Google Research 在 I/O 2026 集中介绍了 Gemini for Science、AI 医疗研究、端侧平台、极端天气预测、Gemini 能力改进和量子计算等方向的进展。文章还介绍了 Google Antigravity 2.0 的多智能体开发工作流、Gemma V4 上线一个月下载量超过 100 million，以及 MedGemma 下载量超过 5M。
推荐理由：文章集中梳理 Google Research 在科学发现、医疗、开发者工具和量子计算等方向的 I/O 研究进展，呈现研究成果如何进入具体产品与实验。
Mistral 在 AI Now Summit 2026 发布面向工业工程的 AI stack，并更新 Vibe 智能体以支持长周期多步骤工作。该方案与 Airbus、BMW Group 和 ASML 合作，覆盖设计、仿真、生产及工程数据应用；Vibe 可执行研究、编码和交付流程。
Mistral 发布 Vibe，将 Le Chat 的工作能力与编码能力整合为一个可处理长时、多步骤任务的 AI 智能体。Work Mode 支持跨企业工具执行研究、数据分析和文档撰写，Code Mode 则可连接 GitHub，在网页、VS Code 和 CLI 中完成编码任务并生成 pull request。
推荐理由：文章同时梳理了 Vibe 的工作与编码模式、连接器和部署方案，并列出套餐与 Le Chat 迁移安排，便于判断其适用场景。
Jack Clark 在 Oxford 的 Cosmos HAI Lab Lecture 中讨论 AI 持续进步带来的个人、组织与社会变化，主张面对技术发展并主动规划未来。他结合自身使用 AI 的经历以及 Anthropic 内部对 Claude 和智能体的应用，分析工作分工、验证机制和组织形态的变化，并以一则关于人类从长期休眠中苏醒的虚构故事收尾。
Mistral AI 已达成收购 Emmi AI 的协议，以增强模型理解和建模物理的能力，并让 AI 智能体使用现有工程工具。Emmi AI 的联合创始人及 30 多名研究人员和工程师将于 5 月加入 Mistral AI 的 Science 和 Applied AI 团队，双方将推进实时仿真、数字孪生及面向工程师的智能体。
推荐理由：这项收购串联了 Physics AI、工程工具与智能体能力，呈现 Mistral AI 面向工业研发和制造扩展产品布局的具体路径。
Mistral AI 发布 Mistral Medium 3.5 public preview，这是一款 128B dense open-weight 模型，成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由：文章同时交代模型规格、编码基准与部署方式，并说明它如何支撑云端并行编码和多步骤工作流。
Mistral AI 在 Studio 推出 Connectors，内置连接器和自定义 MCP 现可通过 API/SDK 用于模型与智能体调用。Connectors 还支持直接工具调用、人工审批，以及连接器的创建、修改、查询和删除。
推荐理由：原文展示了 Connectors 如何把 MCP 集成、工具调用和人工审批纳入 Studio，开发者可据此理解企业智能体接入外部系统的实现路径。
Import AI 457 汇总了 fast16 高精度软件破坏调查、Aurora 优化器研究、正向对齐立场论文，以及 Prime Intellect 的自主 AI 研究实验。
Google DeepMind 在 Project Genie 中推出由 Google Street View 提供真实地点 grounding 的新能力，让用户基于美国地点创建带有不同风格和角色的想象世界。
推荐理由：文章展示了 Genie 如何把 Street View 真实地点接入可交互生成环境，并交代美国可用范围、全球开放对象与实验性限制。
Google DeepMind 推出 Gemini for Science，包含 Google Labs 上的三款科学实验工具和 Google Antigravity 中的 Science Skills。三款工具分别用于假设生成、计算发现和文献分析，并将逐步开放注册。Science Skills 集成超过 30 个生命科学数据库和工具，可支持结构生物信息学与基因组分析等工作流。
推荐理由：原文同时梳理了三类实验工具、Science Skills及其科研应用场景，便于了解Google如何把智能体能力接入假设生成、计算实验和文献分析。
