Google DeepMind와 Google Research는 글로벌 기상 AI 모델 WeatherNext 3를 발표했다. 실시간 위성 데이터를 학습에 활용하며, 최대 5km 해상도로 매시간 예보를 생성한다. Search, Gemini, Maps, Google Maps Platform, Cloud 등에 오늘부터 순차적으로 탑재되며, 강수 예보는 하루 이상 앞선 시점에서 최대 50% 정확도가 향상된다고 밝혔다.
선정 이유: 위성 데이터를 직접 학습하는 방식과 5km 해상도 등, 이전 세대인 WeatherNext 2와의 차이가 수치로 정리되어 있어 개선점을 파악하기 쉽다.
Google DeepMind는 Gemini 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite용 에이전트형 동영상 이해 기능의 제공을 시작했다. 표준 동영상 분석 벤치마크에서 비용은 최대 66%, 토큰 소비는 최대 88% 줄었고 정확도는 최대 7% 향상됐다고 한다. Gemini API(Google AI Studio)와 Gemini Enterprise Agent Platform에서 동영상 업로드와 YouTube 동영상을 지원하며, 추가 요금은 없다.
선정 이유: 고정 FPS로 동영상을 읽어 들이는 기존 방식과의 차이, 토큰 88% 감소 등의 수치, 활성화 설정 방법이 함께 제시되어 있어 도입 판단에 참고할 만하다.
Google DeepMind는 개발자용 동영상 생성 모델 Gemini Omni 1.1 Flash를 발표했다. 장면 연장, 첫 프레임과 마지막 프레임 지정, 360p 드래프트, 1080p/4K 출력, 동영상 참조 입력을 지원한다. Google AI Studio의 Gemini API와 Google Flow 등에서 오늘부터 이용할 수 있다.
Google DeepMind는 Singapore AI Safety Institute, OpenMined, AVERI, MLCommons와 함께 Gemini Flash Lite를 비공개 벤치마크로 평가하는 이중 맹검 방식의 AI 평가를 시범 운영하고 있다고 밝혔다. 외부 평가 문항은 암호 기술로 만든 '상자' 안에 가둬져, 모델이 사전에 문항을 보고 성능을 최적화하는 것을 막는다. 프라이버시를 보호하는 환경에서 평가의 완전성을 높이기 위한 조치다.
Google DeepMind가 음성 인식 모델 Gemini 3.5 Transcribe를 발표했다. 원본 음성에서 말 고치기와 군더더기 말(필러)을 다듬은 정리된 텍스트를 바로 출력하며, 85개 이상의 언어를 자동으로 감지해 받아쓴다. Gemini API와 Gemini Enterprise Agent Platform에서 퍼블릭 프리뷰로 제공된다.
Google DeepMind는 코딩과 에이전트용 최신 Flash 모델 Gemini 3.7 Flash를 발표했다. 3.6 Flash 공개 3주 만이며, FrontierCode 1.1 Main은 34.4%에서 43.6%로, DeepSWE v1.1은 49.0%에서 65.3%로 향상됐다. 도입 가격은 입력 100만 토큰당 $0.75, 출력 100만 토큰당 $3.75이며, 연말까지 적용된다.
Google DeepMind는 50개 이상의 수어를 학습한 수어-텍스트 번역 모델 SL2T를 발표했다. Pixel 11의 Gboard와 Live Transcribe에서 ASL에서 영어로의 수어-텍스트 입력을 지원한다. FLEURS-ASL(sd-test)에서 제로샷 70 BLEURT를 기록했으며, 기존 보고치를 크게 웃돈다고 설명하고 있다.
선정 이유: 수어를 포즈 좌표만으로 번역하는 설계와 10만 시간이 넘는 학습 데이터, 알려진 오류 사례까지 구체적으로 제시되어 있어 수어 AI의 현황을 파악하기 좋다.
Google Research는 Gemini와 Project Astra를 기반으로 실시간 영상 진찰을 수행하는 연구용 AI 시스템 AMIE (Video)를 공개했다. 100개 시나리오, 300건의 모의 진료를 대상으로 한 무작위 배정 연구에서 핵심 임상 역량이 일차 진료의(PCP)와 동등하다고 평가됐다. 다만 평가는 모의 환자를 활용한 환경으로 제한되어 있어, 실제 환자를 대상으로 한 검증이 다음 과제로 꼽힌다.
