Google 瞄准 7 月推 Gemini 3.5 Pro：竞品受限下的窗口期
据报道，Google 预计 7 月推出 Gemini 3.5 Pro。在美国政府针对网络安全能力的非正式审查下，Anthropic 的 Fable 5 仍被强制下线，OpenAI 的 GPT-5.6 亦受限分发。未越过安全红线的 Gemini 3.5 Pro 凭借 200 万 token 上下文，迎来了难得的发布窗口。
AI 日报：今天的 AI 新闻
周一
6月29日 星期一
OpenAI 预告 Codex 专属硬件：联手 Work Louder 做宏按键设备
OpenAI 发布预告，将于 7 月 15 日联合外设厂商 Work Louder 推出专为 AI 编程工具 Codex 打造的硬件设备。视频展示了一个类似 Creator Micro 2 的方形宏按键小设备。最值得关注的是，开发者未来或可通过实体按键直接触发 Codex 快捷指令。
Google 开放 Gemini 个性化生图：连通相册，免传照片画出自己
Google 宣布向符合条件的美国用户免费开放 Gemini 个性化图像生成。授权后，它可调用 Gmail 与 Google 相册等数据，直接根据真实相册与偏好生成专属图像，无需手动传图。该功能需用户主动开启，可在设置中随时调整。
Google Meet 上线 AI 笔记：Gemini 替你实时听写、抓待办
Google 宣布面向 Google AI Pro 和 Ultra 订阅者推出 Meet 的「帮我记笔记」功能。Gemini 会在后台实时转写讨论并提炼行动项，会后自动将笔记存入 Google 云端硬盘并发送邮件总结。开启时所有参会者都会收到提醒。
ComfyUI 发布 Comfy MCP：不用手动连节点，让 AI 智能体直接跑工作流
ComfyUI 开启 Comfy MCP 公开测试，让 Claude 等 AI 智能体能直接接入 ComfyUI。用户用自然语言即可让智能体自主搜索模型、搭建并运行图像与视频工作流，免去手动连线和配节点。目前处于公测阶段，支持免费接入试用。
Firefly 联手 NVIDIA：2026 年底将 Jetson 边缘 AI 送上月球轨道
NVIDIA 宣布 Firefly Aerospace 计划在 2026 年底的 Blue Ghost 2 任务中，首次将 NVIDIA Jetson 边缘 AI 送入月球轨道。飞行器将在太空中直接用 AI 分析月表图像，无需回传海量原始数据，将分析耗时从数周压缩至近实时。
Anthropic 联手加州政府：Claude AI 半价进机关，附带网络安全合作
加利福尼亚州州长 Gavin Newsom 宣布与 Anthropic 建立合作，为加州各州级机构及地方政府以五折优惠提供 Claude AI 服务。合作还包含网络安全防护内容，旨在强化公共部门防线。这意味着前沿大模型正加速向地方公共治理渗透。
ViDiHand 重建 3D 手部动作：借视频扩散模型搞定严重遮挡
研究团队公布 ViDiHand，利用预训练视频扩散模型从视频中精确重建 3D 双手动作。它无需额外的手部检测器，即使手指严重互遮或部分出画也能稳定还原，为人形机器人和具身智能训练提供了高精度的交互数据。
Cursor 推出 iOS 版公测：手机也能调遣 AI 智能体写代码、合 PR
Cursor 推出原生 iOS 版公测，向付费订阅用户开放。开发者不仅能在手机端启动云端智能体或远程操控电脑，还支持语音输入、锁屏实时提醒及直接合并 PR。7 月 5 日前移动端运行 Composer 2.5 享 25 折。
开发者开源太阳方向 LoRA：用一颗参考球随意调整 AI 生图光照
开发者 eric-venti-seeds 开源了适配 FLUX.2-klein-9B 的 Sun Direction LoRA。用户只要在工作流中放入一颗光照参考球，就能精准指定室外场景的太阳仰角与旋转方向。该方案先将画面转为无定向光的阴天基底再重新打光。
Meta 推出 Brain2Qwerty v2：无需开颅，脑电打字词准确率达 61%
Meta 推出非侵入式脑机接口系统 Brain2Qwerty v2 并开源完整训练代码。该系统无需开颅手术，仅通过穿戴式 MEG 设备采集脑磁信号并结合大语言模型解码，将打字词准确率拉升至 61%（最佳达 78%），大幅逼近侵入式脑机接口水平。
