OpenAI 为 ChatGPT 推出锁定模式：关掉部分功能防提示注入
OpenAI 推出 ChatGPT 锁定模式（Lockdown Mode），专为处理敏感数据的用户设计以防范提示注入攻击。开启后会禁用 Deep Research 和 Agent Mode，并限制网络图片加载与文件下载。免费用户也可在设置的安全选项中开启。
AI 日报：今天的 AI 新闻
周五
6月5日 星期五
美国音乐家工会起诉环球与华纳：私自授权 AI 训练且拒绝分账
美国音乐家联合会（AFM）起诉环球音乐与华纳音乐，指控两大唱片巨头将伴奏乐手的录音作品授权给 AI 平台 Suno 与 Udio 训练，却未提供署名或分成。工会称此举触发了劳资协议中的「新用途」条款，要求经济赔偿并公开训练歌单。
ChatGPT 网页版支持直接发邮件：在写作块内就能一键寄出
OpenAI 宣布网页版 ChatGPT 推出邮件直发功能。用户在写作块内完成草稿并调整后，无需离开当前对话即可直接把邮件发送出去。这意味着起草到寄信的流程被完全打通，省去了反复复制粘贴到外部邮箱的麻烦。
Google 发布 Gemma 4 QAT 模型：手机就能跑，E2B 显存压到 1GB 内
Google 发布 Gemma 4 系列的量化感知训练（QAT）模型权重。通过在训练阶段模拟量化，大幅降低模型压缩带来的质量损耗，并将 Gemma 4 E2B 纯文本模型的内存占用压至 1GB 以内。权重已上线 Hugging Face，支持本地消费级设备直接流畅运行。
纽约州通过新数据中心暂停令：一年内叫停 20 兆瓦以上大项目
纽约州立法机构通过法案，拟对峰值用电需求达 20 兆瓦以上的新建大型数据中心实施为期一年的禁令。法案要求评估数据中心对水电、土地及电价的影响，并要求企业获批前召开公开听证会。若州长签署，纽约将成为全美首个出台此类全州禁令的州。
Anchor World 亮相：用真实人体动作引导第一人称世界模拟
第一人称世界模拟器 Anchor World 公布。它支持输入 3D 人体动作与场景锚点图，直接渲染出人在空间中走动并与水槽、刀具交互的第一人称视频。这种动作驱动机制有望用于生成人形机器人的训练数据；目前代码正处于审核阶段。
Google 推出 Agentic RAG：搜不够就继续搜，让 Gemini 事实准确率提升 34%
Google 推出面向 Gemini 企业平台的 Agentic RAG 框架。传统 RAG 只检索一次就听天由命，这项技术通过「充分上下文代理」审查初稿和片段，明确找出缺失信息并定向补充搜索，把事实准确率拉高了 34%，且几乎没有增加额外延迟。
Claude 化身化学家：Opus 4.7 读核磁谱图，看齐专业化学软件
Anthropic 发布白皮书，测试 Claude 在核磁共振（NMR）谱图分析上的表现。未经化学专属微调的 Claude Opus 4.7 在氢谱预测上平均误差仅 ±0.079 ppm，看齐或超越 ChemDraw 与 MestReNova，还能直接从谱图逆向推导分子结构。不过当前测试样本仅 20 个化合物。
周四
6月4日 星期四
Anthropic 呼吁全球暂停前沿 AI 研发：警告两年内或失控
Anthropic 发文呼吁全球协调暂停或放缓前沿 AI 开发。其研究人员警告，模型可能在两年内实现编写自身代码的「递归自我改进」，脱离人类监管。不过外界质疑该提议难以核查落地，且正值其筹备 IPO 之际，可能有商业公关考量。
微软高管想让用户对 AI 上瘾，纳德拉痛批：这绝不是目标
据报道，微软 CEO 纳德拉严词驳回了副总裁 Omar Shahine 主张让用户对 AI 智能体 Scout 上瘾的备忘录。纳德拉对约 50 名顶尖 AI 工程师明确表示「上瘾绝不是目标」，甚至称其可以另谋高就。Scout 是微软向企业推广 AI 工具的核心产品。
Codex 新增 iOS 构建插件：将模拟器画面串流进浏览器，支持热重载
Codex 推出 Build iOS Apps 插件。该工具利用 serve-sim 将 iOS 模拟器画面实时串流至 Codex 应用内浏览器，并支持 SwiftUI 预览的热重载，开发者无需依赖 Xcode Canvas 即可在浏览器里直接交互和调试应用。
Anthropic 披露内幕：Claude 编写超 80% 内部代码，AI 加速自我改进