Google DeepMind는 사이클론의 진로, 강도, 바람 구조를 단일 모델로 예측하는 WeatherNext를 Nature 논문으로 발표하고, WeatherNext 2와 WeatherNext Cyclones의 코드 및 모델 가중치를 공개했다고 밝혔다. 3일 앞의 예측이 기존 모델의 2일 앞 예측 정확도에 해당하며, 평균적으로 하루치 예측 정확도가 더해진다고 한다. 소형 버전인 WeatherNext 2-mini도 함께 공개됐으며, 무료 Colab 노트북에서 단일 TPU로 실행된다.
선정 이유: 단일 모델로 진로, 강도, 바람 구조를 예측하는 방식과 가중치 및 코드의 공개 범위가 구체적으로 제시되어, 기상 분야에서의 재활용을 검토할 자료가 된다.
Google DeepMind가 로봇을 위한 '신체성 추론' 모델 Gemini Robotics ER 2를 공개했다. 영상 이해, 작업 오케스트레이션, 다중 로봇 협업을 지원하며 ER 1.6에서 성능이 강화됐다. Gemini API와 Google AI Studio를 통해 개발자에게 제공되며, Gemini Enterprise Agent Platform에서는 비공개 프리뷰로 제공된다.
Google DeepMind가 로봇용 Gemini Robotics 2를 발표했다. VLA인 Gemini Robotics 2, 추론 모델인 Gemini Robotics ER 2, 온디바이스용 Gemini Robotics On-Device 2 등 3개 모델로 구성되며, 휴머노이드의 전신 제어와 여러 로봇의 협업을 가능하게 한다. ER 2는 Google AI Studio에서 이용할 수 있고, VLA와 On-Device 모델은 조기 액세스 파트너를 대상으로 제공된다.
선정 이유: 전신 제어, 섬세한 손 조작, 여러 로봇의 협업을 3개 모델의 역할 분담으로 정리해 제공 범위와 적응에 필요한 데이터 양을 확인하기 쉽다.
Google Research는 일상적인 증상 평가를 위한 대화형 AI 에이전트 SymptomAI의 연구 결과를 공개했다. Gemini Flash 2.0을 기반으로 한 5종의 에이전트를 사용했으며, 전국 규모의 무작위 배정 연구(n=13,917)로 평가했다. 임상의 3명의 평가에서 SymptomAI의 감별 진단(DDx)은 다른 임상의의 진단과 동등하거나 그 이상의 빈도로 선호되었으며, top-5 Accuracy에서도 임상의를 앞섰다.
구글은 양자 오류 정정의 검출 이벤트를 학습 신호로 활용해, 계산 중에 수천 개의 제어 파라미터를 조정하는 강화학습 프레임워크를 Nature에 발표했다. Willow 초전도 프로세서에서는 인위적인 드리프트 상황에서 논리 안정성이 3.5배 향상됐다. 전문가에 의한 보정 이후에도 논리 오류율은 20% 더 억제됐다.
Google는 에이전트 구축용으로 Gemini 3.6 Flash, 3.5 Flash-Lite, 3.5 Flash Cyber를 발표했다. 3.6 Flash는 Artificial Analysis Index에서 3.5 Flash보다 출력 토큰이 17% 적으며, 가격은 입력 $1.50/1M, 출력 $7.50/1M이다. 3.6 Flash와 3.5 Flash-Lite는 같은 날부터 Gemini API 등에서 이용할 수 있다.
선정 이유: 3.6 Flash와 Flash-Lite의 가격, 속도, 벤치마크 수치가 나란히 제시되어 있어 에이전트 용도에서 모델 선택을 비교하기 쉽다.
Import AI 465는 영국 AISI 분석에서 사이버 능력 면의 오픈 웨이트 모델과 비공개 프런티어 모델 간 격차가 4~7개월로 좁혀졌다고 전했다. 아울러 2.8조 파라미터의 Kimi K3, Demis Hassabis의 FINRA형 규제안, LLM의 부차적 작업 은폐에 관한 연구를 다룬다.
