Google 相关 AI 资讯 · AITOP

6月21日

22:03

官方账号Clement Delangue@ClementDelangue

Hugging Face CEO Clement Delangue分析指出，2016-2024年美国在开源AI领域领先，2024-2027年将在通用AI领域领先并受益。2024-2026年中国在开源AI方面领先，2026-2030年未知。他认为开源AI是通用AI的基础，能加速国家技术生态进步，OpenAI/Google从开放科学和开源AI起步，主导了AI领域。Meta由于改变策略，失去了类似机遇。

行业开源AI 通用AI Hugging Face

事件专题

推荐理由：Hugging Face老大用历史时间线论证为什么开源先于通用AI，中国和美国在这波AI竞赛里的角色有了新视角。

原文

16:07

官方一手Pandaily@contact@pandaily.com (Pandaily)

Google 计划将 AI token 价格削减 80%，直接冲击现有补贴模式。此举揭示科技巨头与初创公司在成本结构上的根本不对称。大量依赖补贴的 AI 初创公司面临盈利压力，行业定价格局可能因此重塑。

行业 Google token AI定价

推荐理由：Google 要砍价 80%，那些靠补贴活着的 AI 公司要慌了。想看懂这波定价大战，这篇讲得透。

原文

6月19日

18:24

官方账号Decoder@Matthias Bastian

德国慕尼黑地区法院裁定Google须直接为其AI生成的搜索结果概览内容承担责任。该AI错误地将两家慕尼黑出版商与欺诈计划相关联。Google称这些为“小错误”并已提起上诉。此案成为判定AI生成内容法律责任的标志性事件。

行业 Google AI搜索概览法律责任

推荐理由：Google的AI搜索概览功能搞错了，把两家德国出版商说成搞诈骗的，法院判Google直接负责，Google不服上诉了。

原文

11:41

官方账号arXiv cs.AI@Joshua Engels, Callum McDougall, Bilal Chughtai, Janos Kramar, Senthoran Rajamanoharan, Cindy Wu, Arthur Conmy, Asic Q Chen, Jean Tarbouriech, Min Ma, Brendan O'Donoghue, João Gabriel Lopes de Oliveira, Rohin Shah, Neel Nanda

71°

论文分析 DiffusionGemma 的推理透明度，将其分解为变量透明度和算法透明度。初始发现 DiffusionGemma 的不透明串行深度是自回归 Gemma 4 的 28.6 倍。但通过可解释的 token 瓶颈映射信息流，可将不透明串行深度降至仅 Gemma 4 的 1.1 倍。算法透明度方面，扩散模型因每步所有 token 可变化而更复杂，研究识别了非时间顺序推理、token 与序列涂抹、中间上下文推理等新现象。可监控性测试表明 DiffusionGemma 与 Gemma 4 水平相当。

论文 DiffusionGemma Gemma 4 可解释性

事件专题

推荐理由：Google 团队这篇论文解释 DiffusionGemma 的推理黑箱有多大，发现能用 token 瓶颈把深度压到几乎和 Gemma 4 一样，还发现了扩散模型特有的奇怪推理方式。

原文

09:36

官方一手arXiv: OpenAI@Ahmad Salimi, Wentao Ma, Yuzhi Tang, Dongming Shen, Mu Li, Alex Smola

IHBench评估语音助手在10个企业领域中断后的恢复能力，包含6种中断类型。27个音频语言模型配置来自OpenAI、Google和开源社区。闭源模型在任务完成度上显著优于开源模型，长对话中性能下降慢约3.3倍，且无音频-文本模态差距。人类研究验证了LLM评判的可靠性，交叉分析显示恢复质量是独立能力维度。