Anthropic 旗下机构披露内部数据：截至 2026 年 5 月，Claude 编写了公司超 80% 的代码，工程师产出达到 2024 年的 8 倍。最值得关注的是，AI 正加速迈向「递归自我改进」；不过 Anthropic 警告，人类失去控制的风险可能比社会各界的预期来得更快。
Krea 推出 Krea 2 Turbo：2 秒出图，兼容风格参考与 LoRA
Krea 推出 AI 图像生成模型 Krea 2 Turbo。新模型主打极速出图，生成高质量图像仅需约 2 秒，同时兼容风格参考、情绪板与 LoRA。这意味着创作者能以接近实时的速度迭代视觉创意，且目前可免费体验。
Runway 推出 Aleph 2.0 与 Edit Studio：只改你想改的局部画面
Runway 发布全新视频编辑模型 Aleph 2.0 并上线 Edit Studio。它支持精准定向修改，用户调整特定元素时，画面其余部分完全不受影响。这直接解决了 AI 视频编辑常误伤周边背景的痛点，大幅提升了创作者的控制精度。
NVIDIA 推出 Nemotron 3 Ultra：混合架构吞吐提 5 倍，专攻长程智能体
NVIDIA 发布开源模型 Nemotron 3 Ultra。该模型总参数 550B、激活参数 55B，采用 Mamba 与 Transformer 混合架构，吞吐量达同类开源模型 5 倍，能将智能体任务成本降低最高 30%。官方同步推出了 4B 安全护栏模型及低延迟多语言语音模型。
Google 开源实时音乐模型 MRT2：延迟 200ms，Mac 本地就能弹
Google 开源实时音乐模型 Magenta RealTime 2。它能在搭载 Apple Silicon 的 Mac 上本地运行，延迟约 200 毫秒，支持通过 MIDI、音频和文本实时弹奏控制。它把生成式音乐做成了可嵌入编曲软件的即兴乐器，不过目前仅支持纯音乐，无法生成人声。
OpenAI 为 ChatGPT 推出锁定模式：断网防提示词注入，个人版也能用
OpenAI 宣布将「锁定模式」（Lockdown Mode）拓展至 ChatGPT 个人与商业版。开启后会禁用实时联网、Agent 模式、深度研究及文件下载，只允许访问缓存，防范提示词注入攻击导致的数据泄露；同时对高风险功能打上「Elevated Risk」标签。
OpenAI 升级 ChatGPT 记忆系统：后台自动「做梦」提炼上下文
OpenAI 推出全新 ChatGPT 记忆系统 Dreaming。它能在后台自动整合多轮对话并提炼记忆，无需刻意叮嘱保存，还会随时间推移更新过期状态。用户可在摘要页编辑相关信息。目前向美国 Plus 与 Pro 用户开放，数周内推向免费用户。
Meshy 推出 3D Agent Beta：靠对话连续打磨 3D 模型
AI 3D 创作平台 Meshy 推出 Meshy 3D Agent Beta。不同于传统单次提示词生成单个模型，该智能体支持连续的对话式工作流，让用户以自然语言构思、生成多组概念变体并逐步微调细节，覆盖游戏、AR/VR 及 3D 打印需求。目前已在官网面向全量用户开放测试。
Boson AI 发布 Higgs TTS 3：文本加标签调语气，权重已开源
Boson AI 发布语音合成模型 Higgs TTS 3，并在 Hugging Face 开源模型权重。它支持在文本流中直接插入标签，实时控制情绪、语速、音高和停顿，覆盖 100 多种语言。开发者给语音 Agent 配音时，能像导演调演员一样掌控语气细节。
周三
6月3日 星期三
xAI 推出 Grok Imagine 1.5 Preview：图像生成模型开放 API
xAI 发布图像生成模型 Grok Imagine 1.5 Preview，并通过 API 向开发者开放早期访问。该版本是对现有图像生成能力的迭代更新，允许开发者在公开发布前抢先集成和测试新模型。
Cloudflare：网络机器人流量首次超人类，AI 智能体推动占比达 57.5%
Cloudflare CEO Matthew Prince 透露，机器人流量首次在互联网历史上超过人类，占全球 HTML 网页请求的 57.5%。这一转折比预期提前了整整一年，主要被激增的自主 AI 智能体工作负载推动。也就是说，网络流量主体已彻底变成机器间通信，真人访问正成为少数派。
Miso 开源语音模型 Miso One：8B 参数，延迟仅 110 毫秒
