Google DeepMind、Gemini Omni 1.1 Flash を公開
Google DeepMind は Gemini Omni 1.1 Flash を公開した。動画生成の制御性を高め、Google AI Studio の Gemini API から開発者に提供する。
Google / Gemini
すべてのトピックGoogle と DeepMind の AI の動き：Gemini シリーズ、動画モデル Veo、研究成果とプロダクト群を継続して追う。
精選 76件関連トピックOpenAI / ChatGPTAnthropic / Claudeマルチモーダル
最新の精選
21–40 件目 · 全 76 件8月28日
8月27日
Google DeepMind、世界初の二重盲検AI評価を試行
Google DeepMindは、専有のフロンティア級AIモデルを対象とする世界初の二重盲検評価を発表した。外部評価を暗号技術で隔離した環境に限定し、モデルが事前に試験問題へ接触することを防ぐ。シンガポールのAI安全研究所、OpenMined、AVERI、MLCommonsと協力し、プライバシーを保護した環境で非公開ベンチマークを使いGemini Flash Liteを評価する。
Google DeepMind、音声文字起こしモデルGemini 3.5 Transcribeを公開
Google DeepMindはGemini 3.5 Transcribeを公開し、現在最も正確な音声文字起こしモデルと説明した。生の音声を直接、正確で整形済みの文字に変換する。
8月17日
Google Research、スマートフォン写真で体組成を推定しインスリン抵抗性を予測するPhotoScanを提案
Google Researchは、普通の2Dスマートフォン写真から体脂肪率、A/G比、V/S比を推定し、インスリン抵抗性を予測する深層学習フレームワークPhotoScanを提案した。
8月14日
Google DeepMind、コーディング・エージェント向け Gemini 3.7 Flash を公開
Google DeepMind は Gemini 3.7 Flash を公開し、コーディングとエージェント向けの最強の主力モデルと位置付けた。Gemini 3.6 Flash 公開からわずか3週間だ。
8月12日
Google DeepMind、手話からテキストの SL2T、Pixel 11 の Gboard と Live Transcribe に初導入
Google DeepMind は多言語手話からテキストへのモデル SL2T を公開し、初めて消費者製品に導入した。Pixel 11 の Gboard と Live Transcribe で米国手話（ASL）を英語テキストに変換し、今後さらに多くの端末と言語へ拡大する。
Google研究チーム、専門家水準のリアルタイム動画診療向けAMIE (Video)を公開
Google ResearchはGeminiとProject Astraを基盤にしたAMIE (Video)を公開した。リアルタイムの動画診療を行い、非言語的な手掛かりを捉え、仮想的な身体診察を案内できる。
8月6日
Google DeepMind、WeatherNext のサイクロン予報モデルをオープンソース化
Google DeepMind は WeatherNext AI モデルを公開した。サイクロンの進路、強度、風の構造の予報で最先端性能に達し、平均で警報を1日早く出せる。気象分野の約10年分の進歩に相当する。
7月31日
Google Research、証拠の連鎖で自律研究を検証する Science One Framework を提案
Google Research は検証可能性の Chain-of-Evidence（CoE）フレームワークを公開し、Science One Framework の試作で実装した。CoE Audit の自動監査指標も提供する。
7月30日
Google DeepMind、具身推論モデル Gemini Robotics ER 2 を公開
Google DeepMind は Gemini Robotics ER 2 を公開した。ロボットの高位の頭脳として、動画理解、複数段階の作業計画、複数ロボットの協働に対応し、動作実行を下位の VLA モデルへ任せられる。
Google DeepMind、Flow MusicでLyria 3.5音楽生成モデルを公開
Google DeepMindは新世代の音楽生成モデルLyria 3.5を公開し、Google Flow Musicで提供を開始した。音楽性、歌詞、歌声、創作の制御の4分野を改善したという。より複雑で自然な旋律構造、指示への追従と構造理解を改善した歌詞、感情表現と発音を改善した歌声、出力のリズムと長さの操作性向上を含む。
7月28日
Google DeepMind、ロボットに全身知能をもたらす Gemini Robotics 2 を公開
Google DeepMind は次世代ロボット知能層 Gemini Robotics 2 を公開した。初めて人型ロボット全体の全身制御を実現し、両手とグリッパーの精密操作に対応する。
7月23日
Google Research、日常の症状評価向け対話 AI エージェント SymptomAI を公開
Google Research は SymptomAI 論文を公開した。異なる五つの質問戦略を持つ Gemini Flash 2.0 エージェントで症状の問診と鑑別診断を行い、計13,917人を対象とした。
Google Research、強化学習で量子コンピューターにエラーから学習させる
Google ResearchはNatureに研究を発表し、量子誤り訂正の検出イベントからエージェントが継続学習する強化学習の枠組みを提案した。計算中に数千の制御パラメーターを動的に調整してドリフトに対処する。
7月21日
Google DeepMind、Gemini 3.6 Flash、3.5 Flash-Lite、3.5 Flash Cyberを公開
Google DeepMindはGemini 3.6 Flash、3.5 Flash-Lite、サイバーセキュリティー向け3.5 Flash Cyberの3モデルを公開した。
7月17日
Google DeepMind、Gemini 3.5 Flash Cyber安全モデルを公開
Google DeepMindは3.5 Flashを微調整した軽量サイバーセキュリティモデルGemini 3.5 Flash Cyberを公開した。脆弱性を素早く発見、検証、修正し、CyberGymなどでは複数回の呼び出しにより大規模モデルに近い成績を示す。
7月9日
Google、ウェアラブル健康データの汎用基盤モデルSensorFMを公開
Google ResearchとGoogle DeepMindは、ラベルなしのウェアラブルデータから直接学習する大型センサー基盤モデルSensorFMを提案した。500万人の同意済み参加者による1兆分超のマルチモーダル信号で事前学習し、100か国以上、20機種以上のFitbitとPixel Watchを対象とする。
7月1日
Hugging Face と Cerebras、Gemma 4 をリアルタイム音声 AI に導入
Hugging Face と Cerebras はリアルタイム音声対音声パイプラインを共同で実演した。Cerebras で Gemma 4 31B の推論を加速し、Nvidia Parakeet の音声認識と Alibaba Qwen3TTS の音声合成をつなぐ。
Google DeepMind、Nano Banana 2 LiteとGemini Omni Flashを公開
Google DeepMindはNano Banana 2 Lite（gemini-3.1-flash-lite-image）とGemini Omni Flash（gemini-omni-flash-preview）の2モデルを公開した。
6月30日
Google、表データのゼロショット基盤モデルTabFMを公開
Google Researchは表データの分類と回帰向けTabFMを公開した。予測を文脈内学習として捉え直し、手動学習、ハイパーパラメーター調整、特徴量設計なしで、1回の順伝播で予測する。