论文 IHBench OpenAI Google

事件专题

推荐理由：想测语音助手被用户打断后能不能接好活？IHBench专门看这个，比谁恢复得自然、不错步骤。闭源模型比开源稳太多了。

原文

03:46

官方账号Jeff Dean@JeffDean

73°

Jeff Dean宣布一篇将发表于IEEE Micro 2026年7/8月刊的论文，详细回顾Google从TPU v2到Ironwood共五代训练超算的架构演变。论文披露TPU每芯片每瓦TFLOPS提升了约30倍，每个pod的芯片数从TPU v2的256颗扩增至Ironwood的9216颗。冷却方式从风冷（TPU v2）转为水冷（TPU v3起），互连从2D torus升级为3D torus。论文还指出工作负载已大幅转向Transformer模型。

论文 TPU Google Ironwood

事件专题

推荐理由：想看TPU五代真实进化数据和能效提升细节？这篇论文从256芯片到9216芯片、从风冷到水冷、30倍每瓦算力提升，全是硬货。

原文

6月18日

18:19

Aadit Sheth@aaditsh

88°

据X用户aaditsh透露，谷歌在2024年支付27亿美元，这笔交易的主要目的是将Transformer论文合著者Noam Shazeer从Character.ai带回。但Noam在谷歌工作不到两年后，于2026年宣布加入OpenAI。这相当于每月超过1亿美元的人才成本。Noam曾用几行训练代码拯救了Gemini项目，现在将参与OpenAI的架构建设。

行业 Noam Shazeer Google OpenAI

事件专题

推荐理由：Noam Shazeer刚加入OpenAI，之前谷歌花27亿签他都没留住。你想知道AI圈顶级人才有多贵吗？点开看看。

原文

15:25

官方账号Decoder@Matthias Bastian

Noam Shazeer是2017年Transformer论文《Attention Is All You Need》的合著者，曾共同领导Google Gemini模型。2024年他作为27亿美元交易的一部分从Character.AI重返Google，现又转投OpenAI。这是继Andrej Karpathy跳槽Anthropic后，今年AI行业第二次重大高管变动。

行业 Noam Shazeer OpenAI Google

事件专题

推荐理由：Transformer论文作者Noam Shazeer从Google跳到OpenAI了，他去年刚从Character.AI回归Google，这次跳槽节奏很快。

原文

13:03

@atomic_chat_hq@atomic_chat_hq

精选

Diffusion Gemma 在单个H100（FP8）上速度达763 tok/s，比Gemma 4的218 tok/s快约4倍。但事实准确性测试中，Diffusion Gemma 33个事实正确、28个错误，而Gemma 4为45正确、5错误。话题越冷门错误越多：乔布斯传4错、俄罗斯方块12错、BeOS故事12错。Diffusion Gemma胡编了乔布斯的母亲名字和游戏同事名称，并将BeBox价格虚构为$9,999（实际$1,600）。

AI模型 Diffusion Gemma Gemma 4 Google

事件专题

推荐理由：想用更快的推理速度就得接受更多幻觉，Google官方也为此打预防针了。

原文

13:00

@atomic_chat_hq@atomic_chat_hq

精选

Google Gemma 4 12B模型在RTX 4090上实测仅需9GB VRAM，生成8.9k tokens，速度80 tok/s，性能接近26B版本。其对比的Gemma 4 26B-A4B使用15GB VRAM，生成6.9k tokens，速度138 tok/s，所有场景胜出。但12B在近半VRAM下表现十分接近，成为16GB笔记本的理想选择。

AI模型 Gemma 4 12B 26B-A4B

事件专题

推荐理由：新Gemma 4 12B别看参数小，实测代码能力接近26B版，而且只需要9GB显存，16GB笔记本就能跑。

原文

12:46

AI Will@FinanceYF5

SpaceX计划以2500亿美元收购xAI，以600亿美元收购Cursor。Google以320亿美元收购Wiz。Meta拟以290亿美元收购Scale AI。OpenAI以65亿美元收购io。Salesforce以36亿美元收购Fin。Winston Weinberg指出并购中人才比技术更重要。