Google DeepMind与新加坡政府启动新的国家AI合作伙伴关系，并在新加坡推出医疗、生命科学、教育、科研、可持续发展和AI安全项目。合作方预计通过加速研发，到2040年创造额外S$ 3.3 billion（US$2.5 billion）的经济价值。
推荐理由：文章梳理了Google DeepMind与新加坡政府合作落地的医疗、教育、科研和安全项目，呈现国家级AI应用的具体路径。
剑桥大学 Clare Bryant 教授使用 Co-Scientist 研究动物传播给人类的病原体如何引发严重疾病。Co-Scientist 从研究方案中生成并排序假设，帮助团队锁定此前未关注的蛋白及相关氨基酸突变；原本可能需要 two to three years 的实验工作，团队预计六个月内完成。
推荐理由：这项案例展示了 Co-Scientist 如何从研究问题生成并排序假设，再将候选蛋白逐步收敛到可实验验证的具体氨基酸。
Calico Life Sciences 使用 Co-Scientist 汇总衰老生物学研究，提出关于代谢调控整合应激反应（ISR）的新假设。团队与 Co-Scientist 共同完善实验设计，并根据新结果持续调整研究，实验最终获得了对 ISR 在健康与疾病中作用具有重要意义的新发现，计划发表相关结果。
Co-Scientist 正帮助 MIT 的 Ritu Raman 与 Boston Children’s Hospital 的 Ryan Flynn 联合不同研究工具，探索 ALS 的新研究路径。它将庞杂且相互矛盾的文献梳理为可检验假设，并按可行性和潜在风险—收益排序方向；两人进一步寻找可用于靶向 ALS 的新型 RNA 机制及潜在 RNA 药物。
Google DeepMind 的 Co-Scientist 从既有药物文献中提出三种候选药物，其中两种在活体人类肝细胞测试中阻断了肝纤维化并促进肝细胞再生。研究团队还测试了自己选出的两种药物，但未观察到抗纤维化效果；Co-Scientist 的突出候选是抗癌药 vorinostat，其实验中阻断了 91% 的相关损伤反应。
推荐理由：这项研究展示了 Co-Scientist 如何从既有药物文献中提出候选，再通过人类肝细胞实验筛选抗肝纤维化药物。
Google DeepMind 发布 Gemini 3.5 系列并首先推出 Gemini 3.5 Flash，定位为面向智能体和编码的高速模型。
推荐理由：文章同时交代 Gemini 3.5 Flash 在智能体、编码和多模态基准上的具体表现，以及面向个人、开发者和企业的开放入口，便于理解其应用范围。
Google DeepMind 发布基于 Gemini 的 Co-Scientist 多智能体系统，可迭代生成、辩论和演化复杂科学问题的研究假设。系统通过生成、反思、排名、演化和元评审等智能体协作，并结合 web search、ChEMBL、UniProt 及 AlphaFold 等工具探索研究方向。
推荐理由：文章拆解了 Co-Scientist 的多智能体协作与假设竞赛机制，并展示其在多项生命科学研究中的应用。
Google DeepMind 发布报告称，Gemini 驱动的编码智能体 AlphaEvolve 已从试点工具扩展为 Google 基础设施的核心组件，并用于商业场景。
推荐理由：文章集中展示 AlphaEvolve 在科研、基础设施和商业场景中的应用，用具体指标说明算法优化能力如何迁移到不同领域。
Jack Clark判断，到 2028 年底前出现能够自主训练后继版本的前沿模型，概率约为 60%。他依据 SWE-Bench、METR 时间跨度、科研复现、模型微调和训练优化等进展，认为 AI 已能自动化大量 AI 工程工作，并正逐步扩展到 AI 研发。文章同时讨论了递归自我改进带来的对齐、生产率分配和经济结构变化问题。
Google Research介绍其通过开放源代码工具、开放数据集与全球科研伙伴推动科学研究和实际应用，相关资源已服务全球超过250,000名研究者和开发者。文章列举基因组学、神经科学、气候建模、生物多样性和医疗等案例，并提出未来将探索以agentic workflows和Skills共享科研方法。
Google DeepMind 宣布 AI co-clinician 医疗智能体研究计划，探索在医生监督下辅助患者护理并增强临床团队能力。在98个真实感初级保健问题中，该系统有97个案例未出现关键错误，并在开放式药物问答中超过其他前沿 AI 系统。
