Hoppa till innehåll
VibekollenBETAVibekollen

Källa

Google DeepMind

17 referat i flödet. Sammanfattningarna är skrivna av Vibekollen — innehållet tillhör Google DeepMind.

BloggGoogle DeepMind

AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome

Google DeepMind har skapat AlphaGenome Atlas, ett verktyg som kartlägger hur 9 miljarder möjliga enpunktsmutationer i mänsklig DNA påverkar cellernas funktion. Istället för att testa varje variant i laboratorium använder systemet AI för att förutsäga effekterna — ett sätt att förstå vilka DNA-förändringar som kan orsaka sjukdom och vilka som är ofarliga. Detta gör det möjligt att snabbare identifiera genetiska riskfaktorer för sjukdomar utan att behöva göra miljontals experiment.

8 sep. deepmind.google

BloggGoogle DeepMind

Introducing WeatherNext 3, our most advanced and accurate global weather AI model

Google DeepMind presenterar WeatherNext 3, en AI-modell för väderprognos som är betydligt mer avancerad än tidigare versioner. Modellen uppdateras timvis med satellitdata, ger prognoser i mycket högre upplösning (5 kilometer istället för tidigare 25 kilometer), och kan förutse lokala väderförhållanden mycket mer exakt. Den är särskilt viktig för områden i Latinamerika, Afrika och Asien-Stilla havet som tidigare inte kunnat få högupplösta prognoser. Modellen kan också förutse vindkraft och solenergiproduktion, vilket hjälper kraftnätet planera förnybar energi.

3 sep. deepmind.google

BloggGoogle DeepMind

Proactive cyber defense for governments and enterprises

Google DeepMind lanserar Fairwind Program, ett begränsat åtkomstprogram för regeringar och företag som vill använda avancerade AI-verktyg för cyberabvär. Programmet erbjuder tillgång till Gemini 3.8 Flash Cyber tillsammans med CodeMender, verktyg som kan hitta och automatiskt åtgärda säkerhetshål i kod på minuter istället för veckor. De första partnerna är myndigheter, kritisk infrastruktur och stora teknikplattformar — över 650 organisationer globalt deltar redan. Google har också gjort omfattande cybersekerhetsinvesteringar, inklusive $36 miljoner för att stödja sjukhus, skolor och kommunala verktyg i USA.

2 sep. deepmind.google

BloggGoogle DeepMind

Introducing Gemini 3.8 Flash and 3.8 Flash Cyber

Google DeepMind presenterar två nya AI-modeller inom Gemini-familjen. Gemini 3.8 Flash är en uppdaterad kodnings- och resonemangsmodell som blir bättre på att lösa komplexa programmeringsproblem och flerstegiga uppgifter, till samma pris som föregångaren (0,75 dollar per miljon inmatade tecken). Gemini 3.8 Flash Cyber är en specialiserad säkerhetmodell som hittar och fixar datasäkerhetshål i kod — den hittar två och en halv gång fler korrekta säkerhetslappningar än tidigare konkurrenter, enligt Googles egen Chrome-team. Båda modellerna använder samma grundläggande intelligens men är tränade för olika ändamål.

2 sep. deepmind.google

BloggGoogle DeepMind

Introducing agentic video understanding with Gemini

Google DeepMind lanserar en ny funktion för videoanalys i Gemini-modellerna (3.7 Flash, 3.6 Flash och 3.5 Flash-Lite) som minskar energiförbrukningen med upp till 88 procent och kostnaderna med upp to 66 procent samtidigt som noggrannheten ökar med upp till 7 procent. I stället för att analysera video i en fast takt analyserar denna "agentic" funktion intelligenta sökningar genom videofiler — den kan leta efter specifika ögonblick, upptäcka anomalier, eller räkna objekt utan att behöva ladda hela videon. Funktionen är tillgänglig nu via Gemini API och kommer snart till Gemini-appen för vanliga användare.

1 sep. deepmind.google

BloggGoogle DeepMind

Gemini Omni 1.1 Flash lets you build with more control

Google DeepMind presenterar Gemini Omni 1.1 Flash, ett uppdaterad system för att generera video med bättre kontroll för utvecklare. Systemet kan nu analysera upp till 10 sekunder av tidigare kontext — långt mer än tidigare versioner som bara såg den sista sekunden — vilket ger bättre visuell konsistens när man förlänger videor. Nya funktioner inkluderar möjligheten att skapa övergångar mellan keyframes, generera snabba förhandsvisningar i låg upplösning för prototyping, producera polerad 4K-video, och använda videorefenser för att behålla karaktärernas utseende. Allt detta gör det möjligt att bygga generativa videoarbetsflöden och medieredigeringsprogram som är snabbare och billigare att iterera på.

