主題時間線 · 公司
跨來源、跨日期追蹤 Google DeepMind 的公開情報與主編判讀。
比較資料不足
近 7 天已收錄 7 則不同情報。比較資料不足：本期完整涵蓋 0/7 天，前期 0/7 天。
所有數字皆以來源網址或貼文識別碼去重；重複出現在不同日期的相同情報只算一則。
主題統計比對原始資料與中文判讀中的主題別名；下方搜尋另含原文節錄，並搜尋全部可用歷史。比對文字及日期範圍不同，筆數可能不同。
貼文稱這是業界首例，但未提供評測機構、協議細節、可重現性設計或結果揭露方式。核心主張是降低模型供應商與評測方彼此洩漏敏感資訊的風險。
一龍馬判讀前沿模型評測常卡在商業機密與測試集外洩，雙盲機制若可行，可能改善第三方評測的可信度；但若流程不透明，也可能讓外界更難審查評測是否公平。
In an industry first, we’re piloting double-blind evaluations for frontier AI.
貼文提到應用脈絡包含天氣預報與機器人，並列出章節時間碼，涵蓋信心與正確性、貝葉斯思維、現實世界不確定性與 AGI 未來研究。這是研究觀點與科普訪談，不是新模型或論文發布。
一龍馬判讀在高風險場景中，模型知道自己何時不確定，可能比單純提高答案流暢度更關鍵；限制是貼文沒有提供可驗證的實驗結果或部署案例。
From weather forecasting to robotics, intelligent decision-making relies on understanding the unknown.
貼文沒有說明節目主題、來賓、研究內容或新模型資訊，因此只能確認它在推廣一段影音或 Podcast 內容。證據不足以判斷是否涉及新的 AI 技術發布。
一龍馬判讀對讀者的實用性取決於節目實際內容；在未取得節目標題與摘要前，不宜把它包裝成研究或產品新聞。
R to @GoogleDeepMind: Watch → https://goo.gle/4cZu4qH Spotify → https://goo.gle/4cOy1hZ Apple Podcasts → https://goo.gle…
Google DeepMind 宣布試辦其稱為全球首個針對專有前沿模型的雙盲 AI 評測，目標是降低 benchmark contamination，也就是模型事先看過測驗題而讓分數失真的問題。Google 將與 Singapore AI Safety Institute、OpenMined、AVERI、MLCommons 合作，把 Gemini Flash Lite 放進隱私保護、加密安全的環境中，對機密 benchmark 測試。官方說法強調外部評測題目被限制在「cryptographic box」內，不能被模型後續拿去最佳化；摘錄未揭露完整方法、評測集內容或結果。
一龍馬判讀如果流程可被獨立審查，會讓專有模型評測比單純公布榜單更可信；限制是目前仍在試辦階段，且可信度取決於第三方能否驗證環境與程序。
…s first double-blind AI evaluations — Google DeepMind Skip to main content Explore our next generation AI systems Explor…
Google DeepMind 發布 Gemini Omni 1.1 Flash，定位為給開發者使用的生成式影片能力更新，官方稱可透過 Gemini API、Google AI Studio 或 Gemini Enterprise Agent Platform 使用。這次主打更細的創作控制：可把場景延展到最多 40 秒、指定第一與最後一幀來做轉場與鏡頭運動、用 360p 預覽加速原型迭代，最後再升頻到 4K。來源是 Google 官方部落格摘錄，尚未提供第三方畫質、成本或穩定性測試，因此「production-ready」仍是供應商主張。
一龍馬判讀影片生成工具正從一次性產出走向可控工作流，對影像軟體、廣告與內容製作團隊更有用；但採用前仍要驗證成本、版權風險與長片段一致性。
Build with Gemini Omni 1.1 Flash Skip to main content Gemini Omni 1.1 Flash lets you build with more control Innovation…
貼文列出的更新包含延展場景、指定鏡頭起始與結束畫面、加入影片輸入參考、將喜歡的片段升頻到 4K，以及用 360p 快速測試構想。這是產品功能公告，來源未提供模型架構、開放方式、價格或基準測試。
一龍馬判讀Google 正把影片生成從單次出片推向可編輯、可迭代、可由開發者整合的工具鏈；採用者需要等文件與實測確認控制精度、成本與內容安全限制。
RT by @GoogleDeepMind: Gemini Omni 1.1 Flash is our newest multimodal model for video generation and editing.
