BFL 推出 FLUX.1 Tools：支持重绘、扩图与结构控制
BFL 发布图像控制套件 FLUX.1 Tools，包含 Fill、Depth、Canny 和 Redux 四项功能。套件覆盖局部重绘、外延扩图、结构引导与图像重混，提供开源权重与 API 服务。不过官方后续已弃用 Depth 与 Canny 的 API 支持。
AI工具 · 日报
周五
11月1日 星期五
Perplexity 上线选举信息中心：接入美联社数据实时追踪大选
Perplexity 上线选举信息中心，帮助选民查询候选人立场、选票提案并追踪实时大选结果。平台接入了美联社与 Democracy Works 的数据源，回答均附带信源以供核验。面对敏感的政治议题，AI 搜索引擎正试图用权威信源降低生成幻觉的风险。
周四
10月31日 星期四
大模型版 Alexa 再度延期：开关灯总翻车，亚马逊推迟至 2025 年
据彭博社报道，亚马逊将大模型版 Alexa 推迟至 2025 年发布。早期内测显示新版回答啰嗦且响应迟缓，甚至连关灯、设闹钟等基础家居操作都频繁出错。目前内测已被叫停，如何兼顾对话生成与稳定硬件控制成了最大瓶颈。
Perplexity 测试「Pro Shop」：在搜索框里直接下单还包邮
据 ADWEEK 报道，Perplexity 正在邀请部分用户早期测试站内购物功能「Pro Shop」。符合条件的商品会标有「Buy with Pro」，用户无需跳出平台即可直接填写地址下单，还承诺免运费。目前该功能仅面向少数用户测试。
ElevenLabs 开源 X to Voice：分析 X 账号生成专属音色
上周，ElevenLabs 推出开源项目 X to Voice 并上线 Voice Design API。输入任意 X 用户名，系统会自动分析其简介与发帖风格，生成对应提示词与 3 个音色样本，还能让头像对嘴型朗读。开发者也能直接调用 API 为 AI 角色定制声音。
Claude 推出桌面客户端：移动端同步上线 10 分钟语音听写
Anthropic 发布 Claude 的 Mac 与 Windows 桌面客户端公测版，免费与付费用户均可使用。移动端（iOS 与 Android）则同步上线语音听写功能，单次最长可录制 10 分钟语音并转写回答。不过桌面端暂不支持听写，该功能也不是实时语音通话，更像发语音留言。
Claude 推出 Mac 与 Windows 桌面客户端：支持快捷键呼出
Anthropic 正式推出 Claude 的 Mac 与 Windows 桌面客户端公测版，免费与付费用户均可使用。新客户端支持通过快捷键随手呼出，主打原生环境下的深度办公体验；同时移动端也上线了支持录制最长 10 分钟的语音听写功能。
Google 地图与地球引入生成式 AI：把 2.5 亿地点接进大模型
Google 为 Maps Platform 和 Google Earth 引入生成式 AI。开发者可将大模型与 2.5 亿地点数据结合以保证事实准确；Google Earth 则接入 Gemini，将城市规划分析从几天压缩到数分钟。下月 Rivian 车机将上线地点 AI 摘要。
OpenAI 上线 ChatGPT search：直接联网搜索，附带可靠信源引用
OpenAI 正式上线网络搜索功能 ChatGPT search。系统会根据提问自动联网抓取最新资讯，或由用户手动触发搜索，并在回答下方提供信源侧边栏与链接。首批面向 Plus 和 Team 等订阅用户开放，未来将向免费用户普及。
周三
10月30日 星期三
ChatGPT 高级语音登陆桌面端：Mac 和 Windows 都能实时对话了
OpenAI 宣布将高级语音模式推送到 macOS 和 Windows 桌面应用。用户可以直接用自然语音让 AI 写代码或讨论分析上传的文件，并提供 5 种全新音色可选。不过目前该功能仅限 Plus 和 Team 付费用户使用，且暂不支持欧盟和英国等地区。
Wonder Dynamics 推出新工具：多机位视频直接转 3D 动画场景
已被 Autodesk 收购的 Wonder Dynamics 推出新功能。它能将多机位实拍视频连同角色动作与机位运动，直接转为可导出的 3D 场景，并在 Blender、Maya 或 Unreal 中分层编辑。这对影视前期预览相当实用，目前已在 Wonder Studio 开启测试。
研究称 OpenAI Whisper 频发严重幻觉：部分测试虚构率达 80%
据美联社报道，研究人员发现 OpenAI 的 Whisper 语音转写工具频发「幻觉」，在密歇根大学的一项测试中 80% 的音频转录出现虚构内容，甚至凭空捏造医疗方案。尽管官方不建议用于高风险决策，但该模型已被广泛接入医疗问诊等场景。
