Gemma 4 开源、3.1 Flash TTS 与 DiLoCo 三线并进
3条摆在这一期1个信源3个分节3条收进刊期
本期导语
本月（4 月 1 日至 30 日）AI 端三条精选都出自 Google DeepMind，横跨开源模型、语音合成与训练基建。开源上，Gemma 4 家族以 Apache 2.0 放出四档、31B 登 Arena 开源榜第 3、系列下载破 4 亿；语音上，Gemini 3.1 Flash TTS 用 audio tags 把合成变成可导演、TTS 榜 Elo 1,211；训练上，Decoupled DiLoCo 把大模型训练切成异步计算孤岛，容错且低通信而最终精度不降。
本期看点
开源模型家族语音与表达分布式训练基建
开源模型家族
Google DeepMind 开源 Gemma 4（E2B/E4B/26B MoE/31B Dense，Apache 2.0），主打每参数智能与 agentic 工作流，31B 在 Arena AI 文本榜全球开源第 3、跑赢大它 20 倍的模型，系列累计下载超 4 亿。
Gemma 4 开源家族发布：E2B/E4B/26B MoE/31B 四档、Apache 2.0，31B 登上 Arena AI 开源榜第3、系列累计下载破4亿Google DeepMind 发布 Gemma 4——迄今最智能的开源模型家族，专为高级推理与 agentic 工作流打造，主打破纪录的每参数智能，以 Apache 2.0 许可广泛开放。自初代发布以来开发者已下载 Gemma 超 4 亿次、社区衍生出逾 10 万个变体。Gemma 4 提供四种尺寸：Effective 2B(E2B)、Effective 4B(E4B)、26B 混合专家(MoE)、31B Dense，全系列从简单对话跃升到处理复杂逻辑与 agent 流程；…语音与表达
Gemini 3.1 Flash TTS 发布：新一代文本转语音模型，Artificial Analysis TTS 榜 Elo 1,211、支持 70+ 语言与原生多说话人对话，audio tags 让开发者在文本里用自然语言指令精确控制语速、音色与演绎。
Gemini 3.1 Flash TTS 发布：自然语言 audio tags 可精细控制语速、音色与场景，Artificial Analysis TTS 榜 Elo 1211，支持 70+ 语言Google DeepMind 发布 Gemini 3.1 Flash TTS，新一代文本转语音模型，在可控性、表现力与音质上均有提升。今日起铺开：开发者可在 Gemini API 与 Google AI Studio 预览，企业在 Vertex AI 预览，Workspace 用户经 Google Vids 使用。官方称其音质更自然、更具表现力——在 Artificial Analysis TTS 排行榜（汇总数千次人类盲评）拿到 1211 的 Elo 分，并被 Artif…分布式训练基建
DeepMind 论文提出 Decoupled DiLoCo：把训练切成异步计算孤岛、局部硬件故障被隔离，经混沌工程实测可在整支 learner unit 掉线后续训并上线再整合，跨数据中心带宽需求低几个数量级、最终基准精度不降。
DeepMind 提出 Decoupled DiLoCo：把训练切成互相隔离的计算孤岛，异步低通信跨数据中心训练、单点芯片故障不拖垮全局Google DeepMind（署名 Arthur Douillard 与 DiLoCo 团队）在新论文中提出 Decoupled DiLoCo（分布式低通信）：把大规模训练解耦为多个相互隔离的计算孤岛（learner units），彼此以异步数据流相连，从而把局部硬件故障的影响隔离开来，让系统其余部分继续高效学习。它构建在此前的 Pathways（基于异步数据流的分布式 AI 系统）与 DiLoCo（大幅降低分布式数据中心间带宽需求）之上，用 Pathways 实现跨孤岛的…其它期 ↗本期刊物按 2026 年 4 月 这一期的时间窗整理生成，范围是当前工作区发布的这一份内容包；条目版权归原作者与信源所有。