Google 低调发布了 Gemini 3.1。这次升级在主打 “学新规则、快速举一反三” 的 ARC-AGI 2 测试中，拿到了 77.1% 的高分，不仅明显领先 Opus 4.6 和 GPT-Codex-5.3，比起上一代 Gemini 3.0 更是直接翻倍。
这说明，Gemini 3.1 不再并不是那种 “背题型” 的 AI，而是更擅长面对从没见过的新问题，现场思考、快速适应。可以看出，Google DeepMind 在提升模型的科研能力和复杂推理上下了不少功夫。相比编程见长的 Claude，以及高情商的 GPT，强化科研和硬核推理能力，或许正是 Gemini 选择的一条差异化路线。
谷歌推出开源模型 Gemma 4，旨在解决网络受限地区无法使用前沿 AI 的问题。该模型追求内存占用下的智能最大化，首次具备多模态与智能体能力，支持在无网移动端高效运行复杂任务。目前已在乌干达离线医疗系统及秘鲁原住民语言保护等场景中落地应用。通过将大模型蒸馏至终端设备，Gemma 4 摆脱了对云端算力的依赖，推动去中心化开源生态发展，赋能各社区按需构建专属系统。
微软研究院联合多所高校发布 Mirage 模型，通过在扩散模型隐空间直接存储三维记忆，解决了 AI 视频生成中场景一致性差及计算昂贵的问题。该方案摒弃传统 RGB 点云渲染流程，使生成速度提升最高 10.57 倍，显存占用降低 55 倍，且长视频边际成本几乎不增。测试显示其三维与光度一致性优于现有方案，虽暂不支持动态物体记忆，但已开源并适用于机器人仿真等静态场景任务。
Google 推出 Information Agents 功能，面向 AI Ultra 订阅用户开放。该功能将搜索从被动查询转变为主动监测，智能体可 7×24 小时追踪用户需求并推送变化信息。其底层依托 Personal Intelligence 战略，通过整合 Gmail、Photos 等跨应用数据实现个性化推理。尽管存在隐私与准确性挑战，但凭借二十年数据积累，Google 正推动 AI 助手从对话工具向自主代理进化，重塑“信息找人”的交互范式。
围绕《从骑自行车的鹈鹕到城市模拟器：Gemini 3.1 Pro 到底强在哪？》展开交流，未登录用户可浏览评论，登录后可参与讨论。