Anthropic 推出 Claude Apps Gateway：打通 Bedrock 与谷歌云，支持企业统一管控
Anthropic 推出 Claude Apps Gateway，支持 Amazon Bedrock 和 Google Cloud。企业可将其作为无状态容器私有化部署，提供企业级 SSO 登录、集中策略管理、按用户成本核算及消费上限控制，免去逐台分发凭证的繁琐。
Anthropic 接入微软 Foundry：Claude 模型正式上线 Azure
Anthropic 宣布 Claude 模型在 Microsoft Foundry 全面可用。企业可通过 Azure 直接调用 Claude Opus 4.8 和 Claude Haiku 4.5，支持提示词缓存与扩展思考。调用消耗直接计入现有 Azure 统一账单，由英伟达 GB300 GPU 驱动。
周日
6月28日 星期日
微软开源 Resource2Skill：把教程视频蒸馏成 Agent 能跑的技能库
微软开源 Resource2Skill，能将教程视频、代码与文章自动蒸馏为智能体可调用的执行技能。提取的技能包含代码与视觉示例，挂载在 MCP 服务器上，支持智能体自主产出网页、PPT、Excel 及 Blender 场景，实测性能提升 11.9 个百分点。
xAI 开启 Grok 4.5 内测：1.5 万亿参数基座，表现直逼 Opus
Elon Musk 宣布 Grok 4.5 在 SpaceX 和 Tesla 开启内测。该模型基于 1.5 万亿参数的 V9 基座，并在补充训练中引入了 Cursor 数据，早期评测表现接近甚至超越 Claude Opus。目前强化学习仍在持续迭代该模型。
HP 联手 OpenAI：全面部署 Frontier，一人几周搞定 122 次 PR
HP 宣布扩大与 OpenAI 的 Frontier 战略合作。自 2026 年 2 月测试以来，HP 一名工程师在数周内完成了 43 个项目的 122 次 PR，安全团队更在一天内修好多处以往需耗时一个月的漏洞。接下来，AI 将全面接入客服与十万级合作伙伴体系。
周六
6月27日 星期六
BrowserBC 开源：把网页操作提炼为「技能卡」，做 Agent 版按键精灵
Einsia AI 旗下 Navers Lab 开源 BrowserBC。它先完整录制人类在浏览器中的操作与页面反馈，再由模型转写成说明书式的自然语言「技能卡」，供任意智能体在真实页面上自主执行，而非死板复刻点击坐标，相当于 Agent 时代的「按键精灵」。
周五
6月26日 星期五
OpenAI 开启 GPT-5.6 预览：旗舰 Sol 配多智能体模式，应美政府要求限额测试
OpenAI 开启 GPT-5.6 系列限量预览，包含旗舰 Sol、平衡型 Terra 和平价版 Luna。Sol 引入深度推理与调用子智能体的 ultra 模式，在编程与网络安全评测中表现突出。应美国政府要求，目前仅向小范围可信伙伴开放，未来数周内铺开。
周四
6月25日 星期四
因应美国政府安全审查要求：OpenAI 将分阶段发布 GPT-5.6
据报道，因美国联邦政府提出安全审查要求，OpenAI 决定分阶段发布 GPT-5.6。CEO Sam Altman 透露将先向部分合作伙伴提供限量预览，数周后再全面公开。国家网络总监办公室及商务部长等均提出审查与预警，引发业界对政府 AI 监管力度的关注。
Runway 推出 Agent 2.0：从一条提示生成营销企划与全套素材
Runway 推出内置于平台的 Agent 2.0，用户输入简短提示词即可直接生成完整营销企划书和全套物料。该系统还能分析投放效果数据来优化创意，并跨平台、格式与市场快速扩展，加速打通从创意到宣发执行的完整营销链路。
库班警告大模型厂商：反数据中心本质是怕失业，光买通政客没用
知名投资人 Mark Cuban 发文指出，公众反对数据中心实则是对财富集中与失业恐慌的宣泄。他呼吁 OpenAI 等大模型企业别再做说教式公关，应直接走访受冲击城镇提供资金支持，并与艺术工会面对面沟通，否则将失去扩张所需的电力与容量。
PhysiFormer 开源：用扩散模型预测 3D 物体碰撞与果冻形变
