Google DeepMind 与 Google Research 发布全球天气模型 WeatherNext 3，直接使用实时地球静止卫星数据训练，每小时生成一次预报，温度与湿度等变量分辨率达 5 公里，整体比 25 公里网格、6 小时更新的 WeatherNext 2 精细约五倍。
推荐理由：做新能源发电预测或农业天气风险评估的团队可直接在 BigQuery 查询逐小时预报，省去自建模型的第一步。
Google 启动 Fairwind Program，限量向政府机构、关键基础设施运营商和安全合作伙伴开放 Gemini 3.8 Flash Cyber 与 CodeMender 组合。
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御者的 Gemini 3.8 Flash Cyber，延续 3.7 Flash 的价格，每百万输入 token 0.75 美元、输出 token 3.75 美元。
推荐理由：开发者可在 Gemini API 中用它跑长周期编码与智能体任务，先用低 effort 档位控制 token 成本。
Google Research 发布 TimesFM-3，一个 330M 参数、原生于多变量预测的零样本时间序列基础模型。它可同时预测多条相关序列，并把历史协变量和已知未来事件（如促销、天气）作为输入，经一次前向传播输出整个预测区间和 9 个分位数。
推荐理由：做销量或流量预测的团队可直接在 BigQuery 用 AI.FORECAST 调用它，把促销日程这类已知未来变量一起输入。
Voice Arena 与 Hugging Face 在 Open ASR Leaderboard 上线 Monsoon 印地语与印度英语评测集，四个划分合计覆盖 4888 名说话人，每条音频记录 12 项说话人属性。
推荐理由：做印地语或印度英语语音识别的团队，可以先在 Monsoon 公开集上自测，再按地区、年龄和机型拆分 WER 以定位模型短板。
Google 在 Google Earth AI 下推出实验性研究能力 planetary prediction engine（PPE），可由自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，把原本需要数周的人工建模压缩到数分钟。
推荐理由：公共卫生或粮食安全方向的研究者可以用它把自然语言查询跑成地理空间预测模型，省去人工找数据与特征工程，但目前仍是实验性研究能力。
Google DeepMind 推出 Gemini Omni 1.1 Flash，面向开发者提供更强的生成视频控制能力，已通过 Google AI Studio 的 Gemini API 提供。
推荐理由：开发者可用 Gemini API 先出 360p 草稿验证分镜，再对选定镜头做 4K 放大。
Google DeepMind 宣布试点全球首个针对专有前沿模型的双盲评测，把外部评测限制在密码学环境中，避免题目被模型用于提前优化。该试点与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作，在保护隐私的环境下用保密基准测试 Gemini Flash Lite。
GlucoFM 是 Google Research 提出的自监督基础模型，把连续血糖监测信号拆成慢变基线流和短期波动流，在 109,066 小时无标注 CGM 数据、477 条受试者或会话记录上预训练。
Google 发布语音转文字模型 Gemini 3.5 Transcribe，可直接把原始音频转成准确、带格式的书面文本，还能去掉口头语、处理自我更正并识别用户自定义词表。
推荐理由：开发者可以在 Gemini API 里用实时流式接口接语音客服或会议转写，先验证延迟和自定义词表效果。
Sentence Transformers v6.0 新增 MultiVectorEncoder，用于 ColBERT 式 late interaction 检索，并提供从数据、损失函数到训练器的完整微调流程。
推荐理由：做医疗、法律等垂直检索的团队可以照脚本用自有问答对微调多向量模型，单张 RTX 3090 跑十几个小时，前提是先备好问答对数据。
Google Research 提出 AgentHands，一个让 XR 中的 AI 智能体在说话时同步做出空间手势的研究原型，论文将在 CHI 2026 发表。
IBM Granite 团队发布 Granite 4.2 系列推理模型，含 3B、8B、30B 三个稠密尺寸，采用 Apache 2.0 许可，均由 Granite-4.1 base 后训练而来。
推荐理由：想在本地跑代码智能体的团队，可用 vLLM 起一个 OpenAI 兼容端点，把 Granite 4.2 30B 接进 OpenHands 或 OpenCode 试任务。
Multiverse Computing 发表论文提出量化感知修复 QAH，在模型结构压缩并量化之后直接从原始全精度大模型蒸馏，而非从已恢复的 bfloat16 检查点蒸馏。
