谷歌DeepMind的AI在两天内破解了教授十年研究的细菌基因转移机制，提出了五个假设，其中一个是教授团队未曾考虑的方向。该AI通过锦标赛机制生成假设，模拟科学讨论，显著加速科研过程，可能改变科学发现的方式。科学家仍需验证AI提出的假设，AI与人类合作将推动科研进展。

谷歌DeepMind近期失去两位顶尖科学家诺姆·沙泽尔和约翰·江珀，他们分别加盟OpenAI和Anthropic，引发对谷歌未来的担忧。沙泽尔曾负责重要产品Gemini，江珀是诺贝尔化学奖得主。谷歌在收购时未能有效留住核心人才，导致高额投资未能保留关键人物。尽管面临挑战，谷歌整体实力依然强大，未来发展仍有希望。

诺奖得主约翰·江珀离开谷歌DeepMind加盟Anthropic，反映出谷歌在AI人才和编程工具上的困境。江珀曾领导AlphaFold项目，解决蛋白质折叠问题，但谷歌在企业级AI编程工具上表现不佳，导致人才流失，内部士气低迷，产品混乱，未来信心不足。

Google DeepMind与牛津大学及UCL的研究团队提出了D4RT模型，旨在高效重建动态视频中的4D场景。该模型通过单次视频输入，利用灵活的查询机制，独立获取任意点的三维状态，显著提高了推理速度和效率，刷新了多项基准测试记录，为未来的4D视觉感知提供了新的范式。

DeepMind 发布了 AutoHarness，允许 AI 自主编写规则护栏，显著提升性能。研究显示，AI 在没有护栏时失败率高达 78%。通过自我学习，AI 能在复杂游戏中快速生成准确的规则校验器，甚至超越更强大的模型。未来，工程师将更多关注设计 AI 学习环境和评估体系，而非手动编写规则。

过去十年，人工智能（AI）迅速发展，通用人工智能（AGI）成为研究目标。探讨AGI后AI是否会演进至超级人工智能（ASI），提出四条可能路径：扩展计算、算法转变、自我改进和多智能体协作。同时，六大瓶颈可能减缓这一进程，包括数据、资源和现有模型限制等。AGI是智能演进的新阶段，人类需为深层变化做好准备。

Reka与Moonvalley合作，吸纳DeepMind、Meta等公司的AI研发人员，旨在加速实体AI模型与基础设施建设。新团队将重点研发世界语言行动模型(WLAM)，通过仿真模拟实现对现实世界的感知与行动。

谷歌DeepMind发布了DiffusionGemma，一个优化的文本生成模型，能够并行生成多个词，显著提高生成速度。该模型基于Gemma 4架构，性能比传统模型快4倍，适合低延迟的单用户应用，如互动聊天和智能助手，并支持本地生成，无需云计算。

Google DeepMind 发布了 Gemma 4 12B，这是一个无编码器的多模态模型，支持文本、图像、音频和视频处理。该模型在消费级笔记本电脑上运行，性能接近 26B MoE 模型，但内存占用不到一半。它通过直接输入视觉和音频数据，简化了处理流程，提升了整体质量和指令遵循性。

在2026年Google I/O大会上，Jeff Dean和DeepMind团队宣布AI已进入“智能体时代”，将彻底改变软件开发和人机交互。AI将成为独立工作的“数字员工”，提升效率并提供异步任务控制。未来软件将根据用户需求实时生成，程序员需适应这一变化，利用AI工具提升创造力，转变为“建筑师”。

谷歌DeepMind首席执行官哈萨比斯表示，通用人工智能（AGI）可能在2029至2030年间出现，研发速度超出预期。AGI将具备人类般的学习和创造能力，能够解决复杂问题，彻底改变各领域。然而，全球对AGI的准备不足，需要提前建立规则与防护机制以应对潜在风险。

谷歌DeepMind的AlphaProof Nexus成功解决了多个埃尔德什数学难题，包括56年未解的Erdős #12。该系统利用智能体框架和中国剩余定理等数学工具，证明了9个问题和44个猜想，成本仅几百美元。研究表明，简单模型也能有效解题，未来数学难题的解决可能依赖于算力而非人类智慧。

谷歌DeepMind的AI系统在无人帮助下成功解出了9道长期未解的数学难题，每道题的成本仅为几百美元。这一成就展示了AI在数学推理领域的强大能力，可能会改变数学研究的方式。AI通过逻辑推理链条自动寻找解法，效率远超人类数学家，未来在多个科学领域有望发挥重要作用。

谷歌DeepMind首席执行官戴密斯·哈萨比斯认为，宇宙的本质可能是信息，现实运行在代码之上。这一观点引发了科学界的广泛讨论，尤其是在AI解析蛋白质结构和围棋策略方面的突破，显示自然界可能具有可学习的结构。这一理论挑战了传统物理学，暗示人类可能只是计算结构的副产品，带来存在感危机。

谷歌DeepMind员工投票决定成立工会，反对其AI技术被用于以色列和美国军方。他们希望工会能阻止技术用于违反国际法的行为，并要求谷歌承诺不开发有害技术。员工还考虑进行抗议和罢工，以反对谷歌的军事合同。