研究团队推出 3D 物理模拟模型 PhysiFormer 并开源代码。输入 3D 物体网格、初速度以及刚性或弹性材质，它就能在真实坐标系中直接生成连续运动与形变轨迹。该模型由超 10 万条模拟轨迹训练而成，能让死板的 3D 模型真正遵循物理规律动起来。
腾讯公布 SCoPE：加不到 0.1% 参数，就能精准控制 AI 视频运镜
这周，腾讯研究人员公布 SCoPE 运镜控制技术。它把相机光线作为 token 的第二个坐标，仅用不到 0.1% 的新增参数，就能让视频模型严格遵循指定轨迹运镜，转头再看也不会漂移，在 5B 和 14B 模型上均已验证有效。
Google Finance 结束测试：推独立 App，支持 AI 生成专属市场简报
Google 宣布 Google Finance 结束测试版并上线 Android 独立 App。新版支持通过截图、CSV 或文字描述直接导入投资组合，并允许用户用自然语言预约每日 AI 定制简报。App 还内置了 AI 分析工具和解释股价波动的「关键时刻」功能，iOS 版将于年内推出。
Ornith 1.0 开源：让模型自造脚手架写代码，最高 3970 亿参数
开源模型家族 Ornith 1.0 正式上线，专为智能体编程设计，覆盖 9B 到 397B MoE 规格。它最大的亮点是能在强化学习中自主生成引导解题的脚手架框架，在 SWE-bench Verified 等测试中比肩前沿大模型。全套权重及 21GB 的 GGUF 量化版已在 Hugging Face 开源。
Excel 里的 Copilot 变身财务分析师：支持 DCF 建模与专业数据源
Microsoft 升级 Excel 版 Copilot，推出面向财务人员的工作流「技能」、全流程变更追踪以及外部权威金融连接器。用户通过 OneDrive 里的 SKILL.md 文件即可固定 DCF 建模等标准流程，并能直连 PitchBook、S&P Global 等专业数据源，让 AI 在表格里的每一步修改都清晰可查。
ShutterMuse 实时摄影大模型发布：推理快 20 倍，教你构图和摆姿势
研究团队发布实时摄影指导多模态模型 ShutterMuse。该模型基于 13 万条解释标注样本训练，推理速度比 GPT-Image-2 快 20 倍，能在按下快门前实时提供构图决策并推荐被摄姿态，补齐了模型在现场交互式拍摄上的空白。
NVIDIA 推出 NeuMatEx：拍几张照片，就能提取带复杂反射的 3D 材质
NVIDIA 推出逆向渲染方法 NeuMatEx，能将多视角照片转化为高逼真 3D 神经材质。它结合先验模型与蒙特卡罗路径追踪，仅需 4 毫秒渲染延迟，就能精确还原车漆等复杂反光，避免将环境光影误烤进贴图。
IBM 推出亚 1 纳米芯片技术：3D「Nano Stack」架构，晶体管密度翻倍
IBM 发布全球首个亚 1 纳米芯片技术，采用 0.7 纳米节点的 3D「Nano Stack」垂直堆叠架构。新架构让指甲盖大小的芯片容纳近 1000 亿个晶体管，相比 2 纳米芯片密度翻倍，预计性能提升 50% 或能效提升 70%，证明摩尔定律仍能向原子尺度推进。
周三
6月24日 星期三
Chrome 149 迎来新功能：圈选网页图文直接发给 Gemini
Google 开始在 Chrome 149 中推出「Select from screen」功能，用户可通过 Gemini 面板的「+」菜单圈选当前网页的文字或图片直接提问。同日，Gemini 3.5 Flash 也上线了 computer use 能力，支持智能体跨浏览器与桌面执行多步操作。部分用户可能需重启浏览器生效。
Meta 开源设计系统 Astryx：支撑内部 1.3 万个应用，专为 AI 智能体设计
Meta 开源了内部演进 8 年的设计系统 Astryx，它支撑了 Meta 内部超过 1.3 万个应用。系统基于 React 19 构建，包含 150 多个无障碍组件与专用 CLI。最值得关注的是它专为人机协作打造，统一了规范与文档，让 AI 智能体也能精准理解和调用。
Meta 提出 Autodata：让智能体当「数据科学家」，自我迭代造训练数据