這則貼文只有一句公告與 thread 開頭，沒有列出語言數、錯字率、延遲、價格或可用平台等細節；相關具體功能需參照其他官方貼文或後續文件。
一龍馬判讀語音轉文字正從單純聽寫走向可理解語意與使用者意圖的介面，但目前這筆來源不足以判斷它相對競品的實際表現或部署成本。
Gemini 3.5 Transcribe is our latest speech-to-text model for precise and intelligent transcriptions.
Google DeepMind 說明 Gemini 3.5 Transcribe 的新能力，包括在嘈雜環境中更能理解複雜電話號碼、郵遞區號與訂單 ID，能移除贅詞並自動格式化文字，也支援自訂詞彙以辨識特殊姓名與產品名稱。它還宣稱可自動偵測並轉錄 85 種以上語言，現在可在 macOS 的 Gemini app 與 Android 的 Gboard 試用，開發者可從 Google AI Studio 與 Antigravity 開始。貼文沒有揭露測試基準或與前代、競品的量化比較。
一龍馬判讀若自訂詞彙與編號辨識可靠，客服、醫療掛號、物流與企業會議記錄會少掉大量人工校稿；但多語與噪音場景最容易出現錯字或誤聽，導入前仍要用自己的資料測。
R to @GoogleDeepMind: Here’s what’s new: 🔵 It’s better at understanding complex phone numbers, postal codes, and order…
官方文章指出，它可處理背景雜音、專業術語、口誤修正與 filler words，並提供兩種開發者介面：Live API 的 gemini-3.5-transcribe-live 用於低於一秒延遲的雙向串流，Interactions API 的 gemini-3.5-transcribe 用於預錄音訊、會議與通話紀錄，含說話者標註與逐字時間戳。Google 也稱此模型已用在 Gemini app、Android 的 Rambler，以及 macOS 上 Gemini app 的語音能力，但來源是官方部落格，未提供第三方評測。
一龍馬判讀這讓語音代理、即時字幕、客服通話分析等應用可直接接上 Gemini API，但實際準確率、語言涵蓋與隱私風險仍需開發者自行驗證，不能只看官方宣稱。
Introducing Gemini 3.5 Transcribe Skip to main content Intelligent transcription with Gemini 3.5 Transcribe Innovation &…
這筆來源是 YouTube 影片〈Text Diffusion – Brendan O'Donoghue, Google DeepMind〉在 Hacker News 的轉貼，但抓取到的內容主要是 YouTube 網頁腳本，沒有影片摘要、逐字稿或核心論點。依標題只能確認主題與「文字擴散模型」及 Google DeepMind 的 Brendan O'Donoghue 有關，不能進一步判斷其技術主張、實驗結果或相對於自回歸語言模型的差異。HN 貼文顯示 1 分、0 則留言，因此也沒有可引用的社群討論。
一龍馬判讀文字擴散若有實質突破，可能改變文字生成的訓練與推論方式；但在缺乏內容證據前，編輯上只能把它列為待補資料的研究分享。
(function() {window.ytplayer={}; ytcfg.set({"CLIENT_CANARY_STATE":"none","DEVICE":"ceng\u003dUSER_DEFINED\u0026cos\u003d…
Google DeepMind 回顧 15 年以遊戲推進 AI 研究的路線，從 2010 年創立後以 Atari 2600 原始像素訓練 DQN，到後來的 Go、StarCraft，以及今年稍早公布與 Fenris Creations、EVE Universe 的研究合作。官方文章主張，遊戲的受限但豐富環境仍是理解智慧與原型化新玩法的重要場域，也強調需與遊戲開發者深度合作。來源是 DeepMind 官方部落格，屬於研究敘事與合作宣傳；節錄未提供新模型效能或可重現實驗細節。
一龍馬判讀這代表大型 AI 實驗室仍把遊戲視為代理人、世界模型與互動式學習的測試場，但外部開發者應留意官方稿偏重願景，尚不足以判斷 EVE 合作會產出什麼可用技術。
…frontiers of AI and games research — Google DeepMind Skip to main content Explore our next generation AI systems Explor…
Google 的 Gemini 3.7 Flash 模型可以用於編碼和代理
一龍馬判讀這項技術可以幫助開發者更好地利用 AI 的能力
…intelligent workhorse model yet for coding and agents. Watch @Ammaar, Member of the Technical Staff at @GoogleDeepMind,…
Google 宣布了其最新的 AI 整合產品，包括 Pixel 11 系列、Pixel Watch 5 和 Pixel Tag
一龍馬判讀這些產品可以幫助 Google 提高其在 AI 領域的競爭力