Google Research가 라벨 없는 웨어러블 데이터로 학습하는 대규모 센서 기반 모델 SensorFM을 발표했다. 500만 명의 1조 개가 넘는 센서 신호로 사전 학습했으며, 35개 건강 과제 중 34개에서 엔지니어링 특징량 기반의 지도 학습 기준선을 웃돌았다. AI 에이전트를 활용한 예측 헤드의 자동 설계와 Personal Health Agent에 대한 통합도 검증하고 있다.
Google DeepMind와 스튜디오 A24는 아티스트를 위한 새로운 워크플로와 기술을 개발하기 위한 공동 연구 파트너십을 체결했다. 양측은 여러 프로젝트에 걸쳐 연구 개발에서 협력하며, A24의 영화 제작자들이 Google DeepMind의 기술 개발에 직접 참여하는 체제가 된다. Google은 A24에 대한 투자도 진행하고 있으며, 구체적인 목표와 성과는 앞으로 변화해 나갈 것으로 알려졌다.
Google DeepMind는 가장 빠르고 저렴한 이미지 모델 Nano Banana 2 Lite와 동영상 생성·대화형 편집 모델 Gemini Omni Flash를 개발자용으로 제공하기 시작했다. Nano Banana 2 Lite는 1K 이미지당 $0.034이며, text-to-image 출력은 4초가 걸린다. Omni Flash는 동영상 출력 1초당 $0.10이다. 두 모델 모두 Google AI Studio와 gemini API에서 이용할 수 있다.
선정 이유: 이미지 생성과 동영상 생성 두 모델을 연결해 쓰는 방식과 가격 및 제한 사항이 구체적으로 제시되어 있어, 개발 도입 여부를 판단하는 자료가 된다.
Google DeepMind는 computer use를 Gemini 3.5 Flash의 내장 도구로 제공하기 시작했다. 기존에는 Gemini 2.5 단독 모델에서만 쓸 수 있었으나 주력 Flash 모델에 통합되었다. Gemini API와 Gemini Enterprise Agent Platform에서 이용할 수 있으며, 프롬프트 인젝션 대응을 위해 적대적 학습과 두 가지 기업용 안전장치도 마련되었다.
선정 이유: 단독 모델이었던 computer use가 Gemini 3.5 Flash에 통합되었고, 지원 환경과 안전 대책이 제시되어 에이전트 구축을 판단하는 데 참고가 된다.
Import AI 462는 AI가 텍스트 설득에서 전문가인 사람을 능가했다는 연구, 자기 유지형 AI의 등장 시기를 둘러싼 대담, Google DeepMind의 ASI 논문, Recursive의 자동 AI 연구 성과를 다룬다. 설득력 연구는 4건의 실험에서 6,923명과 나눈 18,978건의 대화를 분석했으며, 기부금 모금에서도 AI가 직업 모금원을 앞섰다고 보고한다.
Google DeepMind가 텍스트 확산(diffusion) 방식을 채택한 26B MoE 오픈 모델 DiffusionGemma를 Apache 2.0 라이선스로 공개했다. 전용 GPU에서 최대 4배 빠른 추론을 구현하며, 단일 NVIDIA H100에서 초당 1000개 이상의 토큰, NVIDIA GeForce RTX 5090에서 초당 700개 이상의 토큰을 출력한다. 다만 출력 품질은 표준 Gemma 4보다 낮아, 높은 품질이 필요한 용도에는 Gemma 4를 권장하고 있다.
선정 이유: 자기회귀 모델과의 속도 차이가 발생하는 원리, 로컬 추론에 적합한 조건, 클라우드 배포에서는 장점이 줄어드는 지점이 정리되어 있어 용도를 가늠하기에 유용하다.
Google이 70개 이상 언어에서 거의 실시간으로 음성을 음성으로 번역하는 음성 모델 Gemini 3.5 Live Translate를 공개했다. 화자의 억양, 말하는 속도, 음높이를 유지한 자연스러운 번역 음성을 생성한다. 개발자를 위해 Gemini Live API와 Google AI Studio에서 퍼블릭 프리뷰로 제공되며, Google 번역 앱(Android, iOS)에도 적용이 시작됐다.
선정 이유: 개발자용 API, Google Meet, Google 번역 앱으로의 적용 범위가 한꺼번에 정리되어 있어 이용 경로를 비교하기 쉽다.
