Gemini for Science：面向发现新时代的 AI 实验与工具
Google DeepMind 推出 Gemini for Science，包含 Google Labs 的三款实验工具与 Google Antigravity 的 Science Skills。三款工具支持假设生成、代码变体测试和科学文献分析，相关实验将逐步开放，可在 labs.google/science 注册。
Google DeepMindAI 评分4747 Google DeepMind精选AI 评分7171 Google 将 SynthID 与 C2PA 内容验证扩展到搜索、Gemini 和 Chrome
Google 宣布扩展内容透明度与验证工具，把 SynthID 的图像、视频、音频验证从 Gemini 应用扩展到搜索，并将在未来几周进入 Chrome；该验证功能已在全球被使用 5000 万次。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini 和 Chrome，可据此判断内容溯源工具链的可用入口与行业协作范围。
Google DeepMindAI 评分5959 Google DeepMind 与新加坡启动国家级 AI 合作计划
Google DeepMind 宣布在新加坡启动多项计划，并参与 Google 与新加坡政府新的国家 AI 合作伙伴关系，重点覆盖医疗、生命科学、教育、科研和劳动力发展。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.5，先行推出 3.5 Flash
Google DeepMind 发布 Gemini 3.5 系列，首发 Gemini 3.5 Flash，面向智能体与编码等复杂长程任务。
推荐理由：原文给出 Gemini 3.5 Flash 的智能体、编码与多模态基准，以及 API 和产品入口，便于比较模型能力与落地渠道。
Google DeepMind精选AI 评分6666 Google DeepMind 宣布 AI co-clinician 研究计划，探索临床监督下的医疗协作
Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生临床监督下由 AI 智能体协助患者护理，并评估其面向医生和患者的能力。在98个真实感初级保健问题中，系统有97个案例未出现关键错误，并在开放式药物问答中超过其他前沿 AI 系统。实时音视频远程医疗模拟显示，AI co-clinician 在140项会诊能力中的68项达到或超过初级保健医生，但医生整体表现更好。
推荐理由：文章同时给出证据检索、药物问答和实时多模态会诊的评测设计，可用于理解医疗智能体的能力边界与临床安全架构。
Google DeepMind精选AI 评分8282 Google 发布 Gemini 3.1 Flash TTS 语音模型
Google 推出 Gemini 3.1 Flash TTS，提升语音质量、可控性与表现力，并支持 70+ 语言和原生多说话人对话。模型引入可通过自然语言控制音色、语速和表达方式的音频标签，开发者可在 Gemini API 和 Google AI Studio 预览，企业可通过 Vertex AI 预览，Workspace 用户可在 Google Vids 使用。
推荐理由：音频标签、多人对话和 70+ 语言支持，为评估语音产品的表达控制、全球化覆盖与 API 落地路径提供了具体参照。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人所需的空间推理、多视角理解、任务规划和成功检测能力。模型新增仪表读数能力，可通过 Gemini API 和 Google AI Studio 提供给开发者，并支持调用 Google Search、VLA 或用户自定义函数。
推荐理由：文章给出 Gemini Robotics-ER 1.6 在空间推理、多视角成功检测和仪表读数上的能力变化，并说明其通过 Gemini API 与 Google AI Studio 接入机器人工作流的方式。
Replicate · 模型与制作实践精选AI 评分7373 如何为 Nano Banana Pro 写提示词：Replicate 实测其逻辑推理、文字渲染与角色一致性
Replicate 发布 Nano Banana Pro 提示词实践指南，称该模型具备图像内文字的逻辑推理能力，可读取作业题并给出带解题步骤的答案，也能把论文、财报 PDF 转成信息图。
推荐理由：汇总了 Nano Banana Pro 在文字渲染、角色一致性和世界知识上的实测边界，可据此判断它适合哪些创作环节。
