Google 发布 Genie 4 世界模型，交互体验时长增至约两分钟
Google 发布 Genie 4 世界模型，用于生成交互式体验，官方称其带来更真实的世界、可用自然语言实时更新体验、可生成音频，并在底层使用 Gemini 3.8 Flash。
原文：2026/10/28
#多模态
按收录时间排列 · 卡片保留原文日期，往期好文也会新收录
AIHOT 精选AI 评分6262 TechCrunch · AIAI 评分7474 Google DeepMind 发布世界模型 Genie 4，新增音频与实时操控
Google DeepMind 以研究预览形式发布最新世界模型 Genie 4，可生成更逼真且可交互的世界，支持在模拟中途输入提示改变场景，并实时生成与场景匹配的音乐、环境音和对话。
原文：2026/10/28
Ars Technica · AIAI 评分6262 DeepMind发布Genie 4世界模型，改进物理与人物模拟并加入音频
Google DeepMind发布Genie 4世界模型，称其在几乎所有方面改进了Genie 3，模拟更贴近真实物理与人物表现，并加入音频。世界模型无需预渲染环境或编程交互元素，用户描述需求后模型会逐帧实时生成体验。
原文：2026/10/28
Google DeepMind精选AI 评分7878 Google DeepMind 发布世界模型 Genie 4
Google DeepMind 宣布发布新世界模型 Genie 4，称其带来前所未有的真实感并改进实时交互模拟，原生多模态可同时生成音乐、环境音与交互对话。
原文：2026/10/28
推荐理由：官方说明了Genie 4如何用Gemini在环内引导实时世界生成，可迁移之处在于观察、拆解目标、复核帧的控制思路。
The DecoderAI 评分6262 Canva 发布首款自研图像模型 Craft
Canva 发布首款自研图像生成模型 Canva Craft，由内部实验室 Canva Research 从零训练，主要依赖数百万设计模板而非照片。模型先规划构图、比例与文字，再生成最高 2K 分辨率、30 多种画幅比例的图像，支持 55 种语言文字渲染，并可通过 Magic Layers 拆分为可编辑图层。
原文：2026/10/23
AIHOT 精选AI 评分4747 Google Research 发表 AI 盲扫超声孕周评估研究，准确性与专家操作相当
Google Research 在 JAMA Network Open 发表前瞻性多中心研究，显示其 AI 模型基于"盲扫"超声估计孕龄的平均绝对误差（MAE）为 4.18 天，不劣于专家超声技师执行的标准临床程序（MAE 4.48 天）。
原文：2026/10/21
Google DeepMind精选AI 评分7878 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的开源多模态嵌入模型，基于 Gemma 4 架构，可将文本、代码、图像、视频和音频映射到统一嵌入空间。
原文：2026/10/07
推荐理由：官方给出了参数规模、内存占用和上下文长度等具体指标，便于评估端侧多模态嵌入方案的可行性。
Microsoft ResearchAI 评分6262 微软研究院推出面向生物学的AI研究系统Quine
微软研究院推出Quine，一个由生物学世界模型和连接科学工具、文献、湿实验与研究者的交互框架组成的AI研究系统。与Broad Institute of MIT and Harvard合作，Quine用于预测和排序数千种化合物以推动肿瘤细胞状态转变，作者称从缩小化合物搜索空间到锁定少数候选并在实验验证的整个过程只用了一个周末。
原文：2026/09/29
MIT News (AI)AI 评分4343 MIT 研究人员开发可“看见”3D 原子结构的材料科学多模态 AI 模型
MIT 研究人员开发出一种面向晶体材料的多模态视觉-语言模型，将 3D 原子结构与自然语言描述结合，通过对比学习对齐几何结构与文本，相关论文发表于 Nature Communications。
原文：2026/10/18
MIT News (AI)AI 评分3636 MIT 等机构开发 E(3)-Pose：将对称性原理嵌入深度学习模型，提升胎儿脑部 MRI 诊断可靠性
MIT、波士顿儿童医院与 Inria 的研究人员开发并训练了深度学习模型 E(3)-Pose，用于在胎儿头部运动时进行成像，帮助放射科医生获得高分辨率图像以检测脑部发育异常。
原文：2026/10/20