deepmind

ChainCatcher 消息，谷歌 DeepMind 研究人员 Zhengxuan Wu、Yuxuan Li、Oyvind Tafjord、Been Kim 发布预印本论文《XYEval: Agents say yes to bad advice》，提出元评估框架 XYEval，用于评估智能体面对用户误导性建议时的表现。论文将“XY 问题”扩展到智能体场景，即用户询问的是自己尝试的解法 X，而非真正的问题 Y。XYEval 保留原任务环境与可验证答案，只在指令中追加看似合理但具有误导性的用户建议。误导建议由生成器在看到完整任务后生成，并以自信建议而非硬性要求的形式附加，使原任务仍可解。评估覆盖 τ2-bench、SWE-bench Verified、SWE-bench Pro、Terminal-Bench、Humanity’s Last Exam 与 MCP-Atlas 六个基准及五个模型，其中 τ2-bench 的误导建议由人工专家制定的规则生成。论文称，任务经 XY 变异后表现大幅下降，相对降幅最高达 46.7%。在 τ2-bench 上，面对要求先给出详细解释才接受更好方案的用户时，表现下降更多。鼓励模型意识到 XY 问题的简单系统指令只能部分缓解。相关代码发布于 GitHub 仓库 google-deepmind/xyeval。

ChainCatcher 消息，据彭博社报道，英国政府宣布投入 1 亿英镑（约合 1.34 亿美元）建设人工智能生物安全实验室，并获得 OpenAI、Anthropic 和 Google DeepMind 支持。据英国政府声明，该实验室将利用人工智能检测和监测生物威胁。除上述资金外，OpenAI 和 Anthropic 还将提供最高 2 亿英镑的人工智能模型使用额度。实验室还将与 Google DeepMind 及生命科学公司 Basecamp Research 合作，英国政府另拨 6500 万英镑，用于开发针对病原体的应对措施。公告还包括向人工智能安全研究所追加 1.2 亿英镑，该机构负责定期评估前沿人工智能模型；并向筹建中的人工智能经济研究所追加 2300 万英镑，用于分析人工智能对经济的影响。

ChainCatcher 消息，Google DeepMind 在 Gemini 4 Argon 安全报告中公布首次针对机器学习研发自动化的整体实证评估，结论是 AI 并未加速 AI 自身的研发，尽管 AI 已编写该实验室工程师交付的大部分代码。参与评估的研究员 Haydn Belfield 在 X 上表示，目前不存在显著的端到端 ML R&D 加速，因此 AI 驱动 ML R&D 的风险目前较低。团队构建了内部指数 GCI v1，将 123 个 AI 模型在 92 个基准上的得分合成单一数值。前沿 Gemini 能力以约每月 0.1 GCI 点的稳定速度提升，Gemini 1.5 Pro 在 2024 年底接近 0.5 点，Gemini 3.8 Flash 在 2026 年 9 月略高于 2.9 点，Argon 约 3.3 点高于趋势线，但 Belfield 称这源于算力与组织投入增加，而非 AI 驱动的加速。DeepMind 生产代码中超过 75% 由 AI 编写，完全委托的代码合并请求比例在 4 月至 9 月间从 7.5% 升至 11.9%，但约 88% 的请求仍需多轮人工引导或人工编写。对 12 位资深研究者的调查显示，自动化在明确、可验证的执行任务中最高，在开放式科学构想、新实验设计与诊断训练不稳定等环节最低。

ChainCatcher 消息，Google 于 10 月 7 日推出网页平台 Playground，用户可用自然语言描述游戏创意，无需编写代码即可获得可玩、可分享的游戏版本。用户还能通过对话继续调整物理效果、规则、角色或场景，并通过链接分享作品。该工具目前面向美国 18 岁以上用户开放，创建权限按用户的 Google AI 订阅等级分层。 Playground 中的游戏可在手机和笔记本电脑的浏览器中运行。创作者可将作品设为私密，或发布至社区画廊，所有游戏均需通过安全审核，部分品类支持排行榜与多人模式。Google 称其为“一项早期实验”，其公告未披露定价，也未说明该工具由哪些 AI 模型驱动。 升级路径指向 Unity Spark，Google 表示 Playground 将很快接入该工具，以满足需要专业级机制与高保真 3D 的创作者。Google 与 Unity 在联合声明中称 Spark 将于今年晚些时候推出，封闭测试即将开启。此前 DeepMind 于 2024 年发布 Genie 模型，今年 1 月 Google 又向美国 AI Ultra 订阅用户开放基于 Genie 3 的 Project Genie。