It’s (finally) Friday 🎉 Here’s our end-of-week recap: — This year’s @madebygoogle lineup (Pixel 11 series, Pixel Watch…
Google DeepMind 發布了 Gemini 3.7 Flash 模型，該模型可以更強大地處理程式碼編寫和知識工作
一龍馬判讀這個模型可以幫助開發者更高效地完成工作，提高生產力
Gemini 3.7 Flash is here. It’s stronger for coding, knowledge work, and web development. 🧵
Google DeepMind 推出 3.7 Flash，改進了編碼、除錯和問題解決等功能
一龍馬判讀這項更新對於開發者和企業來說非常重要，因為它可以提高工作效率和準確性
R to @GoogleDeepMind: 🔵 It shows strong gains over 3.6 Flash in key coding tasks like debugging and issue resolution. …
Google DeepMind 發表 Gemini 3.7 Flash，定位為 Flash 系列中更強的 coding 與 agents「workhorse model」，距 Gemini 3.6 Flash 只隔三週。官方列出的證據包括 FrontierCode 1.1 Main 從 34.4% 到 43.6%、DeepSWE v1.1 從 49.0% 到 65.3%、WebDev Arena Elo 1588 對 1538、GDP.pdf 34.0% 對 22.0%、AutomationBench 30.4% 對 17.0%，並稱 introductory price 為原 3.6 Flash 每百萬 tokens 成本的一半。這些都是 Google 自家發布的模型與基準敘述，尚未看到第三方長期使用或失敗案例整理。
一龍馬判讀如果數字能在實務中成立，開發者做程式碼修補、網頁生成與商務流程自動化時，可能用較低單位成本換到更高一次成功率；但導入決策仍要用自家程式碼庫、資料格式與代理流程重測。
Gemini 3.7 Flash: our most intelligent workhorse model Skip to main content Introducing Gemini 3.7 Flash Innovation & AI…
第一步會在 Pixel 11 上提供 American Sign Language 到英文，使用者可直接在 Gboard 與 Live Transcribe 中打手語輸入，而不是打字。
一龍馬判讀這把手語輸入從研究展示推向手機系統功能，可能改變聽障使用者與裝置互動的方式；目前範圍明確限於 ASL-to-English 與 Pixel 11，其他手語、語言與裝置支援尚未由來源說明。
SL2T is our breakthrough sign language-to-text model powering new features for Deaf and hard of hearing users on @Androi…
Google DeepMind 表示 SL2T 是與聾人社群共同打造，並由 Google 內部聾人員工與 AI Sign Language Advisory Committee 指導。貼文稱把 ASL 輸入帶到手機只是起點，團隊正在把技術擴展到更多手語與應用。來源沒有說明目前可用裝置、支援語言清單或推出時程。
一龍馬判讀這把手語 AI 從研究展示推向手機輸入情境，聾人使用者、無障礙產品團隊與行動系統開發者都會受影響；限制是目前證據只明確提到 ASL，其他手語仍屬後續規劃。
R to @GoogleDeepMind: We built SL2T with the Deaf community - guided by Deaf Googlers and our AI Sign Language Advisory…
隱私設計上，系統在裝置端追蹤身體姿態，再由 Google 伺服器把姿態翻譯成文字。這表示原始視覺處理與文字翻譯被拆成裝置端與伺服器端兩段，但貼文沒有說明資料保留、加密或離線可用性。
一龍馬判讀手機端手語輸入若成立，會改變無障礙輸入介面的設計；但伺服器端翻譯代表仍有網路依賴與資料治理問題，企業與公共服務導入前必須審查隱私條件。
R to @GoogleDeepMind: SL2T is state-of-the-art on academic benchmarks, plus it's optimized for real-world use like one-h…
其作法是訓練模型，直接把手、身體與臉部的同步動作翻譯成文字，並使用大量資料。貼文沒有提供資料來源、資料規模、授權方式或模型評測細節，因此只能確認技術路線與官方主張。
一龍馬判讀這點提醒開發者不要把手語簡化成手部動作辨識，臉部與身體訊號也是語言資訊；風險在於大量資料訓練若缺乏來源透明度，容易引發同意、代表性與偏誤問題。
R to @GoogleDeepMind: For years, building AI for sign language has been slow due to complex technical challenges and mis…