Google DeepMind가 노트북용 멀티모달 모델 Gemma 4 12B를 발표했다. 이미지와 음성 입력을 인코더 없이 LLM 본체에 직접 전달하는 구조이며, 16GB VRAM 또는 통합 메모리에서 동작한다. Apache 2.0 라이선스로 공개되었으며, Hugging Face와 Kaggle에서 가중치를 내려받을 수 있다.
선정 이유: 이미지와 음성을 인코더 없이 LLM 본체에 직접 입력하는 구조와 16GB에서 동작하는 메모리 요건이 제시되어 있어, 로컬 운용을 판단하는 데 참고가 된다.
Google DeepMind는 시에라리온에서 실시한 사전 등록 시험에서 Guided Learning을 사용한 학생들의 수학 점수가 대조군보다 +0.258 표준편차 상승했다고 발표했다. 8주간의 시험 기간은 일반적인 학습 진도의 약 1.2~1.7년 분에 해당한다. 69%의 학생들이 이용 목표를 달성하거나 넘어섰다.
구글 리서치는 I/O 2026에서 선보인 연구 성과를 공식 블로그에서 총정리했다고 밝혔다. 'Gemini for Science'를 발표했으며, ERA와 Co-Scientist는 Nature에 게재됐다고 설명했다. 의료 분야에서는 Symptom AI, AMIE, MedGemma를 소개했고, 기상 분야에서는 WeatherNext와 Groundsource를 활용한 홍수 예측도 소개했다.
선정 이유: 분야별(과학, 의료, 기상, 양자 등)로 구글 리서치의 성과와 제공 현황이 정리되어 있어 I/O 2026의 연구 분야 전체 모습을 파악하기 좋다.
Google DeepMind는 아시아태평양 지역에서 처음으로 "AI for the Planet"을 주제로 한 액셀러레이터(액셀러레이터 프로그램)를 시작했다. 스타트업, 연구팀, 비영리단체를 대상으로 자연, 기후, 농업, 에너지 등의 과제 해결에 프론티어 AI를 활용하도록 지원한다. 기간은 3개월이며, 선정된 단체는 전문가의 멘토십과 Google의 프론티어 사이언스 계열 AI 모델 통합 지원을 받는다. 프로그램은 싱가포르에서 대면 부트캠프로 시작된다.
Google DeepMind는 실험적 프로토타입 Project Genie에 Street View의 Imagery Grounding 기능을 추가했다. Maps에서 선택한 미국 내 장소를 출발점으로 삼아, 스타일과 캐릭터를 지정해 세계를 생성할 수 있다. 대상인 만 18세 이상 Google AI Ultra($200) 구독자를 대상으로 전 세계에서 순차적으로 제공을 시작했다.
Google DeepMind는 이미지·음성·동영상·텍스트를 입력해 동영상을 생성하고 대화로 편집할 수 있는 새 모델 Gemini Omni Flash를 발표했다. Gemini 앱, Google Flow, YouTube Shorts에서 제공을 시작했으며 Google AI Plus, Pro, Ultra 구독자가 이용할 수 있다. 향후 몇 주 안에 개발자와 기업을 대상으로 API를 통해서도 제공할 예정이다.
선정 이유: 동영상의 대화 편집과 참조 입력, SynthID를 통한 투명성 대응까지 제공 범위와 함께 정리되어 있어, 이용 가능 여부를 판단하기 쉽다.
Google이 Gemini for Science를 발표하고 Google Labs의 실험 도구 3종과 Google Antigravity용 Science Skills를 공개했다. Hypothesis Generation, Computational Discovery, Literature Insights는 단계적으로 접근을 열며, labs.google/science에서 관심 등록을 받는다. ERA와 Co-Scientist의 연구 논문은 같은 날 Nature에 게재됐다.
선정 이유: 가설 생성, 계산 실험, 문헌 정리 등 연구 단계별로 시험 제작된 도구 3종과 Skills가 정리되어 있어 각 도구의 역할을 비교하기 쉽다.
Google은 AI 생성 콘텐츠의 출처와 편집 여부를 확인할 수 있는 투명성·검증 도구를 Search, Gemini, Chrome, Pixel, Cloud로 확대한다고 발표했다. SynthID 검증은 Gemini 앱에 이어 Search에서 제공을 시작하며, Chrome에도 수 주 안에 대응한다. Google Cloud에서는 새롭게 AI Content Detection API도 선보인다.