ChainCatcher 消息，Google DeepMind 联合创始人兼首席 AGI 科学家 Shane Legg、研究、实验室、技术与社会总裁 James Manyika，以及诺贝尔奖得主、Google DeepMind 联合创始人兼董事长、Alphabet 首席科学家 Demis Hassabis 宣布推出 DeepMind Institute。三人表示：当今人工智能系统已具备显著能力，快速的创新表明人类正在接近 AGI，迫切需要跨学科思考，以更好理解其对人类的深远影响。DeepMind Institute 旨在推动跨学科研究、合作与讨论，以回应 AGI 时代最关键的技术与社会问题，并作为面向 Google DeepMind、Google 及更广泛全球研究社区的研究者与思考者平台，用于开展并发布关于 AGI 世界的创意与深入见解。该机构由 Shane Legg、James Manyika 和 Demis Hassabis 担任主任，Shane Legg 兼任执行主编。

ChainCatcher 消息，近日从 Google DeepMind 辞职的 AI 研究员 Bilal Chughtai 周一在 X 和 LinkedIn 发文称，人类正在耗尽时间以防止人工智能造成广泛伤害。他写道：在 Google，我亲眼目睹了 AI 的发展。我也对这项技术的默认轨迹极度担忧。我真诚地相信，AI 有可能杀死我们所有人。Chughtai 表示，他在 Alphabet 旗下该公司从事 AI 安全和对齐工作。这是又一名对技术发展方向表达担忧的员工。Google 暂未回应置评请求。

ChainCatcher 消息，9 月 4 日，B.AI 平台宣布 Google DeepMind 最新 Gemini 3.8 Flash 模型正式接入 API。该模型为 Gemini 3 家族最新一代主力模型，支持 1M Token 上下文窗口与原生多模态输入。据该平台介绍，Gemini 3.8 Flash 在保持 Flash 系列低延迟特点的同时，于软件工程、智能体任务及专业领域多步推理等方面有所提升，在金融和法律等专业领域同样有所表现，面向复杂推理与长期 Agent 工作流。官方 API 接入现已开放。

ChainCatcher 消息，Meta CEO 马克·扎克伯格在上个月与美国总统唐纳德·特朗普的电话中，对设立国家 AI 监管机构的计划表示担忧。该提议由 Google DeepMind 科学家德米斯·哈萨比斯倡导，部分白宫官员支持，拟建立类似 FINRA 的独立组织，在先进 AI 模型更广泛部署前审查并测试潜在风险。白宫官员于 8 月中旬向特朗普及包括 Meta 在内的主要科技公司预览了该提议。特朗普于 8 月 17 日当周与扎克伯格通话。据熟悉对话的白宫高级官员称，扎克伯格反对该提议。另一知情人士表示，扎克伯格并未要求特朗普改变立场，但告诉他白宫可能任命的监管机构人员应体现特朗普对 AI 的轻触式方法，并称特朗普先打了电话。该通话并未扼杀这一想法，其仍在考虑中。Meta 发言人拒绝置评。白宫发言人表示，特朗普政府致力于在 AI 政策制定中平衡创新与安全。扎克伯格在 8 月的一篇文章中对严格政府监管新 AI 模型表示怀疑，认为任何使模型发布延迟哪怕一个月的政策都会给美国相对于中国的领导地位增加重大风险。政府正在考虑 FINRA 式监管机构或类似美国电影协会的自愿行业组织。特朗普前 AI 和加密沙皇大卫·萨克斯反对政府监管机构，称之为“AI 的 DMV”。Anthropic 联合创始人杰克·克拉克 7 月发帖对该 FINRA 式想法表示支持。

