Google 低调上线 AI Edge Gallery：手机直接离线跑大模型
上周，Google 低调上线实验性应用 Google AI Edge Gallery，允许用户在 Android 手机上离线下载并运行来自 Hugging Face 的开源模型。它包含图像问答、对话与 Prompt Lab 调试功能，所有计算均在端侧完成，后续还将支持 iOS。
AI工具 · 日报
周六
5月31日 星期六
周五
5月30日 星期五
Gmail 升级 Gemini 摘要：长邮件自动提炼要点，收到新回复实时更新
Google 宣布 Gmail 中的 Gemini 将自动为长邮件生成摘要卡片，直接在邮件顶部列出核心要点，且随新回复实时更新。首期仅支持英文邮件，除欧盟、英国和日本等默认关闭外，其他地区若不想使用需在设置中手动关闭。
ElevenLabs 接入 Claude Sonnet 4：实时语音终于不卡壳了
ElevenLabs 宣布在 Conversational AI 平台接入 Anthropic 的 Claude Sonnet 4 模型。新模型主打复杂指令遵循与极低延迟，能在实时语音中保持长上下文记忆并稳定调用外部工具。开发者在控制台选择该模型后，即可通过单行代码部署更自然的语音智能体。
周四
5月29日 星期四
Azure AI Foundry 上线视频演练场：直接上手 Sora 并导出代码
Microsoft 推出 Azure AI Foundry 视频演练场，首发接入 Azure OpenAI 的 Sora 模型。开发者可在网页端调试提示词并调整分辨率和时长，还能一键导出 Python 等多语言调用代码转入 VS Code 开发。
Perplexity 上线 Labs：不仅能搜，还能花 10 分钟直接写报表做网页
Perplexity 面向每月 20 美元的 Pro 用户推出 Perplexity Labs。与常规搜索不同，Labs 能执行耗时 10 分钟以上的复杂任务，结合实时检索与代码执行，自动生成分析表格、仪表板甚至可交互的迷你网页应用。Perplexity 正加速从搜索引擎转向能实际干活的 AI 助理。
ManusAI 推出 Manus Slides：单条提示词生成整套演示文稿
ManusAI 推出 AI 演示文稿工具 Manus Slides。输入一句提示词即可生成整套结构化幻灯片，支持点击微调以及导出或共享。这意味着不用再从空白模板死磕排版，一句话就能把想法快速变成汇报胶片。
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。
周三
5月28日 星期三
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。
周二
5月27日 星期二
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。
周一
5月26日 星期一
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。
周四
5月22日 星期四
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。
周三
5月21日 星期三
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。
周二
5月20日 星期二
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。
Google 升级 Gemini：Live 视觉功能免费，内置 Veo 3 与 Imagen 4
Google 宣布 Gemini 应用迎来重大更新：Gemini Live 的摄像头与屏幕共享功能面向所有移动端免费开放，默认模型换成 2.5 Flash。应用内还直接接入了 Imagen 4 以及原生支持音效与对白的新视频模型 Veo 3，并推出每月 249.99 美元的 Ultra 订阅档位。
Google 推出 SynthID Detector：一键检测文本、图像与音视频中的 AI 水印
Google 推出验证门户 SynthID Detector，可一站式检测文本、音频、图像和视频中是否嵌入了 SynthID 水印，并圈出具体片段。目前已圈定超 100 亿件内容的水印，正先面向记者、媒体和研究人员开放候补申请。
Google 公布通用 AI 助理愿景：Gemini 迈向世界模型，智能体多任务并行
Google 公布通用 AI 助理愿景，计划将 Gemini 2.5 Pro 扩展为能理解并模拟现实的「世界模型」。此外，Gemini Live 将加入计算机控制能力，浏览器智能体 Project Mariner 也升级为可同时执行多达 10 项任务，已面向美国订阅用户开放。
Google NotebookLM 迎来大更新：不仅能做播客，还能把笔记变「视频概览」