Meta 提出 Autodata 框架，让 AI 智能体像数据科学家一样自动构建高质量训练和评估数据。智能体不仅能生成样本，还会自行测试有效性并从失败中反思迭代。这意味着合成数据不再依赖人工反复调优，能把推理算力直接转化成更高质量的模型训练。
Google 升级 Gemini 3.5 Flash：内置电脑操作工具，跨桌面与移动端可用
Google 宣布在 Gemini 3.5 Flash 中原生内置「computer use」工具。此前该能力仅以独立的 2.5 模型提供，现在开发者能直接让智能体跨浏览器、移动与桌面环境看懂并操作界面。官方同时引入了针对提示注入的对抗训练，并提供敏感操作需用户确认的安全防线。
Figma 推出设计智能体：用提示词直接在画布上生成定制插件
Figma 在 Config 大会上推出设计智能体。设计师输入提示词，AI 就能直接在画布上生成并运行可复用的定制插件或 WebGPU 着色器，全程无需配置开发环境。以往必须找工程师协助的脚本工具，现在一句话就能自制并共享给全团队。
Hermes Agent 新增 /learn 命令：给代码或文档，自动提炼可复用技能
Nous Research 为 Hermes Agent 引入 /learn 命令，用户只需提供本地目录、网页 URL 或刚才的对话记录，智能体就会利用自带工具将其提炼为规范的技能文件。该功能不依赖额外的提取引擎，在本地、Docker 和远程环境都能直接把临时操作变成可复用能力。
阿里发布 Wan Streamer：单一模型实时音视频通话，延迟仅 200 毫秒
阿里巴巴公布端到端交互模型 Wan Streamer，让 AI 在视频通话中实时看、听并同步回应。它用单一 Transformer 统一处理音视频和文本，支持全双工通信，模型端延迟约 200 毫秒。目前 v0.1 仍为 192p 概念验证，未开放实时体验。
Perplexity 推出法律 AI 工具 Computer for Counsel：打通判例库与办公套件
Perplexity 面向 Enterprise 和 Max 订阅用户推出法律工具 Computer for Counsel。它搭载 20 多个前沿模型，打通 Midpage 等判例库以及 Microsoft 365、Google Workspace，接管判例检索、文件收集与合同初审等杂务。
OpenAI 联手博通发布自研芯片 Jalapeño：专攻大模型推理，9 个月搞定
OpenAI 与 Broadcom 联合发布首款自研大模型推理芯片 Jalapeño。该芯片从设计到流片仅用 9 个月，能效据称大幅超越现有顶尖硬件，已在实验室运行 GPT-5.3-Codex-Spark 工作负载，预计 2026 年底以吉瓦级规模部署。
XHS Visual Director：把小红书图文拆解成成套生图方案的 Skill
创作者推出开源 Skill「XHS Visual Director」，专门解决小红书图文里文字与配图脱节的痛点。输入主题后，它会先分析选题类型并规划 6 至 8 页结构，统一输出配色构图规范、逐页生图提示词、发布文案及自检清单。
周二
6月23日 星期二
Google Flow 接入街景：输入真实地点，AI 就能定点生成视频
Google 为 Google Flow 引入 Maps Imagery Grounding，支持调用 Google Maps 街景生成图片与视频。用户在提示词里输入具体地点或地标，AI 就会参考真实街景细节构图。最值得关注的是生成场景有了现实坐标，不再凭空捏造。不过目前仅支持美国地区。
Krea 开源 Krea 2 图像模型权重：分微调版 Raw 与快速版 Turbo
Krea 宣布开源图像生成模型 Krea 2 的权重，推出 Raw 与 Turbo 两个版本。Raw 是训练中期的未蒸馏模型，专供开发者微调；Turbo 则是蒸馏后的快速版本，兼顾速度与审美多样性。这意味着外部开发者可以直接本地部署并做定制开发。
Meta 推出全新智能眼镜 Meta Glasses：首搭 Muse Spark 模型，299 美元起
Meta 联手陆逊梯卡推出智能眼镜新品 Meta Glasses，起售价 299 美元。它首发搭载 Muse Spark 多模态模型，支持免提拍摄、语音助手和实时翻译，单次续航超 8 小时。产品即日起在美国和加拿大等市场开售。