周二
10月29日 星期二
App Store 将上线评价摘要：下载前一眼看清好评与差评
据 9to5Mac 报道，Apple 计划在 App Store 页面加入 AI 生成的用户评价摘要，自动归纳高频反馈与情绪，并随新评论动态更新。该功能在云端处理，先在部分地区向评价较多的应用开放，开发者若觉得摘要不准可提出申诉。
ChatGPT 网页版支持搜索历史记录：告别手动翻找旧对话
OpenAI 宣布为 ChatGPT 网页版上线聊天历史搜索功能。用户可以直接在网页端检索过去的对话记录，快速定位历史聊天内容，免去了在侧边栏逐条翻找的麻烦。
微软辟谣：并未偷偷安装 Recall，完全可选且支持彻底卸载
针对社区关于 Windows 11 24H2 强制捆绑 Recall 的传言，Microsoft 再次澄清该功能不仅是自愿开启，还允许用户彻底卸载。专家指出当前系统残留的引用只是微软为了让管理员更易移除该功能留下的空壳，目前测试版仍未正式推送。
Final Cut Pro 迎来 AI 功能：一键加特效、10 分钟视频秒出字幕
Apple 在 M4 Mac mini 发布视频中透露了 Final Cut Pro 的新特性。新版将支持利用 AI 快速添加视频特效，并引入「Transcribe to Captions」功能，几秒内就能为 10 分钟视频自动生成字幕。目前官方尚未公布具体上线时间。
LinkedIn 推出首个招聘智能体 Hiring Assistant：从草拟职位到初筛候选人
LinkedIn 推出首个 AI 智能体「Hiring Assistant」，瞄准招聘业务。它能将简单的笔记扩展为完整的职位描述，并按技能匹配并初筛候选人。目前已面向 AMD、Canva 等大企业开放，未来数月内将扩大推行。
GitHub Copilot 引入 Claude 3.5 Sonnet：写代码也能选 Anthropic 了
Anthropic 宣布 Claude 3.5 Sonnet 接入 GitHub Copilot，开发者可在 VS Code 和网页端直接切换使用。该模型在 SWE-bench Verified 榜单领先，底层由 Amazon Bedrock 驱动，未来几周向所有 Copilot 用户开放公测。
周一
10月28日 星期一
Google 搜索 AI 概览推向 100 多个国家：月活将破 10 亿
Google 宣布将搜索中的 AI 概览功能推向全球 100 多个国家和地区，月活跃用户预计超过 10 亿。新版本还支持英语、日语、西班牙语等多语言自由切换，并在 AI 摘要内直接嵌入网页链接。
Apple Intelligence 正式上线：写作工具与新版 Siri 随 iOS 18.1 推送
Apple 正式推送 iOS 18.1、iPadOS 18.1 与 macOS Sequoia 15.1，上线首批 Apple Intelligence 功能。首批功能包括全系统文本重写与校对、全新发光外观与支持打字输入的 Siri，以及照片消除工具 Clean Up。不过目前仅限设备和 Siri 语言设为美式英语时可用。
周日
10月27日 星期日
Coinbase 推出 Based Agent：3 分钟搭一个会炒币的 AI 智能体
Coinbase 推出工具模板 Based Agent。用户只要准备 Coinbase SDK 和 OpenAI 的 API 密钥，就能在 3 分钟内通过 Replit 创建一个自带加密钱包的 AI 智能体，自动处理交易、兑换与质押等链上操作。这意味着加密货币正在加速向「AI 管钱」演进。
周四
10月3日 星期四
Meta Ray-Ban 眼镜迎来新 AI 功能：看到号码就能拨号，还能记车位
Meta 开始向 Ray-Ban 智能眼镜推送固件更新，上线多项此前发布的新 AI 视觉功能。眼镜现在能根据自然提问主动拍照解答，还能直接识别视线内的电话号码拨号、扫二维码，甚至充当记车位的记忆辅助工具。不过实时翻译和实时视频 AI 尚未实装。
Google 搜索重大升级：Lens 支持拍视频提问，圈定即搜能听歌识曲
Google 宣布为搜索和 Lens 带来多项 AI 升级。现在用户可以按住快门录视频并同步语音提问，AI 能结合画面作答；拍照时也支持直接开口提问。最值得关注的是搜索方式从静态文字彻底走向多模态。不过视频提问目前仅向 Search Labs 的英文用户开放。
Captions 推出 AI 社交媒体管家：扫一遍网站，短视频全自动包办
视频编辑工具 Captions 推出面向网站的 AI 社交媒体管理功能。它能自动抓取官网内容提炼卖点，结合时下趋势生成排期，并直接用数字人生成适配 Reels 和 TikTok 的短视频。该功能面向每月 25 美元起的付费用户开放。
