相比预览版每次调用只产出单条片段、几乎无法细化，1.1 Flash 新增了多项”控制”能力：场景延伸允许在已有片段后追加最多 10 秒新画面，单条序列累计上限 40 秒；首尾影格插值让创作者给定起始与结束两张画面，由模型生成中间运动；参考影片输入最长 3 秒，用于保持多段生成之间的视觉一致；360p 草稿模式可低成本快速试错，最终再以 1080p 或 4K 升频输出。模型同时处理文字、图片、音讯与视频输入。

Google 给出的性能数据是：360p 草稿的生成速度比 720p 最快快约 60%，成本仅为其约三分之一。默认分辨率为 720p，1080p 与 4K 通过升频实现。

在应用侧，Google 引用了两家企业客户的反馈。GMI Cloud 行销副总裁 Louisa Guo 表示，Omni Flash 的”准确性”对制作教育与讲解类内容尤为关键；Runway 首席创意官 Jamie Umpherson 称，该模型能自然融入既有的”提示词、图片或视频起步，再生成或编辑”的工作流。

新模型代号 gemini-omni-1.1-flash，取代了早前的 gemini-omni-flash-preview。Google 提示，基于预览端点的开发者应尽早迁移，因为预览模型通常在正式版上线后被弃用。

值得关注的是，1.1 Flash 支持带状态的多轮交互（stateful session），开发者可在同一会话中规划分镜、以 360p 草稿迭代、仅对通过品质门槛的片段做高清渲染。这意味着生成式视频正从”一次生成”走向”可组合、可编辑”的元件，便于嵌入自动化视频生产流水线。不过 4K 为升频而非原生渲染，长片仍需自行拼接，实际落地仍需额外评测与治理。

诺奖得主退居战略二线

此次调整的核心，是 Google DeepMind 负责人戴密斯·哈萨比斯（Demis Hassabis）角色的重新定位。皮查伊在信中写道，哈萨比斯长期在外代表公司参与人工智能治理与公众对话，两人一直在讨论一个能让他”全力塑造通用人工智能（AGI）未来”的角色。

从即日起，哈萨比斯将担任 Google DeepMind 董事长（Chair of GDM）兼 Alphabet 首席科学家（Chief Scientist of Alphabet），同时继续领导他创立的 AI 药物研发公司 Isomorphic Labs。皮查伊称，哈萨比斯将”与 Koray、Josh 以及 GDM 各团队保持紧密联系，在模型与研究层面提供顾问支持”。

哈萨比斯本人在致团队的信中解释，他决定交出 GDM 的日常运营职责，是为了腾出时间与空间”聚焦大局，尽我所能影响即将到来的未来”。他把这一刻描述为”人类历史的关键节点”，并援引自己反复说过的观点——AI 最重要的应用应当是改善人类健康，”是时候让 AI 向世界证明它无可争议的价值了，没有什么比帮助最终攻克癌症等疾病更能说明这一点。”

13 年元老接掌日常运营

接棒 GDM 日常运营的是考雷·卡武库奥卢（Koray Kavukcuoglu）。他此前是 GDM 的首席技术官兼 Alphabet 首席 AI 架构师，此番晋升为 Google DeepMind 高级副总裁（SVP），直接向皮查伊汇报，统管 Gemini 模型研发、前沿 AI 研究，以及 Gemini 应用与开发者团队。

皮查伊特别提到，卡武库奥卢自 DeepMind 早期就加入，在 13 年间组建了深度学习团队，并主导了 WaveNet 语音合成与 DQN 强化学习等多项突破。哈萨比斯也在信中表达了对这位共事 13 年的老搭档的”完全信任”，称 Gemini 模型”在 Koray 与各位负责人手中很安全”。

27 年老将离职创业

最令人意外的变动来自杰夫·迪恩（Jeff Dean）。这位在谷歌工作长达 27 年的资深科学家，将与另一位谷歌资深研究员桑杰·格玛瓦特（Sanjay Ghemawat）共同创办一家独立的公益公司（Public Benefit Corporation），目标是加速机器学习、科学与工程领域的发现。

皮查伊在信中回顾，杰夫与桑杰推动了”从早期搜索基础设施到造就现代 AI 时代的神经网络”等一系列最重要的技术转型，并感慨能与两人共事是”一种荣幸”。他同时表示，谷歌将以创始投资人与云合作伙伴的身份，继续与两人合作，并共同搭建一套面向机器学习系统及相关基础设施的研究框架。

产品成绩单与市场的反应

在宣布人事调整的同时，皮查伊也展示了 Google DeepMind 近期的产品进展：Gemini Flash 模型需求旺盛，网络防御模型 Cyber 已上线，开源模型 Gemma 累计下载量突破 9 亿次；Gemini 应用的月活跃用户已超过 9.5 亿。

不过，资本市场对这次”大换血”反应谨慎。多家媒体报道，公告发布当日 Alphabet 股价出现约 4% 的回落，市值跌至约 4.4 万亿美元区间。有分析指出，市场更关心的是，在哈萨比斯转向战略角色、杰夫·迪恩离开一线之后，Google DeepMind 能否维持过去两年在模型能力上的追赶势头。英国《金融时报》曾报道，联合创始人谢尔盖·布林（Sergey Brin）在 AI 研发中的影响力正持续上升，也被视为这一轮调整的隐性背景之一。

长期主义的信号

从组织设计看，这次调整更像一次”分层”：哈萨比斯负责 AGI 与科学的长远愿景，卡武库奥卢负责把模型与产品真正做出来并推向市场，而杰夫·迪恩则以外部创业者的身份，继续在机器学习基础科学上探索。三人都与 Alphabet 保留了某种形式的绑定——无论是投资、合作还是顾问关系。