行业 SpaceX xAI Cursor

事件专题

推荐理由：这么多大额收购，AI圈要变天。SpaceX 2500亿买xAI，Google 320亿买Wiz，看看巨头们都在抢什么。

原文

6月17日

23:32

Philipp Schmid@_philschmid

Google更新了Gemini API文档，添加了新示例代码和错误处理说明。开发者可参考新文档集成Gemini模型。

AI产品 Gemini API Google API文档

推荐理由：官方文档更新了，学学Gemini API的新用法

原文

23:30

Philipp Schmid@_philschmid

精选

Phil Schmid 在推文中引用 Vicki Boykis 的教程，指出 Google 最新 Gemma 4 系列模型能在本地运行 agentic coding 循环，准确率和速度达到前沿模型的约 75%。该教程演示了如何使用本地模型进行编码任务。此前本地模型难以高效完成 agentic 工作流，Gemma 4 将这一差距缩小。

技巧 Gemma 4 Google 智能体

事件专题

推荐理由：Vicki Boykis 教你用 Google Gemma 4 在本地跑 agentic coding，速度能到主流模型的 75%，不用联网也能用智能体写代码了。

原文

23:08

23:08官方一手Google Blog: AI（博客/媒体）

Google在《Nature》发表研究，其对话式AI系统AMIE在复杂疾病管理任务中表现与初级保健医生相当。研究涉及心脏病、糖尿病等14种慢性疾病管理场景。AMIE在98%的评估维度上达到或超过医生水平，包括诊断准确性、治疗建议合理性及沟通质量。该系统基于大语言模型构建，能够进行多轮自然对话并实时检索医学知识。

论文 AMIE Google Nature

推荐理由：Google的AMIE医疗AI在《Nature》上发了论文，管理慢性病水平跟医生差不多，具体看数据很扎实。

原文

05:27

Gary Marcus@GaryMarcus

Gary Marcus引用Andriy Burkov数据指出，OpenAI市场份额在2025年1月首次跌破50%。Google的Gemini凭借浏览器生态快速蚕食用户，纯LLM业务被认为缺乏粘性。普通用户难以区分ChatGPT与Gemini，倾向于使用Google整合服务。行业分析认为，控制浏览器入口将成为AI竞争的关键。

行业 OpenAI Google Gemini

事件专题

推荐理由：OpenAI市场份额跌破50%，Gemini靠浏览器生态追上了。谁控制浏览器谁赢，这数据挺说明问题。

原文

02:31

官方账号Decoder@Matthias Bastian

柏林法院裁定Google的AI生成摘要仅为“新的搜索结果格式”，Google对内容无“决定性影响”。一家香水公司起诉，因AI搜索将其品牌名与便宜仿制品并列显示并链接到仿制品网站。该裁决部分与慕尼黑法院近期判决矛盾，后者认为Google对虚假AI回复直接负责。两案细节不同。

行业 Google AI概览 AI Overviews

推荐理由：柏林法院说AI概览不算原创内容，香水公司告输了。和慕尼黑法院的判决对着干，AI监管又复杂了。

原文

02:29

02:29官方一手Google Research: Blog（资讯）

Google Research 推出 Earth AI 机器学习模型，通过分析高分辨率卫星图像识别土地覆盖类型与植被健康度，支持生态恢复项目的规划与监测。该模型在 Global Land Cover 数据集上训练，覆盖 10 米分辨率地表信息，并已在巴西、澳大利亚等地测试。Google 还开源了相关模型与数据集，供研究社区使用。

AI模型 Earth AI Google 开源模型

推荐理由：Google 用 AI 看卫星图帮你规划种树恢复生态，模型和数据集都开源了，想做生态项目可以试试

原文

6月16日

16:12

官方一手pandaily@contact@pandaily.com (Pandaily)

AI应用层正经历大规模关闭浪潮，OpenAI、Google等公司的多款产品在数月内停止运营。行业正从功能实验转向商业可行性，包括初创公司在内的各方纷纷整合产品线。这一趋势反映出市场对AI应用盈利能力的要求日益严格。

