博客精选。
Gemini Robotics ER 2: powering robotics with video understanding, task orchestration, and multi-robot collaboration
介绍 Gemini Robotics ER 2 模型，将其定位为机器人的高层大脑，支持实时空间推理、多步任务规划以及不同机器人之间的协作，并称在视频理解、工具编排和多机器人协作方面有明显提升。文中说明该模型可通过 Gemini API、Google AI Studio 或 Gemini Enterprise Agent Platform 获取，供开发者构建物理 AI 智能体。
Piloting the world's first double-blind AI evaluations
介绍针对专有前沿 AI 模型的首次双盲评测试点，借助加密安全环境让外部评测隔离在“密码学黑箱”中，以防基准题目泄露导致测试污染。文中说明与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作，在隐私保护环境中用保密基准测试某款 Gemini Flash Lite 模型。
Intelligent transcription with Gemini 3.5 Transcribe
介绍语音转文本模型 Gemini 3.5 Transcribe，称其能直接将原始音频转换为准确、经整理和格式化的文本，并处理背景噪声、专业术语和口语冗余。文中提到该模型已在 Gemini 应用、Android（如 Rambler 功能）和 macOS 版 Gemini 应用中应用，开发者可在 Google AI Studio 的 Gemini API 和 Gemini Enterprise Agent Platform 中使用。
Putting sign language AI into users’ hands
介绍多语言手语转文本（SL2T）模型，用于为失聪及听障用户提供手语转文字功能。该模型已在 Pixel 11 的 Gboard 和 Live Transcribe 中支持手语听写，先从美国手语（ASL）转英语开始，文中提到后续将支持更多设备和语言。
WeatherNext: AI model achieves breakthrough in forecasting cyclones
介绍 WeatherNext 模型在预测气旋路径、强度和风场结构方面的工作，发表于 Nature 的论文称其平均可为预报员多争取约一天的预测准确度。文中还提到该模型将开源，相关研究由 Google DeepMind、Google Research 与多家气象机构和专家预报员合作完成。
Introducing agentic video understanding with Gemini
介绍 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上新增的智能体式视频理解功能，模型可动态扫描视频片段，文中称最多可将 token 消耗降低 88%、成本降低 66%，质量提升最多 7%。用户可在 Google AI Studio 或 Gemini Enterprise Agent Platform 中将 API 配置设为“agentic”使用。
Gemini Omni 1.1 Flash lets you build with more control
介绍 Gemini Omni 1.1 Flash 的更新，称其提供工作室级视频生成能力，可延长场景（最长 40 秒）、指定首尾帧以实现转场、用 360p 预览快速迭代并将成片放大至 4K。模型可通过 Google AI Studio 或 Gemini Enterprise Agent Platform 获取，面向需要对生成视频有更多控制力的开发者。
Gemini 3.8 text-to-speech says hello
文章介绍 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个音频生成模型，可在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 中生成定制角色语音、逐句指导场景对话。文中提到可用自然语言提示创建或复刻声音，控制节奏与情绪，并包含水印等安全工具。
Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking
谷歌发布两个实时对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，称其在智能和并行推理方面有较大升级，可用语音执行复杂任务。据文中摘要，这些模型可处理复杂推理、实时视觉上下文和后台任务执行而不打断对话，已通过 Gemini API、Google Workspace 和 Gemini 应用提供。
AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome
谷歌 DeepMind 介绍 AlphaGenome Atlas，这是一个收录人类基因组中 90 亿个单核苷酸变异（即所有可能的单字母变化）分子效应预测的平台，相关细节见其论文。文章称这是关于基因突变如何影响分子生物学的最全面目录，并通过一个免费网站门户向学术研究开放。
Advancing Private AI Compute with secure, server-side memory
谷歌 Private AI Compute 团队发布技术说明，介绍如何在 Private AI Compute 架构中引入私有服务器端记忆，以实现跨设备的持久 AI 记忆，同时保持通常仅在设备端处理才有的隐私标准。文中描述了把协助所需信息封存在专用加密存储中、密钥另行保管的机制。
How we built a realtime system for responsive voice AI in six months
OpenAI 工程团队于 2026 年 8 月 3 日发布的工程博客，作者为 Justin Uberti 和 Zahan Malkani。文章介绍 GPT-Live 如何实现与 AI 的连续语音交互，涉及无轮次语音模型和低延迟架构，并讲述了从轮流发话转向流式处理的构建过程。