OpenAI 上线 Canvas：不仅能聊天，还能并排改写与调试代码
OpenAI 推出新界面 Canvas，在独立窗口中与用户协同写作与编程。它支持选中文本局部修改、提供行内批注，并内置快捷菜单一键调长度、捉虫与转换语言。这是 ChatGPT 问世以来的首个重大视觉交互升级，目前面向 Plus 与 Team 用户开放。
周三
10月2日 星期三
Amazon 发布新款 Fire HD 8：自带生成式 AI，老款平板也能用
Amazon 发布新款 Fire HD 8 平板，不仅把内存提升到 3GB，还塞进了生成式 AI 工具。新功能包括键盘内置的写作辅助、Silk 浏览器的网页摘要，以及用提示词生成壁纸。这些 AI 功能本月晚些时候也会下放给多款旧款 Fire 平板。
周二
10月1日 星期二
Rabbit R1 上线 LAM Playground：让用户自己教 AI 替自己上网
Rabbit 为 R1 推出跨平台智能体系统 LAM playground。用户可以在云端平台 Rabbithole 训练 R1 智能体浏览网页，比如自动在 Google 搜索并在 Amazon 加购商品。虽然目前耗时约 45 秒且容易卡在验证码环节，但总算开始兑现最初画下的饼。
Microsoft Paint 引入生成式填充与擦除：自带画笔改图，照片支持 8 倍超分
Microsoft 宣布为 Copilot Plus PCs 的 Paint 与 Photos 应用加入多项 AI 功能。Paint 新增类似 Photoshop 的生成式填充和擦除工具，涂抹区域即可增删物体；Photos 则加入端侧 8 倍超分辨率放大。日常修图基本不用再开专业修图软件了。
Bing 扩大生成式搜索测试：复杂查询直接给整合解答，上线美国
Bing 宣布扩大生成式搜索的测试范围，开始覆盖更多指导类和复杂信息查询。新界面不仅优化结果，还会将多方内容整合成结构化布局，并附带引用来源。该体验目前仍处于测试阶段，仅在美国开放，可通过特定关键词或「Deep search」按钮触发体验。
微软升级 Copilot+ PC：屏幕随时 Click to Do，Recall 变可选并加锁
微软为 Copilot+ PC 带来一批端侧 AI 功能。此前备受争议的 Recall 改为默认关闭且必须通过 Windows Hello 解锁；系统还新增了全局交互工具 Click to Do、离线自然语言文件搜索，以及照片 8 倍超分。新功能 10 月起向 Windows Insider 用户分批推送。
Adobe 更新 Elements 2025：一键消除和景深虚化下放，买断制 100 美元
Adobe 发布 Photoshop Elements 和 Premiere Elements 2025，加入类似「魔术橡皮擦」的一键消除、AI 景深模拟与动态标题等功能。两款工具面向业余爱好者，单款买断价 100 美元，不用订阅就能体验下放的专业修图与剪辑能力。
OpenAI 上线模型蒸馏套件：用前沿大模型一键微调小模型
OpenAI 宣布在 API 平台推出模型蒸馏套件，将数据存储、评测和微调整合到同一工作流中。开发者可以直接捕获大模型的输出作为数据集，用于训练和测试更具成本效益的小模型，大幅简化以往跨多工具手动流转的复杂过程。
微软全面改版 Copilot：加入实时语音与能看懂网页的 Vision
微软全面改版 Copilot，新增支持自然交谈的语音功能，并在实验区推出能实时看懂网页的 Copilot Vision 和深度推理模式 Think Deeper。早播新闻也开始采用授权媒体内容。目前 Vision 等实验功能仅面向部分英语区用户测试。
Wondershare 发布 Filmora 14：一键切高光短片，自带 AI 调色和口型同步
Wondershare 推出剪辑软件 Filmora 14。新版本主打「智能短片」，能一键把长视频切成带字幕和特效的短视频，还加了 AI 视频增强、口型同步翻译等十余项 AI 工具，并引入多机位剪辑和平面追踪。
周一
9月30日 星期一
Google 简化 AI Studio 移动端：界面更清爽，模型直接放最前
Google 推出了大幅简化的 Google AI Studio 移动端体验。此次更新清理了界面中的杂乱元素，直接将模型放在最前端，让开发者在手机上也能更直接、更顺畅地体验和测试各种模型。
索尼联手树莓派推出 AI 相机：搭载 IMX500 芯片，售价 70 美元
Sony 与树莓派联合发布 Raspberry Pi AI Camera，售价 70 美元。它搭载索尼 IMX500 传感器，支持直接在芯片内运行视觉神经网络，兼容全系树莓派主板。开发者无需额外加装 GPU，开箱即可配合经典库运行物体识别模型。
