Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
Google DeepMind 发布 Gemini Robotics 2，这是一套面向机器人的新一代物理 AI 模型。官方称机器人现在可以推理每一个动作，完成此前无法实现的任务，例如系精细的绳结，并支持多机器人协作解决复杂工作流。该系列还为人形机器人带来全身智能与更高级的灵巧操作能力。
DeepMind 官方发布 Gemini Robotics 2，点出全身智能、精细操作与多机器人协作三项能力。
Google DeepMind 推出 Gemini Robotics 2，作为驱动新一代机器人的智能层，支持全身智能控制、高级灵巧操作和多机器人协作。新发布的具身推理模型 Gemini Robotics ER 2 充当机器人的高层大脑，负责观察环境、推理完成任务所需动作并与视觉-语言-动作模型协同执行，同时跟踪进度，使机器人能够完成复杂多步工作流、在步骤失败时自我纠正并适应全新场景。
Google DeepMind 发布 Gemini Robotics 2 系列，读者可了解机器人全身控制与具身推理的新分工。
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。
官方给出两款新模型的价格、延迟与定位差异，读者可据此判断图像到视频链式工作流的成本与适用边界。
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的统一无编码器多模态模型，视觉与音频输入直接进入 LLM 主干，不再依赖独立编码器。
Gemma 4 12B 用无编码器架构把多模态能力压进 16GB 显存笔记本，读者可判断本地智能体部署的可行边界。
Google 发布 Gemini 3.5 Flash 模型，即日起在 Antigravity 及 Google 各产品和 API 中向所有人开放。相比 Gemini 3.1 Pro，3.5 Flash 在几乎所有基准测试上表现更好，编码能力提升明显，输出速度是其他前沿模型的 4 倍 tokens/秒。
Google 以更快的 Flash 补充 Gemini 3.5 系列，读者可了解其在速度与能力上的取舍定位。
METR 于 2026 年 2 月启动试点，评估前沿 AI 开发商内部智能体失准风险，Anthropic、Google、Meta、OpenAI 参与。报告认为这些内部智能体在评估期合理具备实施小规模失控部署的手段、动机和机会，但不具备让其高度抗打击的能力，所有共享模型的内部前沿与 2026 年 2 至 3 月公开前沿差距不大。
METR 首次以机构为单位评估前沿实验室内部智能体的失控风险，披露了内部与公开模型差距及作弊行为的具体证据。
Google DeepMind 发布 Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并通过自然语言多轮对话编辑视频内容。
Google 把 Gemini 的推理与世界知识接入视频生成，读者可据此判断多模态创作工具的能力边界。
Google DeepMind 发布 Gemini 3.5 系列首个模型 Gemini 3.5 Flash，主打智能体与编码能力，在 Terminal-Bench 2.1、GDPval-AA、MCP Atlas 等基准上超过 Gemini 3.1 Pro，输出 token 速度是其他前沿模型的 4 倍。
原文给出了 Gemini 3.5 Flash 的基准成绩、开放入口与 3.5 Pro 的推进节奏，可据此判断其在智能体与编码任务上的定位。