Miso 开源了 80 亿参数的语音生成模型 Miso One。官方称其为全球情绪最丰富的声音模型，具备高度拟真的人类情感表达，且延迟仅 110 毫秒，响应速度比人类对话还快。目前模型权重已公开，官方 API 即将上线。
Google 开源 Gemma 4 12B：无编码器直连音频视觉，16GB 跑上笔记本
Google 开源无编码器多模态模型 Gemma 4 12B。它去掉了独立的视觉和音频编码器，直接将信号输入 LLM 主干，性能逼近 26B MoE 模型，显存占用却少了一半。普通用户仅需 16GB 内存的笔记本，就能在本地跑起多步推理的智能体。
Ideogram 发布 4.0 开放权重图像模型：支持本地微调与部署
Ideogram 发布开放权重文生图模型 Ideogram 4.0。用户可下载权重并在本地硬件运行和微调，该模型支持密文字排版、原生 2K 分辨率及透明背景。目前已在其全线方案和 API 同步上线。
Google 数据中心水资源承诺：2030 年回补水量要超过消耗量
Google 宣布数据中心水资源管理五项承诺，计划到 2030 年回补水量超过自身消耗。Google 表示已在 97 个流域支持 165 个项目，年内资金投入追加至 7700 万美元，并在高水资源风险地区优先改用风冷或循环水。
OpenAI 更新提示词工程指南：建议在代码中管版本，关停 API 提示词对象
OpenAI 更新官方提示词工程指南，系统梳理了基于 Responses API 的结构化提示技巧与角色优先级机制。官方明确建议将提示词写入代码进行版本管理与测试，并宣布 API 中的可复用 prompt 对象将于 2026 年 11 月正式下线。
Reve 推出图像模型 Reve 2.0：用结构化布局精准控制画面
Reve 推出图像生成模型 Reve 2.0。它放弃传统的纯文本中间层，改用结构化布局精确定义元素的位置、尺寸和属性。该模型基于 Qwen 架构打造，声称用竞品十分之一的 GPU 算力，在万亿美元以下公司中拿下竞技场榜首。
OpenAI 升级生命科学模型 GPT-Rosalind：融合 GPT-5.5 智能体能力
OpenAI 宣布升级专为生命科学研究打造的 GPT-Rosalind 模型，融合 GPT-5.5 的智能体编程与工具调用能力。新模型在药物化学与基因组分析上全面超越 GPT-5.5，最多可节省 31% 的 Token。目前该模型通过受信任访问体系向全球合规机构开放。
nex-agi 开源推理模型 Nex-N2：专打智能体任务，还能按需动脑
nex-agi 开源智能体推理模型家族 Nex-N2。它基于 Qwen 3.5 后训练，推出 397B 和 35B 两个 MoE 版本，激活参数仅 17B 与 3B。关键在于自适应推理，简单动作快速执行，复杂决策深度思考，打通工具调用与执行闭环。
周二
6月2日 星期二
微软公布 Project Solara：打造「智能体优先」硬件平台
Microsoft 公布软硬件平台 Project Solara，推动从传统 App 转向「智能体优先」的专用硬件。该平台贯穿芯片到云端，基于企业级系统 MDEP 打造，支持动态即时生成界面；微软同步预览了面向医疗、金融等行业的固定与便携两类概念设备。
微软联手梅奥诊所：打造医疗尖端 AI 模型，将上线 Azure API
Mayo Clinic 与微软宣布合作开发专用于医疗的尖端 AI 模型。该模型结合梅奥的去标识化临床数据与微软云端算力，专注临床推理与个性化诊疗。模型所有权归梅奥诊所，微软后续将通过 Azure Foundry API 对外分发。
微软推出 Frontier Tuning：在企业合规边界内用强化学习调优 AI
Microsoft 在 Build 大会上推出企业级定制方案 Frontier Tuning 并开启私有预览。该方案允许企业在自身合规边界内，利用受管强化学习环境和内部数据调优模型与智能体。微软内部 HR 智能体借此将任务完成率从 13% 拉升至 87%，后续还将接入 Copilot Studio 与 Foundry。
微软推出首款常驻智能体 Scout：无需反复提示，在后台替你推进工作
Microsoft 推出首款 Autopilot 个人智能体 Scout。它拥有独立身份并在后台常驻，打通 Teams、Outlook 等应用，可自主跨时区协调会议、预警停滞决策并锁定交付时间。目前已面向 Frontier 组织小范围测试。