Google 在 I/O 大会上宣布 NotebookLM 将上线「视频概览」功能，能把笔记、PDF 和图片转成可视化演示。原有的 AI 播客功能也支持自定义长短。此前一天，NotebookLM 的 iOS 和 Android 客户端已正式上线。
Amazon Music 测试 Explore：用 AI 帮你深挖歌手合作与生成歌单
Amazon Music 宣布测试名为「Explore」的 AI 搜索功能。用户搜索歌手后，AI 会整理其合作曲目、关联艺人和代表作，并支持一键生成 AI 歌单。该功能目前面向美国部分 iOS 订阅用户灰度测试，支持约 1 万名歌手。
周一
5月19日 星期一
Google 推出 NotebookLM 移动端：支持离线听播客、随时导入资料
Google 正式在 Android 和 iOS 推出 NotebookLM 移动应用。用户可离线或在后台收听 Audio Overviews，还能点击 Join 与主持人互动提问，或通过手机系统分享一键导入网页和 PDF。通勤路上消化复杂资料终于顺手了。
GitHub Copilot 推出全新编程智能体：分个 Issue 给它，后台自动提 PR
GitHub Copilot 推出全新编程智能体。开发者只需将 GitHub issue 分配给 Copilot，它便会在 GitHub Actions 后台自动分析代码并提交草稿 PR。该智能体支持 MCP 协议与图像输入，且生成的代码必须经人工审核才会触发 CI/CD。
Microsoft Edge 内置 Phi-4-mini：网页开发者可直接调用本地 AI API
Microsoft 在 Build 2025 上宣布将 Phi-4-mini 模型直接内置进 Edge 浏览器，并推出 Prompt 与文本辅助等实验性 AI API。这意味着开发者无需搭建后端模型即可在网页中运行端侧 AI，兼顾隐私与成本；同时 Edge 还上线了 PDF 全文翻译，并在侧边栏打通了 Copilot 智能体。
微软升级 Outlook 与 Copilot：邮件附件能直接出摘要，开会前先看简报
Microsoft 在 Build 开发者大会上为 Outlook 和 Microsoft 365 推出多项 Copilot 功能。Outlook 现已支持直接生成搜索结果与邮件附件摘要，并在开会前汇总相关背景任务；同时 Copilot Pages 登录移动端，支持一键转为 Word 文档。
微软发布 Windows AI Foundry：原生支持 MCP，WSL 正式开源
Microsoft 在 Build 2025 上推出 Windows AI Foundry，统一管理端侧与云端模型。Windows 11 将原生支持 MCP 协议，让 AI 智能体直接调用本地系统应用；同时官方宣布开源 WSL，并为端侧小模型 Phi Silica 带来 LoRA 微调。
Microsoft 发布 Discovery：用多智能体加速企业科研与材料研发
Microsoft 在 Build 2025 上发布面向企业 R&D 的智能体平台 Microsoft Discovery。该平台结合图知识引擎与专业智能体团队，由 Copilot 统筹调度，打通假说提出到 HPC 模拟全流程。微软团队用它仅耗时 200 小时便筛选出新型数据中心冷却液原型。
Salesforce 在 Slack 上线 Agentforce：把智能体变成「数字队友」
周一，Salesforce 宣布在 Slack 中推出 Agentforce，让企业能部署专攻特定任务的「数字队友」。这些智能体不仅能聊天，还能跨系统执行多步工作流，6 月 12 日起还将提供入职和员工支持等模板。这意味着企业 AI 正从全能助手走向干具体活的专用智能体。
周五
5月16日 星期五
Runway 开放 Gen-4 Image API：每张 0.08 美元，支持参考图生成
Runway 正式开放 Gen-4 Image API，允许开发者将包含 References 参考图能力的多模态图像生成接入自身产品。生成单张图片定价 0.08 美元，支持虚拟试衣、游戏资产即时生成与室内设计等场景。
OpenAI 推出编程智能体 Codex：云端沙箱并行干活，自动跑测试提 PR
OpenAI 推出云端软件工程智能体 Codex 研究预览版，搭载专为写代码优化的 codex-1 模型。它在独立的云沙箱中并行处理修 Bug、加功能与跑测试等任务，通常耗时 1 至 30 分钟。这意味着开发者能将耗时的琐事彻底甩给 AI 异步执行。首发面向 ChatGPT 付费企业与 Pro 用户。
Acer 杀入 AI 穿戴：推出免订阅智能戒指，翻译耳机单人戴就能聊
在 Computex 2025 上，Acer 旗下 Acer Gadget 推出钛合金健康指环 FreeSense Ring 与翻译耳机 AI TransBuds。戒指主打所有健康数据免收订阅费；耳机只需单人佩戴，连接接收器即可实现 15 种语言的双向实时语音翻译与字幕转录。
周四
5月15日 星期四
