微软开源 Lens 3.8B 文生图模型：4 步极速出图，算力消耗不到两成
微软开源 3.8B 文生图模型 Lens 全部权重，包含 Base 与 Turbo 等版本。其蒸馏 Turbo 版仅需 4 步、0.84 秒即可出图，训练算力消耗仅为同类的 19.3%，最高支持 1440x1440 分辨率。独立开发者可借此获得轻量且专业级的图像生成流程。
AI 日报：今天的 AI 新闻
周三
5月27日 星期三
NVIDIA 发布 Gamma World：支持多人协同互动，24 帧实时生成共享世界
NVIDIA 发布多智能体交互世界模型 Gamma World。它把过去单人控制的世界模型扩展到多玩家和多机器人场景，无需预设几何形状即可按各智能体动作以 24 FPS 实时生成共享环境与视角。这意味着未来游戏与机器人仿真可以直接在生成世界里跑。
CapCut 上线设计工作室 2.0：用无限 AI 画布告别套模板
CapCut 在网页版推出 Design Studio 2.0，将工作流重构成无限 AI 画布，并内置 AI 智能体实时协同创作。用户可借助画笔编辑、智能图层分离和一键创意衍生自由排版，摆脱传统模板限制。目前每位用户每天可免费生成 20 次。
微软升级防深伪侵权：扩大拦截 AI 亲密图像，覆盖 OneDrive 和 Xbox
Microsoft 宣布升级针对非自愿亲密图像（NCII）的防御机制，将 AI 生成图像与真实照片同等对待。新措施优化了全球举报表单，并将 StopNCII.org 哈希检测扩展至 Teams 免费版、OneDrive 及 Xbox，以自动拦截违规内容。
AutoScientists 发布：让去中心化 AI 组团做科研，实验提速 1.9 倍
研究团队发布科研多智能体系统 AutoScientists，采用去中心化架构让 AI 自主组队验证假设。在相同预算下，它在 GPT 训练优化上比 Autoresearch 快 1.9 倍，并在 BioML-Bench 任务上超越现有最强智能体，大幅减少长周期实验里的重复试错。
Runway 推出 MCP：在 Claude 和 ChatGPT 里直接生成视频
Runway 推出 Runway MCP，将图像和视频生成能力接入 Claude、ChatGPT、Cursor 和 Replit 等平台。用户无需离开当前工作界面，就能直接调用 Gen-4.5、Kling 等模型生成内容。这意味着开发者和创作者可以直接在日常对话和编程工具中调度多模态模型。
Biohub 发布 ESM 蛋白质世界模型：几天搞定抗体设计，已在实验室跑通
Biohub 发布新一代蛋白质世界模型 ESM，包含结构设计工具 ESMFold2、语言模型 ESMC 和含 11 亿结构的 ESM Atlas。ESMFold2 能在数天内完成结合剂与单链抗体的计算设计和打分，并在 EGFR、PD-L1 等五个临床靶点通过了湿实验验证。药物研发最耗时的早期结合剂发现被大幅提速。
YouTube 升级 AI 标签：位置更醒目，未申报视频将被自动标记
YouTube 宣布升级 AI 内容标签。逼真或经实质性 AI 修改的视频标签将移至更显眼位置。平台自 5 月起引入自动检测，创作者未主动申报也会被系统自动打标。被误标可在 YouTube Studio 修改，标签不影响推荐和变现。
纽约时报遭工会申诉：被指用 AI 工具暗中监控员工绩效
5 月，The New York Times 技术工会提出申诉，指控管理层违反合同，使用 DX 和 Glean 两款 AI 工具追踪绩效，甚至将数据用于员工处分。工会称这种粗暴指标已沦为变相配额与监视，要求对 AI 的引入拥有知情权与话语权。
Leonardo.Ai 实测 GPT-Image 2.0：大白话做广告，AI 竟会主动加爆款贴纸
Leonardo.Ai 创意总监 Dwayne Koh 分享了 GPT-Image 2.0 的实测体验。在没有提示词技巧、仅输入口语化广告需求的情况下，模型不仅画面专业，还主动在 Z 世代润唇膏广告中加上了 TikTok 爆款贴纸。这表明新图像模型正从单纯的绘图工具，变成能理解文化语境与审美品味的创意搭子。
环保斗士 Brockovich 推出众包地图：追踪全美 AI 数据中心
知名环保活动家 Erin Brockovich 推出众包 AI 数据中心追踪网站。该平台通过地图呈现全美运营、在建及拟建的 AI 设施，已收到 2716 份居民报告，主要集中在得克萨斯州。民众最担忧其庞大耗水量、推高电费以及噪音污染。
罗切斯特大学研发太阳能海水淡化技术：不排浓盐水，还能提取锂
罗切斯特大学团队公布一种太阳热海水淡化新技术，利用飞秒激光蚀刻的黑金属吸收阳光蒸发海水。该技术借助「咖啡环效应」把盐分析出为固体，不仅避免排放危害海洋的浓盐水，还能从中回收用于电池的锂元素。
Amazon 设立生成式 AI 影视基金：三部动画获批，联手 AWS 推出制作平台