27 aug. deepmind.google

BloggGoogle DeepMind

Piloting the world's first double-blind AI evaluations

Google DeepMind introducerar världens första "dubbelblind" utvärdering av AI-modeller — en metod där utvärderare och modellskapare använder kryptografisk teknik för att testa modeller utan att någon part kan se den andras känsliga data. Problemet de löser är att AI-modeller kan ha tränat på samma testfrågor som används för att bedöma dem, vilket gör resultaten opålitliga. Genom att använda Googles Confidential Computing kan utvärderare testa Gemini Flash Lite-modellen utan att Google ser testfrågorna och utan att modellen kan optimera sig baserat på dem i förväg.

27 aug. deepmind.google

BloggGoogle DeepMind

Intelligent transcription with Gemini 3.5 Transcribe

Google DeepMind presenterar Gemini 3.5 Transcribe, en ny tal-till-text-modell som omvandlar röst direkt till formaterad och korrigerad text. Modellen klarar bakgrundsbrus, komplext fackspråk och tar bort ifyllnadsord som "ums" och "ahs". Den finns i två versioner: en för direktströmmande tal med under en sekunds fördröjning, och en för inspelat material där den kan identifiera och särskilja upp till tre talare. Utvecklare kan använda den via Gemini API och Google AI Studio för att bygga röstapplikationer, realtidstextning eller samtalanalys. Modellen stöder över 85 språk och kan anpassas till eget fackspråk och stavningar.

26 aug. deepmind.google

BloggGoogle DeepMind

Introducing Gemini 3.7 Flash

Google DeepMind presenterar Gemini 3.7 Flash, en uppdaterad AI-modell som är särskilt utformad för kodning och automatiserade agenter. Modellen visar betydande förbättringar jämfört med den tidigare versionen 3.6 Flash — bland annat når den 43,6 procent rätt på första försöket vid kodgenering (mot tidigare 34,4 procent) och presterar bättre inom webbutveckling, juridik och finans. Priset är halverat jämfört med 3.6 Flash, och modellen är redan tillgänglig via Google Gemini Spark och utvecklarplattformar.

13 aug. deepmind.google

BloggGoogle DeepMind

Putting sign language AI into users’ hands

Google DeepMind har utvecklat SL2T, en AI-modell som översätter teckenspråk till text. Modellen är tränad på över 100 000 timmar data från mer än 50 teckenspråk och fungerar nu i Gboard och Live Transcribe på Pixel 11-telefoner, med start för amerikansk teckenspråk (ASL). Till skillnad från tidigare försök förstår SL2T teckenspråk som helt egna språk med egen grammatik, inte bara engelska på händerna. Systemet spårar kroppens rörelser genom en on-device-modell och skickar bara koordinater till servern för att skydda användarnas integritet.

12 aug. deepmind.google

BloggGoogle DeepMind

Gemini Robotics ER 2: powering robotics with video understanding, task orchestration, and multi-robot collaboration

Google DeepMind har lanserat Gemini Robotics ER 2, en uppdaterad AI-modell som fungerar som en hjärna för robotar. Modellen kan se genom videokameror, förstå vad som händer i den fysiska världen, och planera flerastegade uppgifter. Den kan också samarbeta med andra robotar och vet när uppgifter är klara genom att analysera videoströmmar. Enligt Google presterar modellen bättre än tidigare versioner — den når 57,4 procent träffsäkerhet när den följer framsteg mot färdig uppgift, och 91,3 procent när den ska hitta exakta tidpunkter för att byta mellan steg.

30 juli deepmind.google

BloggGoogle DeepMind

Accelerating the frontiers of scientific discovery: Google’s $40M commitment to the Genesis Mission

Google åtar sig att ge amerikanska forskare 40 miljoner dollar i AI-tjänster och molnkrediter för Genesis Mission — en nationell satsning på att fördubbla takten för vetenskaplig upptäckt med hjälp av AI. Bidragen inkluderar tillgång till Googles AI-verktyg som AlphaFold 3 (för att förutsäga proteinstrukturer), AlphaEvolve (en kodningsagent), och Gemini for Government för tiotusentals forskare vid energidepartementets nationella laboratorier. Redan nu använder forskare dessa verktyg för att snabba upp upptäckter — exempelvis har en forskargrupp minskat kalibreringen av ett mikroskop från 90 minuter till 13 minuter.

22 juli deepmind.google

← Alla nyheter