ElevenLabs 推出 SB-1 无限音效板：文字即时生成音效，适配直播与游戏
ElevenLabs 推出 SB-1 Infinite Soundboard。用户输入几句文字即可用 AI 生成自定义音效，支持多音效同时播放与循环，可保存预设用于游戏和 Discord 直播。这让创作者告别了翻找音效素材库的繁琐操作。
Google 升级无障碍功能：Gemini 能解答全屏内容，字幕还能听出情绪
Google 配合全球无障碍宣传日更新 Android 与 Chrome。TalkBack 屏幕阅读器接入 Gemini，支持对图片及整个屏幕直接追问细节；实时字幕新增语调长短和咳嗽、口哨等声音标签。最值得关注的是，AI 正在把无障碍从文字转写推向深层语境理解。
周三
5月14日 星期三
Windows 测试「Hey Copilot」唤醒词：电脑解锁就能随时喊出 AI 语音
Microsoft 开始向 Windows Insider 成员推送 Copilot 应用更新，新增「Hey, Copilot」语音唤醒词。在电脑解锁状态下，用户无需手动点击即可随时开启语音对话。唤醒词识别完全在本地运行，默认关闭，目前仅支持英语。
CodeRabbit 上线 IDE 插件：在 VS Code、Cursor 审查代码完全免费
CodeRabbit 宣布将其 AI 代码审查直接集成到 VS Code 及 Cursor、Windsurf 等分支中，且 IDE 端功能完全免费。它能在提交前实时逐行找 Bug，支持一键修复或联动现有 AI Agent 改写，相比原先的 PR 审查更快也更轻量。
Perplexity 联手 PayPal：直接在搜索框里下单付款
Perplexity 宣布与 PayPal 合作推出智能体电商。从今年夏天起，美国 Perplexity Pro 用户在搜索商品、订旅行或买票时，可以直接在对话界面用 PayPal 或 Venmo 一键结账，无需跳转外部网站。
YouTube 推出 Peak Points：用 Gemini 抓取高光时刻插播广告
YouTube 在 Brandcast 2025 上宣布推出基于 Gemini 打造的广告工具 Peak Points。它能自动识别热门视频中最具吸引力的「高光」节点，把品牌广告插在观众注意力最集中的时刻。活动还同步推出了电视大屏无边框广告与边看边买功能。
Google 测试首页新布局：AI Mode 上位，告别「手气不错」按钮
Google 在首页测试将经典的「手气不错」按钮替换为 AI Mode 按钮。用户点击后不再跳转传统链接，而是进入独立页面查看长篇 AI 回答。Google 表示这只是持续实验中的一部分，尚未决定是否作为永久调整。
周二
5月13日 星期二
Google 全面铺开 Gemini：手表、车机、电视和 XR 设备都要上
Google 在 Android Show 上宣布，Gemini 即将进驻 WearOS 手表、Android Auto 车机和 Google TV。车机不仅能精准找路还能实时翻译短信，手表支持脱离手机语音操作。此外 Google 还联手三星打造 Android XR 平台，预计今年晚些时候随新品一同亮相。
Vectara 推出幻觉纠正器：将企业 AI 幻觉率压低至 0.9%
Vectara 推出直接集成在其服务中的 Hallucination Corrector，配合自家的 HHEM 评估模型，在检测出错误时自动给出原因并完成精准修正。测试显示，该工具能将企业 AI 系统的幻觉率压到约 0.9%，解决推理模型幻觉偏高的问题。
Qwen Chat 上线 Deep Research：深度研究向所有人开放
阿里旗下 Qwen Chat 宣布 Deep Research 功能结束测试，正式向所有人免费开放。用户提出宽泛主题后，系统会主动提问缩小范围，随后自动调研并输出结构化报告。说白了，人人都能用的深度研究 Agent 时代正加速到来。
Notion 上线 AI 会议转录：打「/meet」边录音边记笔记
Notion 推出 AI 会议记录功能。用户在 Mac 客户端输入「/meet」即可捕获系统音频转录，边录边手动记笔记，会后自动生成结构化摘要，支持中英等十几种语言。同时还推出了企业跨应用搜索与结合推理模型的研究模式。
Spotify 升级 AI DJ：支持直接语音点歌、随时切换曲风
Spotify 为 AI DJ 加入语音交互功能，用户长按 DJ 按钮就能直接说话点歌、换流派或调整情绪。这项功能目前支持英语，已向 60 多个市场的 Premium 订阅用户推出。过去只能单向听它播放和解说，现在终于能实时插话提要求了。
Audible 推出 AI 听书制作工具：提供 100 多种音色，还能跨语言克隆声线
Audible 面向出版商推出 AI 制作方案，提供 100 多种英、西、法、意多口音 AI 音色，支持托管与自助生产。今年晚些时候还将测试 AI 翻译，包括能保留原配音声音与风格的语到语翻译。音频制作门槛将大幅降低。