ChainCatcher 消息，据华尔街日报报道，谷歌 (GOOG.O) 调整 AI 组织架构，将 AI 责任团队移出 DeepMind 实验室。

ChainCatcher 消息，Citrini 分析师 Jukan 在 X 平台转发内容称，业内消息人士称，谷歌 DeepMind 联合创始人 Demis Hassabis 此前一家计划与另一位联合创始人 David Silver 同期离开，但谷歌管理层担心这一消息可能引发股价大幅下跌，因此希望其暂缓离职。消息称，在谷歌宣布相关调整后，公司股价确实出现下跌，最终 Hassabis 被说服转任 DeepMind 主席职位以帮助组织平稳过渡，并为未来以更合适方式离开谷歌创造空间。 据悉，随着 David Silver 转向创办 Ineffable Intelligence、John Jumper 加入 Anthropic，DeepMind 核心 AI 研发力量正在发生变化。有消息人士认为，谷歌如今真正推动 AI 模型发展的中心已更多转向美国湾区，DeepMind 的重要性有所下降，谷歌内部重点则转向大语言模型 Gemini，以追赶 OpenAI和 Anthropic。Hassabis 的调整反映出谷歌内部长期存在的战略矛盾：科研人员更关注长期科学突破，而商业团队则更关注能够快速商业化、推动收入和股价增长的 AI 产品，市场预测 Hassabis 可能将在一年内离开谷歌，并可能重新创业。

ChainCatcher 消息，研究机构 SemiAnalysis 发布分析指出，Google DeepMind 已不再属于前沿 AI 实验室行列。此前一周，DeepMind 联合创始人 Demis Hassabis 退出日常运营，Google 首席科学家 Jeff Dean 及 Gemini 联合负责人 Oriol Vinyals 等核心成员离职，创立新实验室 Discovery Loop。分析认为，Google 内部 Gemini 与 GCP 围绕算力分配的长期博弈已以 GCP 胜出告终。 SemiAnalysis 称，Gemini 3.5 Pro 已被取消，Gemini 3.6 Flash 性能不及中国头部开源模型与 Grok 4.5，当前 Gemini 在大模型排名中已跌至第 8 或第 9 位。与此同时，GCP 正向 Anthropic 等竞争对手大量出售 TPU，过去 9 个月内已锁定数十万颗 TPU 的长期租赁及销售合同。Tokenomics 模型估算，Gemini 自身 ARR 约 120 亿美元，而 GCP 到 2027 年底第三方 AI 云服务收入将超 730 亿美元，TPU 系统销售额外贡献超 1200 亿美元。GCP 最新季度增速为 82%，预计 2027 年将因 TPU 系统销售而加速至 100% 以上，为 Google 每股收益贡献约 3 美元。

ChainCatcher 消息，据金十报道，谷歌 Deepmind 推出了 Gemini Robotics ER 2 模型。

ChainCatcher 消息，据悉，Google DeepMind 联合创始人 Demis Hassabis 日前发文预测，通用人工智能（AGI）可能仅需数年即可实现，其变革性影响将达到工业革命的 10 倍，且发展速度将快上 10 倍。他指出，随着前沿模型在网络安全、核能与生物等领域的潜在风险日益凸显，业界急需为未来具备自主性和自我改进能力的 AI 系统建立稳固的安全防护。 为平衡技术创新与安全风险，Hassabis 呼吁美国率先牵头建立一个类似金融业监管局（FINRA）的“前沿 AI 标准机构”。该机构拟采用公私合作或自律组织模式，由独立技术专家和开源界代表管理，主要通过行业注资运作。其核心职能是制定动态的科学评估协议，初期将要求前沿实验室在发布模型前 30 天自愿提交审查，并计划最终过渡至强制性的市场准入测试，而初创公司或学术机构的非前沿模型则予以豁免。该框架旨在通过技术主导的审查机制应对未知危机，并以此为基础推动国际社会达成全球 AI 风险管理共识。

ChainCatcher 消息，谷歌宣布推出其由谷歌 DeepMind 团队开发的人工智能模型“Gemini”，据悉，Gemini 设计为多模态，能够理解和处理文本、代码、音频、图像和视频等不同类型的信息。 Gemini 模型分为三种不同规模：Ultra、Pro 和 Nano。Ultra 版本面向复杂任务，Pro 版本适用于广泛的任务范围，Nano 版本则专为移动设备上的任务优化。 目前，Gemini 已开始在谷歌的多个产品和平台中推广应用，例如 Google Bard 将使用 Gemini Pro 的改良版本，而 Pixel 8 Pro 将是首款采用 Gemini Nano 的智能手机。此外，从 12 月 13 日起，开发者和企业客户将可以通过 Google AI Studio 或 Google Cloud Vertex AI 访问 Gemini Pro API，以开发和部署基于 Gemini 的应用。