行业 OpenAI Google AI产品关闭

事件专题

推荐理由：这篇文章梳理了OpenAI、Google等公司近期关闭或整合产品的动作，帮你了解AI行业为何从拼功能转向拼赚钱。

原文

15:01

Ate-a-Pi@svpino

Google免费发布了一个完整的AI Agent示例，用于模拟新员工入职流程。该Agent支持长时间运行，可自主暂停与恢复，且不丢失上下文。示例中详细介绍了三种架构模式，帮助开发者构建持久化的AI Agent。

技巧 Google 智能体架构模式

推荐理由：Google开了个好头，这个示例手把手教你做长时间运行的AI Agent，能暂停恢复不丢上下文，学三招架构模式，直接上手。

原文

6月13日

13:31

官方账号Google AI@GoogleAI

Google 推出 Gemini 3.5 Live Translate，一款用于实时语音到语音翻译的音频模型。NotebookLM 获得重大升级，新增智能体聊天、高级推理和多种输出格式。Project Genie 向 Google AI Ultra 5x 订阅用户开放。Notebooks 在 Gemini App 中扩展至欧洲经济区、英国和瑞士。DiffusionGemma 作为实验性开源模型发布，探索文本扩散的快速生成方法。

AI产品 Gemini 3.5 Live Translate NotebookLM Project Genie

推荐理由：Google 连发五款新品，语音翻译和智能体最亮眼

原文

13:08

官方账号Epoch AI@EpochAIResearch

精选72°

Epoch AI 发布 FrontierMath 基准测试 v2 版本，修复了 42% 的问题错误。新版本中，GPT-5.5 (xhigh) 在 Tier 1-3 上取得 85% 的准确率，Google 的 AI co-mathematician 在 Tier 4 上达到 76%。所有模型得分普遍提高，排名基本不变。

AI模型 FrontierMath GPT-5.5 Google

推荐理由：数学基准更新，GPT-5.5和Google AI成绩亮眼

原文

13:08

rohanpaul_ai@rohanpaul_ai

精选73°

据 The Information 报道，Anthropic 正从租用云算力转向自建数据中心，计划在美国部署超 1GW 容量，Google 可能为其租赁付款提供担保。此前 Anthropic 已通过云服务商承诺超 10GW 服务器租赁，包括与 Google 的 2000 亿美元协议。该公司还锁定了与 Akamai、AWS、CoreWeave 和 Fluidstack 的大额云交易，涵盖 Amazon Trainium 硬件和 500 亿美元 Fluidstack 合作。此外，Anthropic 已签署 SpaceX/xAI 的 Colossus 1 数据中心整租协议，月费 12.5 亿美元，并预留 Colossus II 空间。

行业 Anthropic Google 数据中心

事件专题

推荐理由：Anthropic 自建数据中心，算力策略大转向

原文

13:04

Gary Marcus@GaryMarcus

Gary Marcus在X上发文称，特朗普政府的出口限制可能使Anthropic等公司开发的数十亿美元模型无法在美国以外产生收入，同时导致大量外籍员工无法继续工作。他认为这会让前沿模型开发无利可图，并显著拖慢Anthropic、OpenAI、Google、xAI等公司的进度，从而将GenAI竞赛的胜利拱手让给中国。

行业 Anthropic OpenAI Google

事件专题

推荐理由：Marcus说特朗普政策可能让美国输掉AI竞赛

原文

12:17

官方账号Jeff Dean@JeffDean

精选

人们平均每4年更换一次手机，导致每年有数亿部旧手机被丢弃，但这些设备仍可作为计算节点使用。Google与加州大学圣地亚哥分校（UCSD）正在研究将这些旧手机转化为“手机集群”用于云计算。通过延长设备生命周期，该方案可减少对原材料开采的需求，并充分利用制造过程中已产生的隐含碳排放。现代手机本身已具备较强的计算能力，使得这一构想具有可行性。