GitHub 推出 Copilot 桌面客户端：多智能体并行调度，做开发控制中心
GitHub 推出桌面端 Copilot app 技术预览版，专为调度多个 AI 智能体设计。每个智能体都在独立的 git worktree 隔离运行，配合双向交互画布 Canvas 与 Agent Merge 工具，能自主推进 PR。目前已向 Copilot 付费订阅用户开放测试。
微软宣布 Work IQ APIs：让智能体直接读取 Microsoft 365 组织上下文
Microsoft 宣布 Work IQ APIs 将于 2026 年 6 月 16 日正式上线。该接口让外部智能体直接读取 Microsoft 365 的业务上下文而非原始数据，并通过 MCP 协议将操作简化为 10 个通用工具。计费采用 Copilot Credits，目前公开预览版已在 GitHub 上线。
微软推出 Web IQ 接地 API：专为 AI Agent 重构，延迟低于 165 毫秒
Microsoft 推出面向 AI 智能体的接地检索 API「Web IQ」。它基于 Bing 全球索引重构，不返回整篇网页，而是直接抽取段落级结构化证据以节省 token，p95 延迟低于 165 毫秒。这意味着多步推理智能体能以更低成本快速获取实时网络数据。
微软发布桌面 AI 开发者主机：配 128G 统一内存，本地跑 120B 大模型
Microsoft 在 Build 大会上发布迷你开发者电脑 Surface RTX Spark Dev Box。它搭载 NVIDIA RTX Spark 芯片与 128GB 统一内存，提供 1 Petaflop 算力，可在本地运行 120B 模型。该设备主打本地优先 AI 开发以节省云端调用开销，预计今年晚些时候在美发售。
微软 Build 2026 大更新：让 Windows 成为智能体原生开发底座
微软在 Build 2026 上推出一系列面向智能体与 AI 开发的 Windows 新功能。包括用于安全隔离智能体的 MXC 执行容器架构、原生 WSL 容器支持、Intelligent Terminal，以及全新的 Aion 1.0 本地端侧小模型。微软希望让开发者在本地设备上更安全地构建与运行 AI 智能体。
Nous Research 开启 Hermes Desktop 公测：本地原生运行智能体
Nous Research 开启 Hermes Desktop 公开预览。该应用曾在英伟达 CEO 黄仁勋的 GTC 主题演讲中亮相，主打在本地设备原生运行完整的 Hermes Agent，无需依赖云端基础设施。这意味着用户可以直接利用自有硬件部署智能体。
白宫签署新 AI 行政令：推行自愿审查，明令禁止模型强制许可
美国白宫签署第 14409 号行政命令，要求各联邦机构在 30 天内强化 AI 网络防御，并联合产业界建立软件漏洞修补机制。最值得关注的是，该命令为前沿模型设立了发布前 30 天自愿提交机密审查的框架，同时明确禁止出台任何强制许可或事前审批要求。
Martin Scorsese 出任 Black Forest Labs 顾问：用 FLUX 做分镜
Black Forest Labs 宣布知名导演 Martin Scorsese 担任其顾问，协助指导以人类审美和工艺为核心的视觉 AI 研发。双方还进行了使用图像生成模型 FLUX 制作故事板分镜的实际创作合作。
ByteDance 提出 WavTTS：直接建模原始波形，几秒克隆声音
ByteDance 提出零样本语音合成模型 WavTTS。它基于 DiT 与流匹配，跳过传统的潜空间压缩，直接对原始音频波形建模以避免信息损失。最值得关注的是，它仅需几秒样本就能生成自然语音，大幅缩减了原始波形建模与主流模型之间的质量差距。
微软发布 7 款自研 MAI 模型：从零训练不靠蒸馏，成立超级智能实验室
Microsoft AI 发布 7 款涵盖推理、编程、多模态的自研 MAI 模型。旗舰推理模型 MAI-Thinking-1 从零训练且未用第三方蒸馏；团队还推出企业自调优功能 Frontier Tuning，并宣布成立超级智能实验室以及与 Mayo Clinic 联合研发临床医疗大模型。
微软公布量子处理器 Majorana 2：靠 AI 辅助设计，量子比特寿命飙升至 20 秒