Google DeepMind는 싱가포르 정부와 맺은 Google 국가 AI 파트너십의 일환으로 의료, 과학 연구, 교육, 지속가능성 등 분야에서 새 프로그램을 시작한다고 밝혔다. 전국 초등학교부터 준학사 과정(junior college)까지의 교육자에게는 Gemini for Education을 제공한다. Google.org는 감염병 연구와 팬데믹 대응 활동을 지원하며, 이번 자금 출연 규모는 700만 달러다. 회사는 AI를 활용한 연구개발이 빨라지면서 2040년까지 33억 싱가포르 달러(25억 미국 달러)의 경제적 가치가 창출될 수 있다고 내다봤다.
에든버러 대학의 Filippo Menolascina 씨는 Co-Scientist를 활용해 지방간염(MASH)에서 염증과 대사를 연결하는 분자적 가교 역할을 하는 NLRP3 인플라마좀을 지목하는 가설을 생성했다. 이 가설은 최근 승인된 resmetirom이 대상 환자의 일부에게만 효과를 보이는 이유를 설명하는 것으로 알려졌다. 이 가설은 이후 실험으로 검증됐으며, 표적을 좁힌 병용 요법으로 가는 길을 열 가능성이 있다.
Google DeepMind와 Google Research가 개발한 AI 기상 모델 WeatherNext는 2025년 10월 허리케인 Melissa가 카테고리 5의 강도로 자메이카에 상륙할 것을 5일 전에 예측해 NHC의 경보 발령을 뒷받침했다. 예측의 확률은 5일 전 80%, 3일 전에는 100%에 가까운 수준에 도달했다고 한다. NHC의 2025년 검증 보고서에서는 진로와 강도 양쪽에서 가장 성능이 높은 개별 모델로 평가됐다.
Google DeepMind가 Gemini 3.5 패밀리의 첫 번째 모델인 Gemini 3.5 Flash를 공개했다. Terminal-Bench 2.1에서 76.2%, GDPval-AA에서 1656 Elo, MCP Atlas에서 83.6%를 기록했으며, Gemini 3.1 Pro를 웃돈다고 밝혔다. Gemini 앱과 AI Mode, Google AI Studio, Gemini Enterprise 등에서 오늘부터 이용할 수 있으며, 3.5 Pro는 다음 달 출시될 예정이다.
선정 이유: Terminal-Bench 2.1과 MCP Atlas의 수치, 그리고 제공처가 함께 제시되어 속도와 성능의 균형을 판단하는 자료가 된다.
Google DeepMind는 Gemini를 탑재한 코딩 에이전트 AlphaEvolve 도입 1년의 성과를 정리했다. 게놈 분석, 전력망 최적화, 양자 회로, TPU 설계, Google Cloud를 통한 기업 활용 등 폭넓은 분야에서 성과가 나왔다. DeepConsensus에서는 변이 검출 오류를 30% 줄였고, AC Optimal Power Flow에서는 실행 가능해를 찾는 비율이 14%에서 88% 이상으로 높아졌다.
Google Research 과학자들이 전문가 수준의 실증 소프트웨어를 생성하는 AI 도구 「Empirical Research Assistance(ERA)」를 공중보건, 우주론, 기후 등의 분야에서 활용하고 있다고 밝혔다. 공중보건 분야에서는 인플루엔자, COVID-19, RSV의 입원 예측치를 매주 실시간으로 제출하고 있으며, 인플루엔자와 COVID-19의 공개 리더보드에서 상위 또는 그에 준하는 성적을 기록했다. 우주론 분야에서는 ERA와 Gemini Deep Thinking을 결합해 우주 끈(cosmic string)에서 방출되는 중력 에너지에 관한 일반해 6개와 점근 극한의 간결한 식을 도출했다.
Google은 촬영 후 사진의 카메라 시점을 조정하는 새로운 기법을 Google Photos의 Auto frame 기능으로 제공하기 시작했다고 밝혔다. 사진을 3D 장면으로 해석하고, 보이지 않았던 부분은 생성 AI로 채운다. 인물이 포함된 대상 사진에서는 재구도된 이미지가 Auto frame의 두 번째 후보로 선택할 수 있다.
선정 이유: 3D 추정과 생성적 보완을 분리한 2단계 구성과 Google Photos에서 사용할 수 있는 범위가 구체적으로 설명되어 있어, 사진 편집의 작동 방식을 이해하기 쉽다.