行业 Google UCSD 手机集群

推荐理由：Google告诉你旧手机能组云集群

原文

05:36

Google AI Developers@googleaidevs

精选

Google 通过 Gemini Live API 推出 Gemini 3.5 Live Translate 功能，可为应用添加近乎实时的语音翻译。该功能采用语音到语音流式传输（S2ST），支持连续翻译广播音频并同步生成转录文本。演示中用户能用母语收听全球广播节目，实现无缝的跨语言直播体验。

AI产品 Gemini 3.5 Gemini Live API Google

推荐理由：谷歌 API 上新实时语音翻译

原文

04:21

elvis@omarsar0

精选

Google Research 推出 Gemini-SQL2，基于 Gemini 3.1 Pro 模型。该模型在 BIRD 基准上实现了最新最佳结果，能够将自然语言转换为可直接执行的 SQL 查询。BIRD 是一个高难度的文本转SQL基准，Gemini-SQL2 在此验证了定制模型在处理复杂真实数据时的优势。

AI模型 Gemini-SQL2 Google BIRD

事件专题

推荐理由：Google 用 Gemini 3.1 Pro 刷新了 SQL 生成最强成绩

原文

6月12日

22:45

官方账号Decoder@Maximilian Schreiner

Google和OpenAI在数天内分别揭露了据称源自中国的AI欺诈和隐蔽影响力行动。Google首次与FBI联合起诉一个利用AI进行诈骗的网络，而OpenAI则封禁了试图影响美国政治辩论的PRC相关集群。这些行动表明，AI技术正被用于针对美国基础设施和政治辩论的复杂攻击，凸显了跨国合作在打击此类威胁中的重要性。

行业 AI安全欺诈网络影响力操作

事件专题

推荐理由：AI安全从业者和关注网络威胁的团队需要了解这些最新案例——Google与FBI的联合诉讼和OpenAI的封禁行动揭示了AI如何被用于大规模欺诈和影响力操作，建议点开查看具体手法和应对策略。

原文

13:01

官方账号Google Labs@GoogleLabs

Google Labs 宣布 Project Genie 的访问权限进一步扩大，从今天起，全球的 Google AI Ultra 5X 订阅用户（最新订阅层级）可以体验 Project Genie。该项目是 Google 在 AI 领域的新尝试，旨在为用户提供更智能的交互体验。此次扩展意味着更多用户能够接触到这一前沿工具，标志着 Google 在 AI 服务普及上的重要一步。用户可通过提供的链接直接尝试。

AI产品 Google Project Genie AI Ultra 5X

推荐理由：Project Genie 的全球扩展让更多 AI 订阅用户能直接体验 Google 的最新 AI 能力，如果你是 AI Ultra 5X 用户或关注 Google 生态，建议点开链接试试。

原文

12:31

karminski-牙医 (AI工具)@karminski3

精选

Google发布了Gemma小模型的Diffusion版本，名为Diffusion Gemma，大小26B但激活参数量仅4B。与NVIDIA合作针对RTX 4090和5090优化，5090上每秒可生成700+ token。Diffusion模型像刮奖一样逐片生成文本，速度远快于传统逐字生成模型，但输出质量略低。在AIME 2026数学测试中达到Gemma4-26B-A4B的94%水平，在Agent能力测试中达到82%。4bit量化版本仅需16G显存即可运行。

AI模型 Diffusion模型 Gemma Google

事件专题

推荐理由：Diffusion Gemma把文本生成速度拉到单卡700TPS，做实时对话或高吞吐推理的团队可以直接用，4bit量化16G显存就能跑，值得试试能否做投机解码的草稿模型。

原文

01:05

官方账号Logan Kilpatrick@OfficialLoganK

Google的Gemini Omni Flash模型在图像生成视频、文本生成视频以及视频编辑三个任务上均达到最佳性能（SOTA）。该模型即将通过API向开发者开放。具体基准数据尚未公布。