Mistral 发布 OCR 4：支持 170 种语言，文档解析带坐标与置信度
Mistral 发布文档理解模型 OCR 4。它不仅能提取文本，还能返回每个区块的边界框、类型分类和行内置信度，支持 170 种语言且单容器即可私有化部署。API 基础定价每千页 4 美元，批量调用仅需 2 美元。
Domain Shuttle：输入参考图生成视频，多角色跨风格也能保持一致
开源视频生成项目 Domain Shuttle 发布，支持输入多张参考图生成视频并保持主体一致。它能把真人、2D 动漫和 3D 角色放进同一场景互动，还支持通过文本跨风格转换。模型基于 Wan 2.2 构建，权重约 35GB，已在 GitHub 开源代码。
字节发布 Doubao Seed 2.1：定位工作智能体，真实任务对标顶流
字节跳动发布 Doubao Seed 2.1 系列模型，包含 Pro 与 Turbo 版本。模型主打生产力智能体与多模态能力，在科学图表解析、PPT 模板精确修改及前端开发上表现抢眼，真实工作基准逼近 GPT 5.5。目前可通过豆包桌面版或在线 Studio 体验。
NVIDIA 发布 BioNeMo 智能体套件：给通用 AI 装上生物科研「工具箱」
NVIDIA 发布 BioNeMo Agent Toolkit，把旗下的生命科学模型和库打包成智能体可调用的工具。它让 AI 智能体能够执行蛋白质结构预测、分子对接和基因组分析，虚拟筛选耗时从数天压缩至几分钟。目前已有超 50 家药企与科研机构采用，Anthropic 与 OpenAI 也正在接入。
Anthropic 推出 Claude Tag：直接在 Slack 里 @Claude，像派活给真人同事
Anthropic 推出面向 Slack 的协作工具 Claude Tag，支持团队在频道内直接 @Claude 委派复杂任务。它基于 Opus 4.8，具备频道上下文记忆、异步执行和主动汇报能力。Anthropic 内部已有 65% 的产品代码由其编写，目前面向 Enterprise 和 Team 用户开启 Beta 测试。
快手公布 Kling Omni Director：把参考视频的运镜直接克隆给新画面
快手 Kling 团队本周推出 Omni Director 研究预览。它不再依赖文本提示词调镜头，而是能直接学习参考视频的运镜轨迹、切镜节奏甚至子弹时间特效，并驱动新图片生成视频。目前该功能尚未正式开放使用。
周一
6月22日 星期一
加州加油站遭集体诉讼：被控用 Kalibrate AI 操纵油价，每加仑多收 30 美分
加州消费者发起集体诉讼，指控 BP、沃尔玛等大型零售商使用 Kalibrate 的 AI 软件操纵油价。诉状指出，该算法利用竞对数据推高成本，导致 1700 多家油站每加仑多收约 30 美分，涉嫌违反加州今年刚生效的算法反垄断法案 AB 325。
Stability AI 推出 3D 控制系统 Arbor：给生成加一份空间蓝图
Stability AI 发布 3D 生成控制系统 Arbor。它无需重新训练底模，创作者只需提供简单的粗略网格，就能精确指定物体的生成空间、避让留白和接触面。该模型仅 600MB 且已开源代码，配合 Trellis 使用，让 AI 生成的 3D 资产能真正嵌入实际游戏和工业管线。
DeepMind 联手制片厂 A24：把 AI 搬进片场，Google 同步注资
Google DeepMind 宣布与电影制片厂 A24 达成长期研发合作，将前沿技术直接嵌入影视创作流程中。A24 的创作者将参与塑造未来的 AI 工具并提供一线反馈，Google 同时也对 A24 进行了投资。这项合作旨在缩短尖端技术与下一代娱乐内容的距离。
五眼联盟发联合警告：前沿 AI 带来毁灭性网攻，时间只剩几个月
五眼联盟网络安全机构联合发布罕见警告，称前沿 AI 将让网络攻击大幅提速并扩大规模。机构指出其攻击能力超越现状的时间「不是几年，而是几个月」，旧系统最危险。五国情报界如此步调一致尚属首次，表明官方对 AI 威胁的研判已全面转向。
百度推出 Unlimited OCR：固定 KV Cache，长文档解析匀速吃下 40 页
百度推出端到端文档解析模型 Unlimited OCR，基于 DeepSeek-OCR 微调，激活参数仅 5 亿。它采用 R-SWA 机制固定文本 KV cache，无论输出多少 token 显存均保持恒定，支持单次前向匀速解析 40 页以上长文档。