对一家把”全栈 AI”视为核心竞争力的公司来说，如何在诺奖得主的战略眼光、资深工程师的落地能力，以及外部创业者的自由探索之间取得平衡，将直接决定它在下一个 AI 时代的身位。

来源：Google（Sundar Pichai / Demis Hassabis 内部信，2026-08-05）

三天预报，做到了过去两天的水平

热带气旋——在不同海域分别被称为飓风或台风——是地球上破坏力最强的天气现象之一。过去 50 年间，全球因气旋造成的死亡人数超过 70 万，经济损失达 1.4 万亿美元。

谷歌公布的结果显示，WeatherNext 在预测气旋的路径、强度和风场结构三项指标上均达到当前最高精度水平。按平均表现衡量，该模型为预报员多争取了整整一天的有效预报时间：它的三日预报精度，相当于此前模型仅能在两日尺度上达到的水准。谷歌将这一提升幅度描述为「约等于气象学十年的进展」。

这项成果由谷歌 DeepMind 和 Google Research 的 AI 研究人员与工程师，联合美国国家飓风中心（NHC）、大气研究合作研究所（CIRA）、英国气象局以及全球多家气象机构的资深预报员共同完成。

模型已经在真实场景中发挥过作用。在 2025 年飓风季中，该模型帮助美国国家飓风中心对飓风梅丽莎（Melissa）做出了一次具有历史意义的预报——准确预测了风暴的快速增强过程及其在牙买加的登陆，使飓风中心得以提前发布预警，为地面救援团队争取到了关键的准备时间。

一个模型，同时解决两个难题

气旋预报长期存在一个技术上的两难。

风暴要往哪里走，由大尺度的全球大气环流决定，此前只能依靠分辨率较粗的全球模式来模拟；而风暴会变得多强，则取决于风眼周围高度局地化的精细热力学过程，需要专门的高分辨率局地模式来处理。两套模型各管一头，难以统一。

WeatherNext 用单一模型同时给出路径、强度和风场结构的预测，跨过了这道鸿沟。它的训练采用了两类不同的数据：一是全球天气动力学数据，二是专家整编的历史气旋观测记录。模型端到端学习了近 20 TB 全球大气数据，以及涵盖近 5000 场历史风暴的 IBTrACS 国际气旋最佳路径档案数据库。

研究团队用 2023 至 2024 年的历史气旋对模型进行了评估，将其确定性预报和概率预报能力与其他顶尖天气模型对标，包括谷歌自家的 GenCast、欧洲中期天气预报中心的 ENS 模式，以及美国国家海洋和大气管理局的飓风分析与预报系统。结果显示，WeatherNext 在路径、强度和风场结构三项上均获得了超过 24 小时的提前量优势。

生成效率方面，模型采用功能生成网络（Functional Generative Networks）来高效产出集合预报，从而捕捉天气固有的不确定性。一次 15 天预报可在一块 TPU 上于一分钟内完成，而传统的物理模式往往需要消耗数天的高性能计算资源。集合规模也在扩大：去年系统一次生成 50 个预测成员，与全球物理模式持平；今年扩展到了 1000 个，用以捕捉像梅丽莎那样罕见但后果严重的快速增强情形。

一个出乎意料的发现是分辨率。此前业界普遍认为，极高的空间分辨率是提升强度预报精度的主要驱动力，但 WeatherNext Cyclones 仅需 28×28 公里分辨率的数据，比传统模式粗了 100 倍。更小的版本 WeatherNext 2-mini 在 111×111 公里的更粗分辨率下同样表现优异。谷歌坦言，这一现象令科学家感到意外，模型为何能在如此粗的分辨率下给出高精度预测，目前仍是一个开放的研究问题。

三个版本全部开源

伴随《自然》论文的发表，谷歌开源了代码和模型权重，供任何人免费使用，涵盖学术研究、业务化预报，以及开发更具针对性的局地化模型。

此次公开的包括三套模型：在飓风季实际运行过的 WeatherNext Cyclones；后续更新并于去年 10 月投入业务运行的 WeatherNext 2；以及紧凑版 WeatherNext 2-mini——后者可在免费的公共 Colab 笔记本中，用单块 TPU 运行。最新的气旋预报结果可在 Weather Lab 上查看，该平台近期更新了界面，并在气旋路径之外扩展了全球天气预报内容。

业内人士怎么看

英国雷丁大学的汉娜·克洛克（Hannah Cloke）未参与该研究。她表示，自己从未经历过气象学领域出现比过去两年 AI 带来的更快、更剧烈的变革。「这是当下最令人兴奋的研究领域之一，原因之一就是机器学习预报的兴起，以及这个领域向前推进的速度和力度，」她说，「你出去度个假……回来就发现又有新东西出现了。」

克洛克同时强调，保持气象学专业能力依然重要。她观察到，进入这一领域的许多新人来自数据科学背景，未必具备判断模型输出是否合理所需的气象学功底。

牛津大学的蒂姆·帕尔默（Tim Palmer）则提出了另一层担忧：AI 模型可能难以预测真正反常的一次性极端事件，因为这类事件在训练数据中没有可对照的样本。他主张引入一种新的检验方式——先把历史上的此类事件从训练数据中剔除，再考察 AI 模型能否成功预测出来。「这一点我们并没有测试，」他说，「依赖一个用过去四五十年数据训练出来的 AI，可能会把我们引入歧途。」

谷歌方面在公告中提醒，官方天气预报和预警仍应以当地气象机构或国家气象部门发布的信息为准。

来源：Google DeepMind 官方博客、New Scientist、Nature