推荐理由：文章结合临床证据评估、实时多模态模拟和双智能体安全架构，呈现了医疗智能体的应用边界与研究路径。
Mistral AI 发布 Workflows 公测版，将企业 AI 流程的持久执行、可观测性和容错能力整合到 Studio 中。开发者可用 Python 编写工作流，业务团队从 Le Chat 触发；v3.0 Python SDK 已公开，可通过 `uv add mistralai-workflows` 安装。
推荐理由：原文展示了 Workflows 如何把持久执行、可观测性和人工审批整合进企业 AI 流程，并给出 Python SDK 的接入方式。
Google Research在 ICLR 论文中提出 ReasoningBank，从智能体的成功与失败经验中提炼结构化推理记忆，并通过 MaTTS 支持测试时自我演化。
推荐理由：文章展示了如何把成功与失败轨迹提炼为可复用的推理记忆，并用 WebArena 与 SWE-Bench-Verified 结果说明其效果与效率变化。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte 和 McKinsey 合作，帮助全球企业负责任地规模化采用前沿 AI，推进智能体转型。
Google Research 提出 ConvApparel 数据集与三柱评估框架，用于衡量 LLM 用户模拟器与真实用户行为之间的真实性差距。该数据集包含 apparel shopping 领域超过 4,000 段人机多轮对话和近 15,000 个 turns，并通过 Good 与 Bad 两类推荐智能体收集不同用户体验。
推荐理由：ConvApparel用真实用户反馈和反事实验证检验模拟器能否适应未见过的糟糕交互，为评估用户模拟真实性提供了可复用框架。
Google Research 推出 PaperVizAgent 和 ScholarPeer 两个 AI 智能体，分别用于生成学术图表和自动评审论文。PaperVizAgent 由五个专用智能体协作，在 0-100 评分中获 60.2 分，超过人类基线 50.0 及 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any。
Google DeepMind 发布 Gemma 4 开源模型家族，提供 E2B、E4B、26B MoE 和 31B Dense 四种规模，面向高级推理与智能体工作流。
推荐理由：文章同时交代四种规模、MoE 激活参数量、端侧离线能力与 Apache 2.0 授权，便于比较部署和微调选择。
Mistral AI 介绍 Spaces CLI，它可通过 `spaces init`、`spaces dev` 等命令搭建多服务项目，并生成配置文件与 Dockerfiles。为支持编码智能体，Spaces 为交互输入提供 flag 等价方式，使用插件注册表返回结构化数据，并在项目初始化时生成 context.json 和 AGENTS.md；文中示例从提示到部署耗时不到 10 分钟。
推荐理由：文章将交互输入、显式状态和结构化上下文落到 CLI 设计中，给面向智能体的开发工具提供了可复用的实现思路。
Google 发布 Vibe Coding XR 工作流，结合 Gemini 与基于 Web 的 XR Blocks，将自然语言直接转化为 physics-aware Android XR 应用，生成时间可低于 60 seconds。
推荐理由：文章展示了 Gemini 与 XR Blocks 如何把自然语言转成 physics-aware Android XR 应用，并介绍 VCXR60、Pro Mode 和 11 次迭代带来的评测线索。
Mistral AI 发布 4B 参数的 Voxtral TTS，支持英语、法语、德语等 9 种语言，提供低延迟、情感化语音生成和声音适配。模型延迟可达 70ms，API 价格为 $0.016 per 1k characters，并可在 Mistral Studio 和 Le Chat 中试用。
推荐理由：文章同时呈现了 Voxtral TTS 的多语言语音能力、延迟与价格，并提供了与 ElevenLabs 模型的对比信息。
Google Research 在 The Check Up 总结其 AI 医疗研究，覆盖个性化健康、临床协作、公共卫生和生物医学发现。研究系统识别出此前漏检的 25%“间隔癌症”，糖尿病视网膜病变筛查已覆盖一百多万人；MedGemma、AMIE 等系统也在推进临床研究和医疗应用。
