《Science》发表的模拟研究中，对《新英格兰医学杂志》复杂病例的诊断准确率为 83%，而单独工作的初级保健医生和普通内科医生为 36%。

该系统协调多个 AI 智能体扮演医生小组，向患者提问、安排检查并讨论诊断。研究同时测量成本：GPT-5 单独使用在复杂病例上准确率 78.9%，每例约 8400 美元，DxO 将成本降低约 3000 美元但准确率仅提升约 4 个百分点；在急诊病例上，准确率和成本均无明显改善。研究指出，这类复杂病例通常由专科医生或医生团队处理，而他们未参与对比。

Google 面向开发者、企业和消费者全球推出 Gemini 4 Argon，可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google 搜索的 AI 模式访问。

Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，后续再面向开发者、企业和消费者推出，起步定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。

Google 发布 Genie 4 世界模型，用于生成可交互的 AI 体验。

官方称该模型有四项主要更新：生成更逼真的世界、支持用自然语言提示词实时更新体验、可生成音频，并在底层使用 Gemini 3.8 Flash 辅助模拟。它生成的体验时长约两分钟，比上一代 Genie 3 的一分钟更长。Google 将其定位为可用于影视预演、游戏创意原型和机器人训练场景的工具，同时提示模拟时间变长后细节和物体恒存性可能随时间漂移。Genie 4 先以“研究预览”形式向“受信任测试者”开放，并将“即将”提供给 Google AI Ultra 订阅用户，目前已开放 Project Genie 试用等待名单。

Mozilla 为 Firefox 的 AI 浏览体验 Smart Window 新增 AI 表单填写功能，可根据已打开的标签页内容生成填写建议。

用户在含至少四个文本字段的表单中点击“Fill from sources”，即可选择或取消 Firefox 引用的标签页，例如从在线作品集或 LinkedIn 页面提取工作经历填入求职申请；该功能目前仅支持网页表单的文本字段，下拉菜单和 PDF 支持仍在开发中。Mozilla 说明，来源页面数据会共享给负责生成建议的 Google Gemini 3.1 Flash Lite。

Nvidia 开源数据引擎 Flora，用于为机器人视频生成动作描述、分步评分和任务成败判断三类标注，称标注一小时视频约 0.72 美元，而 GPT-6 Astra 约 88.50 美元。

Flora 由三个微调的 Qwen3.5 模型组成，其中 9B 模型切分动作片段，两个 27B 模型分别负责描述和评分，模型已在 Hugging Face 发布。Nvidia 称该系统已用于 GR00T 模型训练，在 512 块 GB300 GPU 上每天可标注最多 20 万小时视频。

Google DeepMind 工程师 Haydn Belfield 表示，目前没有可测量的证据显示 AI 加速了 AI 研究本身。

AI 已编写超过 75% 的生产代码，但约 88% 的代码改动仍需人工审核，完全交给 AI 的改动占比从 7.5% 升至 11.9%。

Google Research 在 Research@ 活动上公布 10 项研究进展，包括扩展 Google Earth AI 早期访问并开放三项实验能力，以及向公众开放智能体审稿系统 Deep Review。

Google 发布地理空间推理智能体的技术报告，并开源 GeoKTools 和 GeoExpertQueries 两个新基准的开发集，供研究者测试自己的地理空间推理智能体。