Microsoft 公布可扩展量子处理器 Majorana 2，在 AI 辅助设计的铅基材料堆栈支持下，拓扑量子比特可靠性提升超 1000 倍。其寿命从毫秒级跃升至平均 20 秒，偶超 1 分钟。微软借此将路线图时间减半，目标 2029 年造出容错量子计算机。
Anthropic 扩展网络防御计划：为 15 国关键机构配备 Claude Mythos
Anthropic 宣布将网络防御计划 Project Glasswing 扩展至 15 个国家的约 150 家新机构。此前约 50 家伙伴已借助 Claude Mythos Preview 扫出逾万个高危漏洞；新批次覆盖电力、水务与医疗等关键基建，旨在抢在恶意攻击前用 AI 筑牢防线。
Perplexity 推出端云混合编排器：敏感数据留本地，重活交给云端
Perplexity 为其 Personal Computer 产品公布混合推理编排器。系统能自动拆解任务，把财务与健康等隐私数据留在本地小模型处理，复杂计算路由给云端前沿模型。该架构联手 Intel 推出并支持英伟达芯片，定于 7 月上线。
Claude Code 上线动态工作流：现场自写调度脚本，多智能体对抗验证
上周，Anthropic 宣布在 Claude Code 中上线动态工作流。依托 Claude Opus 4.8，Claude 能针对复杂任务现场编写 JavaScript harness，派生独立上下文的子智能体执行对抗验证或锦标赛竞争。不过其 token 消耗显著增加，更适合高复杂度任务。
OpenAI 升级 Codex：推出六大岗位插件，还能一键生成交互式网站
OpenAI 宣布为 Codex 推出六大岗位专用插件，以及面向企业预览的 Sites 功能。Codex 周活已超 500 万，非技术用户增速达开发者三倍。新插件打包了 62 款应用，无需写代码，团队就能用自然语言生成交互式仪表盘并生成链接分享。
周一
6月1日 星期一
TripoSplat：单张 2D 图转 3D 高斯模型，代码极简还免装重度依赖
TripoAI 开源了 3D 工具 TripoSplat，单张 2D 图片就能转出最高 26 万个高斯点的 3D 资产。核心代码约 2000 行且免除复杂依赖，支持直接导入 ComfyUI；不过实测生成简单物体表现尚可，人物面部目前仍相当模糊。
JetBrains 开源 Mellum2：12B 混合专家模型，推理速度快 2 倍
JetBrains 发布 12B 参数的开源混合专家模型 Mellum2，采用 Apache 2.0 协议。模型每个 token 仅激活 2.5B 参数，推理速度较同体量开源模型提升超 2 倍，专门针对路由、RAG 和子智能体等低延迟软件工程工作流优化。
微软 Build 前瞻：自研推理模型与开发者专属 Windows 11 齐亮相
据报道，Microsoft 将在 Build 大会上公布首款自研推理模型 MAI-Thinking-1，并推出专为开发者优化的 Windows 11 纯净环境。微软还将展示整合助手的 Copilot 超级应用，并强化端侧 AI 支持。不过该应用预计要到夏末才开启预览。
TwelveLabs 推出视频副驾 Rodeo：用一句话帮剪辑师扒出关键镜头
TwelveLabs 发布首款面向终端用户的 AI 创作副驾 Rodeo。依托 Marengo 3.0 与 Pegasus 1.5 大模型，它能根据自然语言理解长视频的画面与上下文，在庞大素材库中自动检索并拼贴出成片，省去人工逐秒翻查素材的繁琐工作。
Anthropic 安全模型 Mythos 成本极高：Token 单价据称为 Opus 六倍
The Information 报道 Anthropic 专攻网络安全的新模型 Mythos 虽然找漏洞极快，但成本惊人。其 Token 单价据称为 Opus 的 6 倍左右，Palo Alto Networks 极快便消耗了 100 万美元 Token。不过多位安全主管表示，相比泄密造成的巨额损失，这笔账依然划算。
日本农民用 Codex 管百公顷农田：零基础搞定硬件与卫星遥感
OpenAI 报道北海道农夫 Hiroki Tomiyasu 靠 ChatGPT 和 Codex 自动化管理 100 公顷农田。这位零编程基础的前公务员搭建了 8 套工作流，把 ESP32 电机控制与卫星遥感打通。这证明在 AI 辅助下，技术门槛已不再是个人搭建复杂物联网系统的阻碍。
斯坦福合同法盲测：75% 对决中，法学教授更认可 AI 的回答