Google Research 推出 Biomarker Discovery Framework，用多智能体在人类监督下把候选生物标志物筛选组织成迭代研究循环，并对候选做对抗校验。
推荐理由：做数字健康研究的团队可以照它的六阶段流程和对候选指标的对抗校验设计，把可穿戴数据的初筛交给多智能体，再人工复核。
Google Research 提出 ME-POIs 框架，把匿名聚合的到访时间、停留时长等移动模式编码成嵌入向量，与 Gemini 等文本表征对齐，让模型同时拿到地点的身份和动态功能。
推荐理由：做本地生活或选址分析的团队可参考该框架把匿名到访数据叠加到文本表征上，补足小商户样本稀疏的部分。
Hugging Face 提出共识分歧探针、遮蔽实体检索和拼写切换三项测试，用于量化语音识别模型的基准优化现象，评测了 11 个开源 ASR 模型。
推荐理由：做语音模型选型时，可先用 Open ASR Leaderboard 的 Benchmark fitting 标签查看候选模型是否复现参考文本错误。
IBM Research 用 ALTK-Evolve 把 Agent 自身轨迹蒸馏成可复用指南，在推理时注入，不改权重也不需人工标注。在 AppWorld 的 585 个多步任务上，弱模型用核心指南加按任务检索最划算，gpt-oss-120b 任务完成率提升 16.1 个百分点而 token 只多 5%；DeepSeek-V3.2 用全量指南集提升 9.5 个百分点。
Google Research 提出 PhotoScan，用普通 2D 手机照片估算体脂率、腹部与臀部脂肪比和内脏与皮下脂肪比，用于预测胰岛素抵抗。模型先在 UK Biobank 的 35323 份记录上预训练，再用 677 人的真实手机照片微调，并在 132 人独立队列中验证。
Hugging Face 发布覆盖 2026 年 1 至 8 月的开源模型生态观察报告，期间 Hub 上公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万。
推荐理由：做开源模型选型与微调的团队可以借报告中的下载量和衍生模型分布，判断该把工程押在哪个模型家族上。
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码与 Agent 的最强主力模型，距 Gemini 3.6 Flash 仅三周。
推荐理由：开发者可在 Gemini API 或 AI Studio 中接入 3.7 Flash，跑调试、代码生成和多步骤工具调用任务。
AllenAI 的 OlmoEarth Studio 支持按区域、时段和编码器计算并导出嵌入向量，输出为每维一个波段的 COG。可选 Nano（128 维，1.4M 参数）、Tiny（192 维，6.2M 参数）与 Base（768 维，89M 参数），支持 10 至 80 米分辨率和 Sentinel-2 L2A、Sentinel-1 RTC 影像。
推荐理由：遥感与地理空间团队可以用它导出研究区的嵌入向量，接进现有 rasterio 或 QGIS 流程做相似度检索和变化检测。
Google DeepMind 发布多语言手语转文字模型 SL2T，把手语动作直接翻译成流式文本，首批落地在 Pixel 11 的 Gboard 和 Live Transcribe 上，目前支持美国手语（ASL）转英文，用户可手语搜索、写消息或让 Gemini 执行任务。
推荐理由：无障碍、输入法和会议转写产品可参考它的端侧姿态点方案，先在本地提取关键点再送服务器翻译，减少原始视频外传。
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频问诊，可观察非语言线索、引导虚拟体格检查并同步推理诊断。
推荐理由：做医疗 AI 或远程问诊的团队可以借鉴它的三智能体异步分工，把实时对话与后台推理拆开再搭视频问诊原型。
IBM Research 对比其 ALTK-Evolve 与 ACE 两种 Agent 记忆方案在 AppWorld 上的表现。两者都不把历史经验压缩成摘要，区别在投递方式，ACE 每步注入完整 playbook，ALTK-Evolve 按任务检索少量 guideline。
NVIDIA 在 Hugging Face 发布 Magpie TTS Multilingual 开源权重模型，364M 参数，覆盖 12 种语言，本次新增现代标准阿拉伯语、韩语和巴西葡萄牙语。
推荐理由：做多语言语音客服的团队可以拉取这套 364M 开源权重，在自有 GPU 上实测首字延迟，再用 NeMo 微调自家发音。
Meta 发布 30B 参数的多模态模型 Muse Glimmer，采用 Apache 2.0 许可证，面向本地智能体场景。模型由 2B 的 Perception Encoder 视觉编码器和 28B 文本解码器组成，支持图像与视频问答、多模态工具调用和目标检测，另附可选的 DFlash 推测解码草稿模型。
推荐理由：想在本地跑智能体的开发者可用 transformers 或 llama.cpp 直接加载 30B 权重，先验证编码与工具调用场景。