AI模型 Gemini Omni Flash Google 视频生成

推荐理由：Google新视频模型SOTA

原文

00:54

Philipp Schmid@_philschmid

Google 更新了 Gemini API 的文档，新增了多项功能和改进，包括更详细的模型参数说明、示例代码和错误处理指南。这些更新旨在帮助开发者更高效地集成和使用 Gemini 模型。文档现在覆盖了更多使用场景，如多模态输入和流式输出。开发者可以立即访问 ai.google.dev 查看最新文档。

AI产品 Gemini API 文档更新

推荐理由：Gemini API 文档更新让集成更顺畅，做 AI 应用开发的团队建议直接查看，能节省调试时间。

原文

00:41

PolymarketMoney@PolymarketMoney

73°

Anthropic 正在寻求签署其首个数据中心租约，并已与 Google 母公司 Alphabet 接触以获取融资支持。这一举动标志着 Anthropic 从依赖云服务转向自建基础设施，以支撑其 AI 模型的训练和推理需求。数据中心租约通常涉及数十亿美元的投资，表明 Anthropic 正在为大规模扩展做准备。此举可能加剧 AI 巨头之间的算力军备竞赛，并影响云服务市场的竞争格局。

行业 Anthropic 数据中心融资

事件专题

推荐理由：Anthropic 开始自建数据中心，意味着其算力需求已进入新阶段，关注 AI 基础设施投资和算力市场的读者值得留意这一信号。

原文

6月11日

11:25

小互@imxiaohu

78°

Google 开源了 DiffusionGemma，一种基于扩散架构的语言模型，区别于逐词生成的 Transformer，它能一次性生成 256 个 tokens 的整块文本，再通过多轮迭代逐步优化。在 H100 上推理速度可达 1000+ tokens/s，RTX 5090 上 700+ tokens/s，26B 参数模型仅需 18GB 显存。其生成过程类似写草稿后反复修改，能自动修正前文错误，提升输出质量。这一开源模型为需要高吞吐、长文本生成的场景提供了新选择。

AI模型 Google DiffusionGemma 扩散模型

事件专题

推荐理由：DiffusionGemma 解决了 Transformer 逐词生成速度慢、无法回头修改的痛点，做文本生成或长内容创作的开发者可以直接在消费级显卡上跑，体验 1000+ tokens/s 的生成速度。

原文

06:50

berryxia@berryxia

78°

Google 发布 DiffusionGemma，一种基于扩散模型的新型文本生成模型，速度可达 1000+ token/s，是传统自回归模型的 4 倍。它摒弃了逐词生成的方式，而是通过并行起草、纠错和精炼整段文本，实现高速生成。模型已以 Apache 2.0 协议开源，权重在 Hugging Face 上可获取，18GB 消费级显卡即可本地运行。该模型在代码、数学和复杂编辑任务上表现优异，支持实时补空、格式化和自我修复。这一发布可能颠覆文本生成的范式，从串行生成转向并行炼句。

AI模型扩散模型文本生成开源/仓库

推荐理由：DiffusionGemma 把文本生成速度拉到 4 倍，还彻底开源，做本地部署或加速日常 workflow 的开发者可以直接拖权重玩。

原文

06:14

Sundar Pichai@sundarpichai

Google CEO Sundar Pichai 宣布，Google 的模型权重已在 Hugging Face 上以 Apache 2.0 许可证开源。这意味着开发者可以自由下载、使用和修改这些模型，无需担心商业限制。此举降低了 AI 模型的使用门槛，尤其对研究者和中小团队利好。开源社区可以基于这些权重进行二次开发或集成到自己的应用中。

AI模型开源/仓库 Hugging Face Google

推荐理由：Google 将模型权重以 Apache 2.0 开源，解决了开发者获取高质量预训练模型的门槛问题，做 AI 应用或研究的团队可以直接下载使用，值得关注。