Anthropic 升级 Claude 桌面端：三大公有云全支持，数据不离内网
Anthropic 宣布在 AWS、Google Cloud 和 Microsoft Foundry 全面开放 Claude Desktop，聚合 Chat、Cowork 与 Code 三项能力。模型推理完全保留在企业云环境内，对话记录存于本地，IT 团队可通过 SSO 和 MDM 统一分发管控。
OpenAI 升级 Daybreak：推出 GPT-5.5-Cyber，AI 找漏洞也要管修补
OpenAI 扩展网络安全计划 Daybreak，推出 Codex Security 插件更新与 GPT-5.5-Cyber 模型。该模型专为防御方打造，CyberGym 跑分达 85.6%。最值得关注的是，AI 找出的漏洞太多成了维护负担，OpenAI 转向端到端自动化生成并验证补丁。目前模型仅向受信任防御者开放。
InternScience 开源 Agents A1：35B 智能体模型，部分基准逼近万亿巨头
InternScience 开源 350 亿参数的混合专家智能体模型 Agents A1，专为长流程自主任务和工具调用打造。它在 GAIA、Frontier Science 等测试中逼近甚至超越部分万亿级大模型，且提供仅 21GB 的量化版本，能在消费级硬件上本地离线运行。
周日
6月21日 星期日
Sakana AI 推出 Fugu：把多智能体系统包装成单一模型 API
Sakana AI 推出多智能体编排系统 Sakana Fugu 及其高阶版 Fugu Ultra。它本身是一个学习调度的语言模型，内部动态调用并整合专家模型处理多步任务，对外只暴露一个兼容 OpenAI 的单一 API，既省去了搭建智能体系统的复杂性，也能规避单一厂商依赖与限制风险。
OpenAI Codex 开放第三方模型：改个配置就能接 DeepSeek 和本地 Ollama
OpenAI 旗下的 AI 编码工具 Codex 开放支持第三方模型。开发者只需在配置文件中设置模型提供方，就能把请求路由到 DeepSeek 或本地 Ollama 等服务。最值得关注的是，Codex 借此跳出了单一模型绑定，变成中立的编码代理平台。
三星全员引入 ChatGPT 与 Codex：创 OpenAI 史上最大企业部署之一
OpenAI 宣布三星电子正在全面部署 ChatGPT 企业版与 Codex。此项合作面向三星韩国全体员工及全球 DX 部门员工，覆盖研发、制造与营销等业务，创下 OpenAI 规模最大的企业落地纪录之一。非技术人员也将用 Codex 搭建内部工具与自动化流程。
Getty Images 联手 OpenAI：ChatGPT 搜索将直接展示正版图库
Getty Images 宣布与 OpenAI 达成多年合作，其授权视觉内容库将接入 ChatGPT 的搜索与发现功能。这意味着 ChatGPT 能直接展示高清正版图片作为回答，大幅提升视觉搜索的丰富度与可靠性。
周六
6月20日 星期六
《大西洋月刊》上线 AI 音乐训练库检索工具：含千万级曲目
据报道，《大西洋月刊》上线了一个公开数据库，曝光用于训练 AI 模型的四个音乐数据集，其中两个规模分别达 1200 万和 900 万首曲目。Google 和 Stability 均曾在论文中确认使用过这些数据。调查显示部分音频是通过违规工具从流媒体平台抓取的。
周五
6月19日 星期五
AlphaFold 核心负责人 John Jumper 离开 DeepMind，将加盟 Anthropic
AlphaFold 项目负责人 John Jumper 宣布，在工作近 9 年后将离开 Google DeepMind 并加入 Anthropic。他表示十分感谢 Demis Hassabis 当年在其博士毕业仅 6 个月便委以重任，自己将在休整一段时间后正式入职。
Higgsfield 推出 MCP 工具：搭配 Claude，一句话生成并联机多人游戏