Baseten 已成为 Hugging Face Hub 支持的 Inference Provider，初期在 Hub 上支持对话与文本生成任务，可调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开放权重模型。
Google Research 提出 Chain-of-Evidence 可验证性框架，并据此构建自主科研原型 Science One Framework，让论文里每条论断都绑定到真实代码、日志或文献。
推荐理由：做自动化科研 Agent 的团队可以用 CoE Audit 的四项检查自查产出，先拦住虚构引用和不可复现的分数。
Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2，作为机器人的高层大脑负责对话、多步任务规划与工具调用，再把动作执行交给下层 VLA 模型。
推荐理由：机器人开发者可通过 Gemini API 调用 ER 2，把 VLA 模型和导航 API 声明为工具，配合 GitHub 示例跑通取物流程。
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并已在 Google Flow Music 上线。官方称新版在旋律结构上更丰富自然，歌词质量提升、对提示词的遵循度和结构意识更好，人声更有表现力和情感、发音也更准确。同时用户可以更方便地控制输出音频的速度与时长。适合在 Flow Music 里创作歌曲、并希望对生成结果有更细致控制的人。
Google DeepMind 发布 Gemini Robotics 2，包含视觉语言动作模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和本地运行的 Gemini Robotics On-Device 2 三个模型。
推荐理由：做具身智能的团队可先在 Google AI Studio 调用 Gemini Robotics ER 2 验证多步任务规划，VLA 与端侧模型需申请早期访问。
NVIDIA 发布 Cosmos-H-Dreams，这是面向手术机器人的动作条件化实时生成式仿真器，把 Cosmos-H-Surgical-Simulator 蒸馏为少步因果学生模型，经 FlashDreams 在单张 RTX PRO 6000 上达到约 160 帧每秒。
推荐理由：做手术机器人策略研究的团队可以用它把真机试错搬到单卡实时仿真里，先跑通闭环评估和失败样本生成再上硬件。
Diffusers 现在可以原生加载 Nunchaku Lite 的 4-bit 量化 checkpoint，无需自定义 pipeline 或单独推理引擎，调用 from_pretrained() 即可。
推荐理由：手上只有消费级显卡的开发者可以直接加载预量化权重跑通文生图，验证效果后再考虑用工具包量化自己的模型。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite，以及面向代码安全的 3.5 Flash Cyber。
推荐理由：做生产级 Agent 的开发者可先用 3.6 Flash 压降单任务 token 成本，再用 Flash-Lite 承接高吞吐的检索与文档处理。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一款基于 3.5 Flash 微调、用于快速发现、验证和修补漏洞的轻量网络安全模型。
推荐理由：安全团队可关注 CodeMender 的能力开放情况，先接入通用 Gemini 模型为大型代码库做漏洞扫描并试用。
Google Research 把建筑级屋顶反照率数据从试点扩展到 9 个国家 50 多个城市，并上线可公开使用的 Heat Resilience Earth Engine App。
Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 两款生成模型。Nano Banana 2 Lite（gemini-3.1-flash-lite-image）4 秒生成一张图，每张 1K 图片 $0.034，已上线 Gemini API、AI Studio 并接入搜索、Gemini app 等消费级产品。
推荐理由：做电商或室内设计素材的团队可先在 AI Studio 用 Nano Banana 2 Lite 低成本出图，再串联 Omni Flash 转成短视频打样。
Google 发布 TabFM，一个面向表格数据分类和回归的零样本基础模型。它把整张表作为上下文提示，单次前向传播即可给出预测，无需逐数据集训练、超参数调优和特征工程。
推荐理由：企业分析团队可以直接在 BigQuery 用 SQL 对已有表做零样本分类或回归，省去训练模型和调参。
Google Research 提出线性弹性缓存（linear elastic caching），把缓存页面驱逐建模为滑雪租赁问题，按访问模式动态为页面设定 TTL，而非固定分配内存。
推荐理由：云服务团队可以参照这套用决策树预测页面 TTL 的弹性缓存方法，先在自家缓存层做分组对照，再评估是否替换固定容量方案。