原文

06:13

Sundar Pichai@sundarpichai

78°

Google 发布了 DiffusionGemma，这是一个基于 Gemma 4 的实验性开放模型，采用文本扩散技术。与传统逐词预测不同，DiffusionGemma 能同时生成整段文本，实现高达 4 倍的推理加速。该模型目前以研究预览形式开放，旨在探索更高效的文本生成方式。这对于需要低延迟文本生成的场景（如实时对话、内容创作）具有重要意义。

AI模型文本扩散推理加速 Gemma 4

事件专题

推荐理由：推理速度提升 4 倍意味着更低的延迟和更低的成本，做实时文本生成或大规模内容生产的团队值得关注这个新方向。

原文

04:44

04:44官方账号Simon Willison’s Weblog（博客/媒体）

76°

Google 去年曾短暂发布实验性的 Gemini Diffusion 模型，如今以开源形式回归，推出 DiffusionGemma-26B-A4B-it 模型，采用 Apache 2 许可证。该模型在 NVIDIA NIM 云 API 上免费托管，生成速度可达 500+ tokens/秒。作者实测生成 2409 tokens 仅需 4.4 秒，性能出色。这是 Google 在扩散模型领域的重要开源动作，为开发者提供了高性能的生成式 AI 选项。

AI模型 Google DiffusionGemma 开源/仓库

事件专题

推荐理由：Google 把去年惊艳的扩散模型开源了，做图像/文本生成的开发者可以直接用 NVIDIA 免费 API 体验，速度超 500 tokens/秒，值得立刻上手试。

原文

03:39

官方账号Decoder@Jonathan Kemper

72°

Google 发布了 DiffusionGemma，一个 260 亿参数的开源模型。它不采用传统的逐词生成方式，而是通过扩散过程从噪声中生成文本，类似于图像 AI 的工作方式。据 Nvidia 称，该模型在单个 H100 GPU 上每秒可处理约 1000 个 token，速度是同类自回归模型的约 4 倍。但输出质量较低，因此 Google 目前将其定位为面向开发者的实验性工具。

AI模型 Google DiffusionGemma 扩散模型

事件专题

推荐理由：DiffusionGemma 为文本生成开辟了新路径，追求推理速度的开发者可以尝试这种非自回归方案，尤其适合对实时性要求高的场景。

原文

03:03

Google AI Developers@googleaidevs

72°

Google 发布了 DiffusionGemma，一款基于文本扩散技术的实验性开放模型，采用 Apache 2.0 许可证。该模型通过将瓶颈从内存带宽转移到原始计算，在专用 GPU 上实现高达 4 倍的 token 输出速度。推理时仅激活 3.8B 参数，量化后可在 24GB VRAM 的高端消费级 GPU 上运行。它支持并行 token 生成和自我纠正，特别适合代码填充、内联编辑和非线性结构任务。DiffusionGemma 优先考虑速度而非原始质量，在计算受限的硬件上加速效果最佳，而标准 Gemma 4 仍推荐用于生产环境和内存受限设备。

AI模型文本扩散开放模型 Google

推荐理由：DiffusionGemma 把文本生成速度推到了新高度，做代码补全、实时编辑的开发者可以直接在消费级 GPU 上体验 4 倍加速，值得一试。

原文

02:47

02:47官方一手Google Research: Blog（资讯）

Google 研究团队提出了一种新的框架，用于审计机器学习模型是否真正实现了“遗忘”功能。该框架通过设计特定的攻击和测试方法，能够有效评估模型在删除特定数据后是否仍保留了相关信息。这项工作对于负责任的人工智能、隐私保护和数据安全至关重要，尤其是在用户要求删除个人数据的场景下。框架提供了可量化的评估指标，帮助开发者和监管机构验证模型遗忘的可靠性。

论文机器学习数据遗忘隐私保护

推荐理由：隐私合规团队和 AI 安全研究者终于有了可操作的遗忘验证工具——Google 的审计框架让“数据被遗忘权”不再是空话，做模型治理和合规的团队建议点开看看具体方法。

原文