Higgsfield 推出游戏开发工具 Higgsfield MCP，配合 Claude 可一句话生成包含角色、贴图和音效的完整多人在线游戏。它不仅能让游戏告别粗糙的灰盒子模型，还能直接托管联机房间并上架。官方实测花费 68 美元做出 3 款游戏，吸引了近 4000 名玩家试玩。
GPT-5.6 Pro 细节曝光：推理预算拉高至 960，单提示词直接做网站
据多方泄露信息，OpenAI 即将推出 GPT-5.6 Pro。新模型的推理预算从 768 提升至 960 点，知识库更新至 2025 年 12 月，并支持 Playwright 浏览器自动化与高精度 SVG 生成。最值得关注的是，其视觉复刻能力让单提示词做完整网站成为可能。不过传闻指出其前端综合表现仍弱于竞品。
Midjourney 跨界做医疗硬件：推 60 秒全身超声波扫描仪，还要开水疗馆
Midjourney 宣布成立医疗部门并公布全身超声波扫描仪 Midjourney Scanner。人浸入水中后，环形 50 万个超声波传感器能在 60 秒内生成媲美 MRI 的 3D 图像。官方计划 2027 年在旧金山开设水疗馆落地该设备，目前尚未取得 FDA 医疗认证。
OpenAI 企业销售主管 Barret Zoph 离职：重返仅 5 个月，在 Slack 发告别信
据报道，OpenAI 企业销售负责人 Barret Zoph 在内部 Slack 发信宣布离职，距他 1 月回归仅 5 个月。Zoph 此前曾短暂出任 Mira Murati 旗下 Thinking Machines Lab 的联合创始人兼 CTO，这是他一年内第二次从 AI 头部团队离职。
周四
6月18日 星期四
OpenAI 推出 Record & Replay：演示一次工作流，Codex 就能学会
OpenAI 为 Codex 推出 Record & Replay 功能。用户只需演示一次报销或请假等重复任务，Codex 就会把操作过程自动转为可检查、可编辑的复用技能。这意味着团队无需手写复杂脚本，录制一遍就能把日常办公流程沉淀为 AI 自动化能力。
Yueban 推出 Xiaoban 自动驾驶马桶：呼之即来，还能自己去排污
在最近举行的上海养老博览会上，中国公司 Yueban 展示了自动驾驶马桶 Xiaoban。它搭载激光雷达与超声波传感器，能通过语音或遥控直接开到行动不便者床边，自带冲洗烘干与自清洁，还能自动对接排污。预计售价 28,999 元。
MIT 推出 DAAAM 系统：给机器人装上实时「长期记忆」
MIT 研究团队公布名为 DAAAM 的机器人记忆系统。它通过生成带时间戳的「4D 场景图」，实时记录机器人何时何地看到了什么物体，并支持自然语言查询。测试中其导航任务正确率提升约 28%，团队表示后续将开源代码。
Google 联手艺术家 Refik Anadol：全球首座 AI 艺术博物馆即将开馆
Google 宣布支持全球首个 AI 艺术博物馆 Dataland 于 6 月 20 日在洛杉矶开馆。馆内借助 Google Cloud 与 Gemini 企业级智能体平台，实时渲染 12 亿像素的生成艺术，并融合声音与气味等全感官互动。Google 同时提供资助扶持数字创作者。
xAI 上线 Grok Imagine Video 1.5：登顶视频榜首，价格比 Sora 低 86%
xAI 全面上线视频生成模型 Grok Imagine Video 1.5，并登顶图生视频竞技场。该模型采用自回归架构 Aurora，自带音画同步，720p 视频每秒定价 0.14 美元，比 Sora 2 Pro 便宜约 86%。不过其单次输出上限为 15 秒 720p。
DeepMind 发布 AI 路线图：把内部智能体当「潜在内鬼」防
Google DeepMind 公布 AI Control 路线图，建立针对内部 AI 智能体的纵深防御体系。该框架将内部智能体视为潜在「内部威胁」，引入可信 AI 监督员实时监控其推理与行为并在必要时拦截；在分析了百万个编码任务轨迹后，团队已将该机制应用于 Gemini Spark。
Google 推出 Ask Ad Manager：给广告发布商配上 Gemini 智能体
Google 宣布推出基于 Gemini 的智能体 Ask Ad Manager。它仅使用发布商自身数据，支持通过对话实时排查投放故障、用提示词生成复杂报表，并直达对应后台设置。该功能本月开启 Beta 测试，后续还将提供 MCP 服务器等开发者工具。