推荐理由：文章串联了个性化医疗、临床协作、公共卫生和生物医学发现中的多个案例，呈现 Google Research 将 AI 推向医疗场景的路径。
Mistral AI 推出 Forge，帮助企业利用专有文档、代码库、结构化数据和运营记录，训练理解内部知识与工作流的前沿级 AI 模型。Forge 支持预训练、后训练、强化学习，以及 dense、MoE 架构和多模态输入，并允许模型在企业自有基础设施中受内部政策治理。其以 AI 智能体为先，支持 Mistral Vibe 微调模型、寻找超参数、调度任务和生成合成数据。
Mistral AI 发布 Leanstral-120B-A6B，面向 Lean 4 形式化仓库中的代码与证明任务，并以 Apache 2.0 许可开放模型权重。
推荐理由：以真实形式化仓库中的证明任务比较模型表现与运行成本，为评估代码智能体在证明工程中的性价比提供了具体参照。
Mistral AI 基于开源编码助手 Vibe 构建了一个自动生成和改进 Rails RSpec 测试的智能体，可读取源文件、执行测试并通过 RuboCop 和 SimpleCov 自我校正。该智能体处理了 275 个源文件，测试通过率和平均代码覆盖率均为 100%，RuboCop 违规数为 0，LLM-as-a-judge 得分为 0.74。
推荐理由：文章拆解了用 AGENTS.md、分类技能和自定义工具约束智能体生成测试的做法，并给出真实代码库中的量化结果。
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，新增自定义子智能体、多选澄清、斜杠命令技能和统一智能体模式。Mistral Vibe 2.0 面向 Le Chat Pro 和 Team 计划开放，支持按量付费或 BYOK；Devstral 2 转为付费 API 访问，输入价格为 $0.40/M tokens，输出价格为 $2.00/M tokens。
推荐理由：Mistral Vibe 2.0 将子智能体、澄清选项和斜杠命令技能纳入终端编码工作流，适合了解智能体可配置性的开发者参考。
Mistral AI 发布 Devstral 2（123B）和 Devstral Small 2（24B）编码模型，以及开源命令行智能体 Mistral Vibe CLI。
推荐理由：文章同时给出两种参数规模、SWE-bench Verified 成绩与部署方式，便于比较开放模型在编码智能体中的性能和落地门槛。
Mistral AI 发布企业级生产 AI 平台 Mistral AI Studio，整合 Observability、Agent Runtime 和 AI Registry。Agent Runtime 基于 Temporal，支持混合、专用和自托管部署，平台还提供评测、版本追踪、反馈数据集、审计与访问控制。AI Studio 现开放 private beta 注册。
推荐理由：Mistral AI 将自身大规模系统的可观测性、Agent Runtime 与治理能力产品化，帮助企业把提示词、评测和部署纳入持续反馈闭环。
Mistral AI 发布 Codestral 25.08，并推出包含 Codestral Embed、Devstral 和 Mistral Code IDE 插件的完整企业编码技术栈。
推荐理由：文章将 Codestral 25.08 的实测改进与 Codestral Embed、Devstral、Mistral Code 的协同方式放在一起，呈现企业私有部署和治理编码 AI 的完整路径。
Mistral AI 为 Le Chat 发布 Deep Research（Preview）、语音模式、Projects、多语言推理和高级图像编辑等功能。Deep Research agent 可规划问题、搜索资料并生成带引用的结构化报告，语音模式由 Voxtral 驱动，Think mode 由 Magistral 驱动。
推荐理由：Le Chat此次更新覆盖研究、语音、项目管理和图像编辑，展示了多种交互能力如何集中到同一助手中。
Mistral AI 与 All Hands AI 发布 Devstral Medium，并升级 Devstral Small 1.1，面向智能体编码场景。
推荐理由：原文同时给出 Devstral Small 1.1 与 Medium 的 SWE-Bench Verified 成绩、授权方式、价格和部署选项，便于比较开放模型与 API 模型的使用路径。