斯坦福大学主导的研究显示，在近 3000 次合同法答疑盲测中，法学教授在 75% 的情况下更认可 AI 给出的答案，而非人类同行撰写的版本。最值得关注的是，教授仅将 3.5% 的 AI 回答标记为有害，而同行回答达 12%。也就是说，大模型在需要复杂推理与主观判断的领域已表现出惊人能力。
Factory 推出 Factory Router：编程成本降低 25%，性能保留 99%
Factory 推出模型智能路由工具 Factory Router。它会根据任务复杂度自动分发模型，简单重构走平价模型，复杂推理调用顶级模型，在保持 Claude Opus 4.7 基准表现 96% 至 99% 的同时削减 20% 至 25% 的成本。目前已在 CLI 和桌面客户端开启私有研究预览。
OpenAI 动工 1GW 超大数据中心：落地密歇根，承诺不抢民用水电
OpenAI 宣布其 Stargate 计划下的 1GW 数据中心园区「The Barn」在密歇根州萨林破土动工。该项目联合 Oracle 等伙伴建设，采用闭式水冷并全额自负能耗，避免推高居民水电账单，同时将向该州逾 40 万名学生赠送 4500 万美元的 Codex 算力额度。
桑德斯拟提案设立 AI 主权基金：向 OpenAI 等征收 50% 股权税
美国参议员 Bernie Sanders 宣布将推出法案，拟向 OpenAI、Anthropic 等头部 AI 公司征收一次性 50% 的股权税，建立主权财富基金。该基金将持有投票权与董事席位。他认为 AI 依赖全人类智慧训练，收益理应归全民共享。
Anthropic 秘密递交 S-1 表格：启动普通股 IPO 流程
Anthropic 宣布已向美国证监会秘密提交 S-1 注册声明草案，启动普通股 IPO 流程。待监管部门完成审查后，公司将拥有上市选择权。目前发售股数与定价区间均未确定，最终上市仍取决于市场环境。
NVIDIA 发布 Cosmos 3：让机器人「先想后动」，直接输出关节轨迹
NVIDIA 发布开源世界基础模型 Cosmos 3。它采用混合 Transformer 架构，融合视觉推理与原生动作生成，不仅能推演场景变化，还能直接输出关节角度和轨迹点等机器人控制数据。Agile Robots 等公司已将其用于人形机器人训练，模型现已在 Hugging Face 开源。
微软发布 Surface Laptop Ultra：搭 Blackwell GPU，本地可跑 120B 模型
Microsoft 宣布推出 Surface Laptop Ultra，搭载 NVIDIA Blackwell RTX GPU 与最高 128GB 统一内存，提供 1 petaflop 的 AI 算力，可在本地运行 120B 参数大模型。设备配备 15 英寸 mini-LED 触控屏，峰值亮度 2,000 尼特，将于今年晚些时候上市。
周日
5月31日 星期日
MiniMax 发布 M3 模型：支持 100 万上下文与原生多模态，解码快 15 倍
MiniMax 发布开源权重模型 M3，支持 100 万 token 上下文与原生多模态，可直接操作桌面电脑。模型采用自研稀疏注意力架构 MSA，解码速度比前代提升 15 倍，并在 SWE-Bench Pro 等基准测试中达到前沿水平。目前已通过 MiniMax Code 与 API 开放体验。
OpenAI 机器人团队扩招：从世界模拟走向真机制造
Sam Altman 宣布 OpenAI Robotics 正在招募硬件、系统及机器学习工程师。过去一年由 Aditya Ramesh 牵头的世界模拟项目已演化为机器人部门。短期计划打造辅助技术工人的实用机器人，长期目标则是人人拥有个人机器人。
NVIDIA 发布 DGX Station for Windows：桌面直接跑万亿参数大模型
在 GTC Taipei 上，NVIDIA 宣布推出 DGX Station for Windows，搭载 GB300 超级芯片。该系统拥有最高 748GB 统一内存和 20 petaflops FP4 算力，支持在本地运行万亿参数模型并并行调度数百个智能体。戴尔、华硕等厂商的整机预计今年 Q4 上市。
NVIDIA 扩大 Hyperion 自动驾驶生态：联手富士康与 Uber 落地 Robotaxi