Adobe 将 Firefly AI 助手带入 Premiere 与矢量设计：自动理图层、重命名剪辑
Adobe 宣布将 Firefly AI 助手扩展至 Premiere、Illustrator、InDesign 和 Frame.io。助手能帮剪辑师分类素材并批量重命名剪辑，帮设计师重组图层与排查缺漏字体。Firefly 还加入 Elements 和 Projects 资产库功能，并计划支持 Gemini 和 Slack。
OpenAI 升级 ChatGPT 企业版：精细化控费与用量分析上线
OpenAI 宣布为 ChatGPT Enterprise 推出新的积分用量分析和支出控制功能。管理员可以在全局后台按用户、产品和模型细分开销，并设置群组限额或个人特例；员工也能查看额度并附带理由申请加量。这让企业在大规模部署 AI 时更清楚钱花在哪里。
Claude Code 支持 Artifacts：终端敲代码，一键生成实时交互网页
Anthropic 宣布为 Claude Code 引入 Artifacts 支持。它能把会话上下文、代码库和监控数据直接转成可交互的网页，包括 PR 演示、故障排查时间线等，并随工作进展在原链接自动刷新。目前面向 Team 与 Enterprise 组织开启 Beta 测试。
Perplexity 推出智能体记忆系统 Brain：夜间自我复盘，准确率提升 25%
Perplexity 为 Computer 智能体推出自我改进记忆系统 Brain。不同于只记偏好的传统记忆，Brain 会记录任务成败并在夜间复盘，使相似任务准确率提升 25%、成本降低 13%。目前已面向 Max 订阅用户开放预览。
OpenAI 升级 ChatGPT 健康问答：免费用上 GPT-5.5 Instant，事实错误降 71%
OpenAI 宣布用 GPT-5.5 Instant 升级 ChatGPT 的健康问答能力，面向全体免费用户开放。在 60 个国家逾 260 名医生参与评估下，新模型在专业评测中追平前沿思考模型，近两个月健康回答的事实错误率下降了 71%。
Liquid AI 发布 LFM2.5 检索模型：350M 参数支持 11 种语言
Liquid AI 发布两款 350M 参数的多语言检索模型 LFM2.5-ColBERT-350M 与 LFM2.5-Embedding-350M，支持阿拉伯语、日语等 11 种语言。二者分别针对极速检索和高精度匹配设计，在 NanoBEIR 评测中拿下同类第一，并提供 GGUF 格式支持端侧运行。
Claude 上线 MCP 集中授权：企业员工零门槛接通第三方工具
Anthropic 宣布为 Claude 推出企业级 MCP 集中授权功能。企业管理员只需通过 Okta 统一配置，员工首次登录 Claude 即可直接使用 Asana、Figma 等工具的 MCP 连接器，免去逐人单独授权的繁琐步骤，大幅降低了企业部署 AI 工作流的门槛。
Anthropic 机器狗实验：Claude Opus 4.7 自主操控提速 20 倍
Anthropic 公布 Project Fetch 第二阶段测试结果，Claude Opus 4.7 在无人类协助下，完成四足机器狗连接与控制任务的速度比最快的人类团队快约 20 倍。模型生成的代码量减少近 90% 且大多一次成功，但在闭环精细控制沙滩球上仍存短板。
虚幻引擎 5.8 上线 MCP 插件：让大模型直接调动蓝图与场景
Epic Games 发布 Unreal Engine 5.8，新增实验性 MCP 插件。该插件允许任意大模型直接对接并理解蓝图、材质、资产和关卡等核心系统，协助搭建场景和执行优化测试。最值得关注的是，这是 Epic 为下一代 UE6 原生融入 AI 流程做出的关键铺路。
Transformer 元老 Noam Shazeer 离开 Google，加盟 OpenAI
Transformer 架构联合发明人、Character.AI 联合创始人 Noam Shazeer 宣布离开 Google，正式加入 OpenAI。Shazeer 表示这是一个艰难的决定，并对 Google 团队深感自豪。作为现代大模型奠基人之一，他的转会标志着顶尖技术人才争夺战再次升温。