周日
9月29日 星期日
Mileseey 推出 AI 高尔夫测距仪：不仅算坡度，还能看风速气压
Mileseey Golf 推出号称全球首款的 AI 高尔夫测距仪 GenePro S1。它除了计算高低差，还能结合湿度、风力、气温和气压自动补偿击球距离，果岭测距精度达到厘米级。售价 799.99 美元，相当于把职业球童的环境分析能力做进了手持设备。
周五
9月27日 星期五
绕过系统限制：网友诱导 ChatGPT 高级语音合唱披头士老歌
据 Ars Technica 报道，一名开发者通过设计和弦猜歌互动，成功诱导刚上线不久的 ChatGPT 高级语音模式（AVM）开口合唱披头士的《Eleanor Rigby》。OpenAI 原本在系统指令中明确禁止 AVM 唱歌或哼唱，以规避版权风险，但这次意外的「越狱」证明它其实掌握旋律与音准。
微软重启 Windows Recall：默认关闭，还要刷脸才能解密
Microsoft 宣布彻底重构 Windows Recall 的安全架构。这项每 5 秒截图并用 AI 索引的工具改为默认关闭，数据关进安全飞地，必须通过 Windows Hello 验证本人在场才能即时解密。用户甚至可以将其彻底从系统卸载。
Azure AI 正式开放 GPT-4o 微调，并上线 Llama 3.2
微软宣布在 Azure OpenAI 服务中正式向所有用户开放 GPT-4o 与 GPT-4o mini 的微调功能。平台还同步引入了 Meta 的 Llama 3.2 视觉模型、Phi-3.5 系列以及实时修正幻觉的 Correction 工具，主打企业定制与安全合规。
Gmail 迎来 Gemini 升级：智能回复能读懂整封邮件，不再只会回「收到」
Google 开始向 Android 和 iOS 版 Gmail 推送由 Gemini 驱动的上下文智能回复。新功能会结合整封邮件上下文生成更具体、更完整的回复，包含问候语与签名。不过目前仅面向 Gemini 或 Google One AI Premium 付费订阅用户开放，且只支持英文。
周四
9月26日 星期四
NotebookLM 升级：支持导入 YouTube 与音频，播客可一键分享
Google 宣布 NotebookLM 支持导入公开 YouTube 链接和音频文件，并可一键生成链接分享 Audio Overview。导入视频后可直接查看转录并交叉对比要点。目前 Workspace 企业用户暂未开放该分享功能。
Airtable 转型企业级 AI 平台：上线应用库与支持亿级数据的 HyperDB
周四，Airtable 宣布升级为企业级 AI 平台，推出 App Library 与支持超 1 亿条数据的 HyperDB。新功能主打将 AI 嵌入具体业务工作流，支持数千项任务并行处理，让企业跳出简单的聊天框，把大模型真正用进日常自动化中。
周二
9月24日 星期二
微软推 AI 纠错功能：不仅能抓幻觉，还能赶在用户看到前改写
微软在 Azure AI Studio 上线「纠错」预览功能。它能把 AI 生成内容与源材料比对，自动指出错误并在输出给用户前完成改写。不过微软也坦言，纠错机制本身依赖模型对齐，依然有出错可能。
因抄袭苹果被下架后，Figma 重启 AI 生成工具 First Draft
Figma 重新上线此前被叫停的 AI 应用生成功能，并更名为 First Draft。新版增加了线框图等 4 套设计库供挑选，支持更低偏见的原型生成。它利用 GPT-4 和 Amazon Titan 等现成模型组装设计组件，目前正进行限量测试。
Spotify 上线 AI Playlist：打一句提示词，定制 30 首歌
Spotify 将生成式「AI Playlist」功能扩展至美国和加拿大等地的 Premium 用户。用户在应用内输入任何提示词，AI 就能自动生成 30 首歌的专属歌单，还能输入后续要求微调风格。该功能目前仍处于测试阶段。
Snapchat 接入 Google Gemini：My AI 具备图文视听多模态理解
Snapchat 宣布接入 Google Gemini，让聊天机器人 My AI 具备多模态能力，可理解文字、音频、图片与视频。用户能直接拍路牌求翻译、拍菜单挑健康餐。接入 Gemini 后，该功能在美互动量增长超 2.5 倍。
Duolingo 推出 AI 视频通话与探索小游戏，还能跟 Lily 实时唠嗑
在 Duocon 2024 上，Duolingo 推出 Video Call 功能与 Adventures 探索小游戏。Duolingo Max 订阅用户能直接与角色 Lily 展开自适应难度的实时对话，首发支持英语、西语与法语；小游戏则把点咖啡等现实场景做成互动探索，降低开口门槛。