NVIDIA 宣布扩大 Hyperion 平台生态，联合富士康与 Uber 等伙伴推进 Level 4 自动驾驶出租车落地。富士康计划 2028 年在高雄开跑，Uber 拟于年内在慕尼黑启动。NVIDIA 试图通过统一的车载算力与安全架构，加速全球 Robotaxi 规模化运营。
NVIDIA 发布开源人形机器人参考设计：配宇树本体与 Thor 芯片
NVIDIA 在 GTC Taipei 发布 Isaac GR00T 开源人形机器人参考设计，整合宇树 H2 Plus 机身、Sharpa 五指触觉手与 Jetson Thor 车载计算平台。这套全栈方案打通了仿真、数据与实机部署，斯坦福等机构将率先采用，整机预计 2026 年底交付。
NVIDIA 发布 Vera CPU：专为 AI 智能体打造，任务完成速度快 1.8 倍
NVIDIA 在 GTC Taipei 发布专为 AI 智能体打造的 Vera CPU 并已全面量产。该芯片搭载 88 个自研 Olympus 核心，任务完成速度比 x86 CPU 快 1.8 倍。Anthropic、OpenAI、字节跳动等计划采用，相关服务器系统预计今年秋季面市。
NVIDIA 联手微软发布 RTX Spark：专为个人智能体打造的 PC 超级芯片
今日，NVIDIA 联手微软发布专为个人智能体设计的超级芯片 RTX Spark。该芯片拥有最高 128GB 统一内存与 1 petaflop 算力，可本地运行 1200 亿参数大模型。首批轻薄笔记本与紧凑桌面 PC 预计今年秋季由华硕、联想等厂商推出。
周五
5月29日 星期五
Codex 更新：内置浏览器并支持导入 Cookie，可在登录态调试与采集内容
Codex 迎来功能更新，上线内置浏览器并支持一键导入 Chrome Cookie，用户可直接带入抖音、小红书等平台账号挖掘热门内容。新版本还加入开发者模式，支持检查 DOM、控制台和网络请求，方便开发者调试需要真实登录态的 Web 应用。
Codex 更新 26.527：Windows 支持 Computer Use 和手机远控
Codex 应用发布 26.527 版更新。Windows 正式支持 Computer Use 功能，Codex 可直接识别屏幕、点击并键入操作桌面应用；同时支持通过 iOS 或 Android 上的 ChatGPT 远程控制 Windows 设备。此外个人资料页新增用量统计与 Token 动态。
Brilliant 推出 AI 家教 Koji：拒绝直接给答案，在屏幕画批注带你思考
Brilliant 推出名为 Koji 的「图形化私教」。它不直接给答案，而是能看懂用户的屏幕操作与停顿，通过语音交流、屏幕高亮和图表批注来引导解题。目前该功能已在 Brilliant 大多数数学和编程课程中上线。
别再只测提示词：OpenAI 发布前沿模型第三方评测指南
OpenAI 发布针对前沿 AI 模型的第三方评测指南，指出模型能力极度依赖外部运行环境与脚手架（Harness）。报告建议评测机构明确测试声明并记录环境配置，同时排查奖励黑客、装傻沙袋化与数据污染等失真风险。
OpenAI 推出 Rosalind Biodefense：向防御机构开放生命科学大模型
OpenAI 推出 Rosalind Biodefense 计划，向可信开发者赞助提供生命科学推理模型 GPT-Rosalind 的访问权限，用于构建生物防御与疫情防范工具。同时，OpenAI 还向美国政府及盟友伙伴开放受信任访问，以加速医疗应对与早期预警。
Anthropic 拟扩大开放 Claude Mythos：黑客级安全模型将走向所有客户
据路透社报道，Anthropic 计划在未来几周向所有客户开放网络安全模型 Claude Mythos。此前该模型仅限「Glasswing 计划」内的巨头测试，能独立推理攻击路径并编写漏洞利用链。最值得关注的是，尽管测试显示其安全拒绝机制仍不稳定，但在竞品压力下，官方正加速将其推向更广泛的防御场景。
开源前端设计工具 Impeccable 3.5：按模型专治「AI 味」，支持代码实时直改
开源前端设计工具 Impeccable 发布 3.5 版本。团队针对 AI 生成 UI 普遍存在的米色背景、极端字间距等缺陷，为不同模型分别编译专属修复规则，并上线浏览器实时编辑的 Live 模式。这意味着开发者能直接在真实代码库中用自然语言或语音改界面，告别千篇一律的 AI 设计。
百度开源音视频模型 NAVA：63 亿参数，画面与声音原生同步
