Hark 发布网页智能体 Handoff:跑分超 GPT 5.4,成本仅十分之一
今天,AI 初创公司 Hark 发布计算机使用智能体 Handoff,能在网页端自主订票和点外卖。官方称其在 Online-Mind2Web 基准跑出 97.7 分,且 Token 成本不足 GPT 5.5 的十分之一。不过对比未纳入 GPT-5.6 等最新模型,且基座模型尚未公开。
ChatGPT、Cursor、Perplexity 等 AI 工具上了什么新功能、出了哪些新产品,价格和开放地区有什么变化。
今天,AI 初创公司 Hark 发布计算机使用智能体 Handoff,能在网页端自主订票和点外卖。官方称其在 Online-Mind2Web 基准跑出 97.7 分,且 Token 成本不足 GPT 5.5 的十分之一。不过对比未纳入 GPT-5.6 等最新模型,且基座模型尚未公开。
Autodesk 旗下 Flow Studio 推出 3D Editor 和 Canvas。创作者可以在 3D 空间内精准调度角色动作与摄像机轨迹,再通过节点式画布调用主流 AI 模型渲染成片。这解决了传统 2D 生成难以精准控镜的痛点,兼顾了构图精度与出片效率。
OpenAI 为 ChatGPT Work 和 Codex 推出面向中小学教师、大学教师及大学生的三款教育插件。插件打包了预设工作流并直连课件与日历,用户无需编写复杂提示词即可调用智能体能力。目前已面向 ChatGPT Edu 等教育部署环境开放。
VEED 推出开源编辑管线 OpenEdit,支持用 Claude Code、Codex 等 AI 智能体直接剪辑视频。排版基于 HTML/CSS,配合本地专用渲染器生成 MP4,无需打开传统时间轴。8 月 19 日加入 Fabric 支持后还能直接生成画面与音效,目前仅支持 Apple Silicon Mac。
阿里巴巴在中国开启一站式办公智能体平台 QwenWork 公测。它整合桌面、云端与钉钉协同生态,支持自主智能体、多模态生成并能直接构建 Web 应用,同时开放最新旗舰大模型 Qwen3.8 Max 供体验。未来还将推出独立移动端与国际版。
Google 将智能体 Gemini Spark 接入 Chrome。在用户授权下,它能调用已存密码自动处理看房预约或机票预订等网页杂务;遇支付等敏感环节会交还人工。自动浏览目前仅限美国,Spark 本身则面向 160 多个国家的 Google AI Pro 用户开放。
AI 硬件公司 Friend 推出 2.0 版项链。新硬件内置扬声器,让原本只能收发短信的项链具备了固定性格的实时语音对话能力。不过升级带来的代价不小,零售价从一代的 99 美元跳涨至 249 美元,实际实用场景仍待市场检验。
Perplexity 宣布将 Spaces 正式升级为 Projects,定位为长期协作任务中心。每个项目配备持久化分层文件系统,人类与 AI 可直接共编同一文件;配套的自学记忆 Brain 还能自动沉淀跨任务上下文,并支持连接超 400 款工具。现有 Spaces 会自动迁移。
Ideogram 推出图像编辑工具 Object Remover。用户框选物体、文字或杂物后,它能在不影响原图其他区域的情况下彻底抹去目标,连同阴影、倒影与微弱光斑一并消除并重构底色。官方称其在 RemovalBench 评测中质量第一且调用单价最低。
Tavus 推出零代码工具 PAL Maker。用户只需向 AI 智能体描述需求,即可自动配置面孔、声音与长期记忆,生成能听会看的 AI 视频交互体。底层基于自研 Raven-1 等模型,目前已被亚马逊、梅奥诊所等用于招聘筛选与术后随访。
Replit 推出全新 AI 设计套件 Replit Design。该工具旨在降低创作门槛,帮助用户直接将构想转化为视觉设计。这意味着 Replit 正从编程助手向全流程创作工具扩展,让没有专业背景的用户也能轻松上手。
家政女王 Martha Stewart 联合创立的 AI 房屋管理应用 Hint 正式上线 iOS。输入地址并上传家电照片或合同,AI 便会结合地质气象等公开数据,定制家电维护提醒并解答保险能源疑问。团队已获 1000 万美元融资,核心 AI 功能免费开放。
Google 为 macOS 版 Gemini 带来全局语音功能。长按 Fn 键即可在任意窗口语音输入,系统会自动过滤语气词和口误;开启推理功能后,Gemini 还能结合屏幕选中的文件或文字完成总结、重写甚至图像修改。目前向全球英语用户推出。
Fish Audio 宣布完成 5200 万美元种子轮融资,并公开发布语音克隆模型 S2.1 Pro。该模型仅需 5 秒音频即可克隆声音,速度是 Cartesia 的 2 倍,成本仅 ElevenLabs 的六分之一,且支持词级情感与节奏控制。HeyGen 等企业已接入生产环境。
Ai2 发布地理空间模型推理平台 OlmoEarth Platform。它能把大洲规模的卫星图像分析压缩到约一天完成,每平方公里成本不足一美分。在北美野火风险图测算中,平台并行调度 19,600 个 CPU 与 994 个 GPU,将耗时缩短 155 倍。
Google 宣布升级 Gemini API 中的托管智能体功能,默认模型升级为 Gemini 3.6 Flash。开发者现在可以通过新增的沙箱环境钩子拦截或审核工具调用,并通过 token 上限控制预算,同时该功能正式向免费层 API 密钥开放。
xAI 宣布其最强代码模型 Grok 4.5 正式接入 GitHub Copilot。数百万开发者可在 VSCode、Copilot CLI 等产品的模型选择器中直接选用。部分企业需在设置中开启,该模型也已在控制台以每百万输入 token 2 美元、输出 6 美元的价格开放调用。
Perplexity 正式面向 Windows 推出 Personal Computer 智能体平台。它打破了浏览器限制,能直接读取、编辑本地 Word 与 Excel 文件,并跨网页与企业应用自动完成复杂任务。面向 Pro、Max 和 Enterprise 订阅者开放。
xAI 推出 Grok 的「Build Mode」早期测试版。用户只要在对话框里输入想法,Grok 就会实时编写代码并在聊天窗口中生成可交互预览,能制作网站、应用、3D 游戏及数据仪表盘,还支持一键发布至 grok.me 或自定义域名。目前仅面向 SuperGrok Heavy 订阅用户开放。
Meta 为美国市场的 Ray-Ban 显示眼镜推送更新,接入 Threads 并升级至基于 Muse Spark 模型的 Meta AI。用户可通过语音免提浏览动态与多媒体,美加两地的抢先体验用户还能配合神经手环在任意表面手写与 AI 无声交互。