Replicate · 模型与制作实践精选AI 评分8484 Veo 3.1 提示词编写指南：参考生视频与首尾帧控制
Replicate 介绍 Veo 3.1 的提示词编写方法，以及参考生视频、首尾帧生视频和增强图生视频功能。参考生视频最多接收三张图片并结合文本生成连贯场景，其余端点提供耗时低于 60 秒、价格约为标准版本一半的快速生成选项。
推荐理由：文章把镜头构图、焦段、风格和运动等提示词要素，与参考图、首尾帧及快速版本的使用场景对应起来，便于设计可控的视频生成流程。
Replicate · 模型与制作实践精选AI 评分6868 Replicate 对多款图像编辑模型的对比评测：如何选择合适模型
Replicate 对多款图像编辑模型进行了对象移除、视角转换、背景编辑、文字编辑和风格迁移测试，并比较了价格与推理时间。
推荐理由：这份按对象移除、视角转换、背景编辑、文字编辑和风格迁移展开的对比，可为图像编辑模型的任务选型提供具体参照。
Replicate · 模型与制作实践精选AI 评分6060 如何用图像提示 Veo 3：Replicate 实测风格保持与文字动画
Replicate 发布 Veo 3 图像输入的使用技巧，实测显示模型能在动画中保持输入图的画风、滤镜和调色，并让文字在复杂背景中保持清晰可读。输入图始终作为视频首帧，可用提示词只动画局部元素、其余保持静止，也可先用 Ideogram 3.0 生成特定风格图再交给 Veo 3 做动作与运镜，从而把风格控制交给图像模型。
推荐理由：Replicate 实测了 Veo 3 图像输入在风格保持、文字动画和局部动画上的表现，可据此调整参考图加提示词的创作流程。
Replicate · 模型与制作实践精选AI 评分6060 Replicate 发布 Veo 3 提示词指南：如何写出最佳效果
Replicate 发布 Veo 3 提示词指南，建议在提示词中明确主体、场景、动作、风格、镜头运动、构图与氛围，并单独描述对白、环境音、音效和音乐。文中指出 Veo 3 对同一提示词多次生成结果高度相似，想探索不同效果应改用差异较大的提示词；保持角色描述逐字一致可提升跨场景视觉连续性。
推荐理由：Replicate 基于实测给出 Veo 3 的提示词结构、音频与角色一致性写法，可迁移到视频生成工作流。
Replicate · 模型与制作实践精选AI 评分7979 Google Veo 3 使用指南：从原生音频到镜头提示词
Replicate介绍 Google Veo 3 的视频生成能力，并分享一套涵盖镜头构图、焦段效果、风格和运镜的提示词方法。文章还展示了对话与口型同步、视频游戏世界等案例，并给出冰柱特写示例提示词。
推荐理由：文章整理了 Veo 3 的镜头构图、焦段、风格与运镜提示词，并结合对话、口型同步和游戏世界生成案例，便于复用其视频创作流程。
Replicate · 模型与制作实践精选AI 评分6262 Replicate 上线 Google Imagen 4 图像生成模型预览版
Google DeepMind 的最新旗舰图像模型 Imagen 4 现可在 Replicate 上运行，目前为预览版，行为与功能可能变化，需求高时可能出现排队。
推荐理由：Replicate 上线 Google Imagen 4 预览版，读者可据此了解其文字渲染与细节表现及接入方式。
Replicate · 模型与制作实践AI 评分5757 Replicate 汇总数字人、光剑效果与 LoRA 创作实践
Replicate 发布创作案例汇总，介绍 ShieldGemma 2、Hunyuan3D 2Mini、CSM-1B、Orpheus-3B、Luma 和 Kling v1.6 Pro 等模型与社区实验。
Replicate · 模型与制作实践精选AI 评分6262 Replicate Intelligence #9：FLUX.1、SAM 2 与 Gemma 2 2B 等开源模型周报
Replicate 周报汇总本周开源 AI 动态：Black Forest Labs 发布图像生成模型套件 FLUX.1，含 pro、dev 和以 Apache 2.0 许可开源的 schnell 三个版本。
推荐理由：汇总一周开源模型与工具动态，并借编辑手记讨论生成模型作为世界镜像的反馈循环。
Replicate · 模型与制作实践AI 评分2222 Replicate Intelligence #7：AuraFlow 开源文生图模型与 llama.ttf 字体语言模型
Fal.ai 发布 68 亿参数开源文生图模型 AuraFlow，性能对标闭源方案。研究者推出 llama.ttf，将完整语言模型推理引擎嵌入字体文件。Google DeepMind 提出 JEST 方法，数据筛选效率比随机采样高 13 倍，可用 10 倍更少算力训练高质量多模态模型。