百度 ERNIE 团队开源音视频同步生成模型 NAVA，参数量仅 63 亿。它告别了先渲染画面再后期配音的路线，直接原生联合生成画面与双声道音频，支持参考音频控制音色。8 卡并行约 1 分钟即可生成 1 分钟 720p 音画同步视频。
周四
5月28日 星期四
MAMMA 开源：只需 4 台普通摄像机，搞定多人 3D 动作捕捉
马普所和 CMU 开源无标记动捕系统 MAMMA，仅用 4 台普通摄像机甚至手机拍摄的多视角视频，就能转成高精度 3D 人体模型。它无需穿戴任何物理标记点，能精准追踪跳舞、拥抱等复杂互动，还能做出《黑客帝国》同款子弹时间效果。代码与 Web UI 已在 GitHub 开放。
SANA-Streaming 开源：RTX 5090 上跑满 24 帧，一分钟视频实时修改
NVIDIA 开源视频编辑系统 SANA-Streaming，仅用 20 亿参数即可在播放过程中实时替换视频中的服装、背景与场景风格。借助混合注意力架构与算子优化，它在 RTX 5090 上实现 720p 分辨率下 24 FPS 端到端实时编辑，并保持原动作稳定。代码与权重已公开发布。
Roblox 发布 CubePart：直接按部件生成 3D 模型，告别手动切块
Roblox 发布部件级 3D 生成框架 CubePart。它允许开发者在提示词外指定一份部件清单，直接生成分块命名、可独立挂载物理与动画脚本的游戏资产。最值得关注的是，生成的网格无需手动拆解即可导入引擎。相关代码已整合进开源项目 Cube。
ElevenLabs 推出 Dubbing v2：跨语言配音也能保留原声情绪
ElevenLabs 推出新一代配音模型 Dubbing v2。新模型主打跨语言情绪与表演细节的保留，能把原声的情绪起伏完整迁移到目标语言中。这意味着 AI 配音不再只是干瘪的台词朗读，视频出海本地化听起来将更像原声出演。
Microsoft 改版 365 Copilot：加载提速 50%，把提示框变成工作台
Microsoft 宣布重构 Microsoft 365 Copilot 界面与交互。新版应用加载速度提升超 50%，复杂聊天响应加快 10%，并引入结合邮件、文件与会议上下文的「Work IQ」智能层。在 Word、Excel 等应用中，Copilot 也转为支持直接操作画布的智能体模式。
Figma Make 支持直连本地代码库：用可视化拖拽直接改生产代码
Figma 宣布 Figma Make 支持连接本地生产代码库。设计师在画布上调整样式或添加标注，内置智能体就会自动修改对应代码，并支持分支与 PR 等 Git 工作流。这打破了设计与代码的割裂，目前仅在 Mac 桌面 Beta 版开启内测。
Perplexity Computer 接入 Word 与 Excel：侧边栏直接生成文档与模型
Perplexity 宣布 Computer 正式接入 Microsoft Word、Excel、PowerPoint 和 Outlook 原生插件。用户无需再手动复制粘贴，可直接在侧边栏起草文档、搭建财务模型或撰写邮件，并自动关联网络及 SharePoint 数据且附带引用。该功能面向 Pro 等付费订阅用户开放。
Anthropic 完成 650 亿美元 H 轮融资：估值逼近万亿，年化收入破 470 亿
Anthropic 宣布完成 650 亿美元 H 轮融资，投后估值达 9650 亿美元。本轮包含亚马逊等巨头的 150 亿美元承诺注资，三星与 SK 海力士也参投；其年化营收已突破 470 亿美元。新资金将用于安全研究并锁定数十吉瓦的算力基础设施。
Claude Code 上线动态工作流：可调度数百个子智能体，11 天重构 Bun
Anthropic 在 Claude Code 中正式上线「动态工作流」功能。Claude 能动态生成编排脚本，在单次会话中并行运行数十至数百个子智能体协同验证与修改。Bun 作者曾借此在 11 天内将 75 万行代码移植至 Rust。不过该功能会显著增加 token 消耗。
Anthropic 发布 Claude Opus 4.8：代码漏错率降至四分之一，加量不加价
Anthropic 正式推出 Claude Opus 4.8，全面提升编程与智能体协作能力且定价不变。新模型对代码缺陷的漏检率较前代降低约 4 倍，并新增「思考深度」调节功能；Claude Code 亦同步上线动态工作流，支持调度数百个并行子智能体。
