文本之外的能力：视觉理解、图文混合输入输出、跨模态推理与文档解析的模型和产品进展。
Google 宣布把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud，Gemini 应用中的 SynthID 图像、视频和音频验证已被使用 5000 万次，该能力今日起进入 Search、未来几周进入 Chrome。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到搜索、Gemini 和 Chrome，并开放云上 AI 内容检测 API，可了解内容溯源工具的可用范围。
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。
推荐理由：Google DeepMind 公布 AI co-clinician 研究计划，含 98 条问诊查询零关键错误与 140 项问诊技能对比结果。
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，在 Artificial Analysis TTS 排行榜上取得 1,211 Elo 分数，并进入其高性价比象限。
推荐理由：Gemini 3.1 Flash TTS 发布，新增音频标签控制语音风格与节奏，支持 70 多种语言，开发者可在 Gemini API 和 AI Studio 预览。
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，增强了空间推理和多视角理解能力，并新增仪表读数功能，可读取压力表、液位计和数字读数等设备。
推荐理由：Gemini Robotics-ER 1.6 升级空间推理与多视角理解，新增仪表读数能力，已通过 Gemini API 和 AI Studio 开放。
Google DeepMind 发布 Gemma 4，称其为迄今最智能的开源模型，专为高级推理与智能体工作流打造，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以 Apache 2.0 开源四个尺寸，覆盖从手机端到单卡 H100 的本地推理与微调场景。