ElevenLabs 升级对话式 AI：支持语音与文字混着用，报邮箱不再靠嘴念
ElevenLabs 宣布为 Conversational AI 平台引入文本与语音多模态支持。AI 智能体现在可以同时接收并处理说话与打字输入，用户在同一场对话中既能口头交流，也能在输入邮箱、卡号等易错信息时切换为文字输入，以此降低纯语音交互的识别错误率。
AI工具
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。
查看更新的新闻
Google Photos 升级编辑器：Pixel 独占的 AI 修图功能放给所有人
Google 为庆祝 Google Photos 十周年推出全新编辑器。原先 Pixel 独占的「Reimagine」（提示词重绘背景）和「Auto Frame」（AI 自动构图与补全）正式下放给全体用户。新版将于下月起面向全球 Android 设备推送，iOS 随后在今年晚些时候跟进。
Factory 正式上线 Droids：自主软件开发智能体开放全员使用
Factory 宣布自主软件开发智能体 Droids 开放通用访问。它能集成 GitHub、Slack、Linear、Notion 和 Sentry 等完整工程链路，利用全流程上下文自主编写生产级代码，并支持本地同步与远程异步两种协作模式。
ElevenLabs 推出批量外呼：AI 语音智能体可并发拨打数百通电话
ElevenLabs 为 Conversational AI 平台上线批量外呼功能。用户可上传表格导入联系人并注入动态变量，借助 Twilio 或 SIP 线路同时并发拨打数百通个性化语音电话，用于通知提醒或问卷调查，支持 API 调用及实时监控。
Opera 公布 Opera Neon：能替你上网办事的智能体浏览器
Opera 宣布推出面向智能体网络的浏览器 Opera Neon。它不仅能陪你浏览网页，还能替你上网浏览并自主执行操作来完成任务。目前该浏览器处于邀请测试阶段，已开放候补名单申请。
Google Drive 接入 Gemini：双击视频即可一键生成总结与待办
Google 为 Google Drive 推出 Gemini 视频理解功能。用户双击打开网盘里的视频，点击右上角的「Ask Gemini」即可直接生成总结、提取会议待办事项或亮点。该功能面向 Google One AI Premium 及 Workspace 付费用户逐步开放，前提是需开启视频字幕。
Claude 终于能说话了：移动端上线语音模式，接入 Sonnet 4
Anthropic 宣布在 Claude 移动端测试语音模式，由 Sonnet 4 驱动。新功能提供 5 种声音风格并支持实时转录，付费用户还能联动 Google Workspace。该功能将在几周内先向英语用户开放，免费用户每月可发 20 至 30 条语音。
The Browser Company 停更 Arc：过于复杂，全面押注 AI 浏览器 Dia
The Browser Company CEO 发文解释停更 Arc 浏览器的原因。他表示 Arc 机制过于复杂且难成主流，公司决定将重心全面转向以 AI 为核心的 Dia 浏览器。Arc 未来仅保留安全与维护更新，因与 Dia 共用底层架构，暂不开源或出售。
Mistral 推出 Agents API：原生集成 MCP，支持多智能体协同
Mistral AI 正式上线 Agents API。新接口内置代码沙盒、联网搜索与生图等连接器，原生兼容 MCP 协议，并支持会话状态分支管理与多智能体分工交接。也就是说，开发者无需从头搭底座，就能直接用 Mistral 模型开发企业级智能体。
Microsoft Copilot 接入 GPT-4o 生图：消费版上线，文字渲染更清晰
Microsoft 将 OpenAI 的 GPT-4o 图像生成能力引入消费版 Copilot。用户无需外部设计工具，在 Word、Excel 等应用中输入文字即可生成高拟真图片，支持风格调整和图片内文字渲染。该功能上月已面向企业开放，现全面推向普通用户。
微软更新 Windows 自带工具：画图支持生图，记事本能写正文
Microsoft 开始向 Windows 11 Insider 用户推送画图、截图工具与记事本更新。画图新增贴纸生成和智能抠图，截图工具支持 AI 智能贴合选区，记事本则直接内置 AI 写作功能。部分图像功能仅限 Copilot+ PC 专属。
Anthropic 为 API 增加 Agent 工具：支持代码执行、MCP 与 1 小时缓存
Anthropic 在 API 上线四项智能体新能力公测，包括沙盒 Python 代码执行、直连远程 MCP 服务器、跨会话文件存储 Files API 及最长 1 小时的 Prompt 缓存。开发者无需自建基建，就能让 Claude 连续分析数据和调用外部工具。
xAI 推出 Live Search API：让 Grok 联网搜 X 与全网，限时免费公测
xAI 推出 Live Search API 公测版。Grok 现在能实时检索 X 平台动态、全网网页以及热点新闻。最值得关注的是，该接口目前限时免费开放公测，开发者可直接调用文档接入联网搜索功能。
OpenAI 升级 Responses API：支持远程 MCP 与代码解释器，o 系列可在思考中调用
OpenAI 升级智能体开发接口 Responses API，原生支持远程 MCP 协议服务器、gpt-image-1 图像生成与代码解释器。o3 和 o4-mini 现在能在思维链内部直接调用工具并保留推理 token，大幅降低开发成本与延迟。OpenAI 还宣布加入 MCP 指导委员会。
Shopify 上线 AI 建站工具：一句话生成网店，Sidekick 获语音支持
Shopify 推出多项 AI 工具，包括支持单条提示词直接生成完整店面的 AI 建站功能，以及内置 AI 调节能力的新主题 Horizon。其商业助手 Sidekick 也加入语音通话与屏幕共享功能，并正式上线移动端。
Perplexity 上线 Pro Perks：送品牌福利，还接入 PitchBook 专业数据
Perplexity 宣布上线 Pro Perks 会员权益，并整合 Statista、PitchBook 和 Wiley 等专业数据源。Pro 会员可享受 Cursor、Visa 等合作方优惠，全员还能按月获得专业数据搜索额度。AI 搜索正把以往昂贵的企业级数据直接交到普通人手里。
Google 升级 Workspace：邮箱支持自然语言清理，幻灯片一键转视频
Google 在 I/O 2025 上为 Workspace 推出多项 AI 功能。Gmail 支持用自然语言指令批量清理邮件，并结合网盘提供个性化回复；Docs 可限定仅引用指定资料写作；Vids 则新增 PPT 转视频与 AI 数字人出镜。Docs 引用功能即日上线，其余功能未来数月开放。
Google 编程智能体 Jules 开启公测：异步改代码，还能听更新
Google 宣布自主编程智能体 Jules 开启公开测试，全球免排队免费体验。它由 Gemini 2.5 Pro 驱动，直接接入 GitHub 仓库在云端独立改代码、提 PR，甚至生成语音版更新日志。开发者不用盯着它，扔进后台就能并发干活。
Google 推出 Google Beam：Project Starline 变身 AI 3D 视频通话平台
Google 宣布将 Project Starline 升级为 3D 视频通信平台 Google Beam。它利用 AI 体积视频模型把普通 2D 画面实时转成 3D 效果，无需佩戴头显。首批 HP 合作硬件将在 InfoComm 亮相，并于今年晚些时候面向部分企业交付。
Google 升级 AI 购物：传全身照就能虚拟试衣，还能让 AI 代下单
Google 推出 AI Mode 购物新体验。用户上传一张全身照片，定制图像模型就能把服装贴合身材「穿」在自己身上；配合新的 Agent 结账，还能设定预算让 AI 在降价时自动下单。虚拟试衣已在美国 Search Labs 上线。