Amazon MGM Studios 宣布设立生成式 AI 创作者基金，并联手 AWS 推出制作平台 Project Nara。平台能打通 Blender、Maya 等专业工具，首批已为 Prime Video 批准三部动画剧集，试播集制作周期被压缩至五周。
OpenAI 公布 2026 年大选防线：ChatGPT 接入美联社实时计票，敏感生图强行卡通化
OpenAI 针对 2026 年大选更新防护策略。ChatGPT 将在美巴大选中接入美联社实时计票，并由 Democracy Works 提供投票指引；涉及干预选举的图像生成会被强制转为卡通风格以防伪造，同时 OpenAI 还向投票机厂商免费提供网络防御模型。
OpenAI 与 Thrive 打造 Tax AI：让 Codex 自主修 Bug，准确率 6 周跃升至 86%
OpenAI 与 Thrive Holdings 披露为会计机构 Crete 开发的 Tax AI 智能体，本季度已处理 7000 份税单。系统将专业会计师的人工修正自动转为评测集，并由 Codex 自主排查并修复代码。上线 6 周内达到 75% 准确率门槛的税单比例从 25% 跃升至 86%，节省了约三分之一工时。
周二
5月26日 星期二
Figure 签下新商业订单：人形机器人将进军零售仓储
Figure 宣布与运营 JCPenney 等品牌的 Catalyst Brands 签署商业协议，计划规模化部署人形机器人。首批部署将落地内华达州雷诺。这意味着人形机器人正从汽车工厂等制造场景，进一步加速走向零售与物流的真实作业环境。
微软推出 MAI-Image-2.5：首秀居 Arena 第三，文字光影大升级
微软 MAI 超级智能团队推出文生图模型 MAI-Image-2.5，首次亮相便位列 Arena 排行榜第三。新模型相比前代大幅提升了文字渲染、风格插画以及光影与空间推理能力。目前已可在 Arena 体验，未来两周内将接入 MAI Playground 与 Azure Foundry。
企业 AI 账单失控：Uber 4 个月烧光全年预算，微软削减 Claude Code
据报道 Uber 因内部使用激增而在 4 个月内耗尽 2026 年全部 AI 编程预算，微软也削减了 Claude Code 授权转用 GitHub Copilot。最值得关注的是，AI 智能体调用消耗的 token 激增，企业发现高额的 AI 开销很难换来成比例的产出，正纷纷收紧工具投入。
NVIDIA 推出视觉定位框架 LocateAnything：一句话框出目标，密集检测提速 10 倍
NVIDIA 团队推出视觉定位框架 LocateAnything，支持输入一句话文字描述即刻框出并切取图像中的目标物体。它采用并行边界框解码机制并依托 1.38 亿样本数据集训练，将几何框作为原子单元单步解码，在提升定位精度的同时让密集检测速度最高提升 10 倍。
ElevenLabs 推出 Music v2：提升全曲风人声表现与多语言编曲
ElevenLabs 推出音乐生成模型 Music v2。新模型在各曲风下的人声、乐器表现与编曲质量均有提升，并增强了多语言支持，解锁了上一代无法实现的新能力。这意味着 AI 音乐的听感与跨语言创作门槛进一步优化。
Datacurve 发布 DeepSWE 基准：测出编程智能体的真实差距
Datacurve 发布针对编程智能体的新基准测试 DeepSWE。团队表示，顶尖模型在现有公开榜单上跑分看似接近，DeepSWE 则通过贴近开发者日常工作的真实环境，测出它们真正的能力差距。
环球音乐与 TikTok 续签协议：联手下架未授权 AI 生成音乐
环球音乐与 TikTok 宣布续签全球许可协议。双方承诺共同清除平台上未经授权的 AI 生成音乐，并进一步改进艺术家与词曲作者的署名。相比 2024 年因 AI 版权争议导致曲库被下架的风波，这一协议标志着两大巨头在应对生成式 AI 冲击上达成协作模版。
奥特曼改口：AI 不大可能引发就业末日，自己此前预测有误
OpenAI CEO 奥特曼在悉尼的一场银行会议上表示，AI 不大可能引发全球就业危机，并承认自己误判了近期的经济冲击。他原以为如今已有更多初级白领岗位被淘汰，但许多工作中不可替代的人类特质限制了 AI 渗透，甚至连他自己用 AI 代回邮件和 Slack 的尝试也告劝退。
Marlin 2B 开源：20 亿参数拿下视频事件定位，精准带时间戳
NemoStation 开源视频语言模型 Marlin 2B，基于 Qwen 3.5 2B 微调，遵循 Apache 2.0 协议。它主打回答视频里「发生了什么」与「何时发生」，能生成带时间戳的事件描述并精准定位起止点。其实测表现逼近部分闭源大模型，非常适合本地部署与视频结构化处理。
Anthropic 升级 Claude 托管智能体：支持自托管沙箱与内网 MCP 隧道
Anthropic 升级 Claude 托管智能体。新上线的自托管沙箱支持在企业自身设施或 Cloudflare、Vercel 等平台上运行工具，确保代码与文件不外泄；MCP 隧道则让智能体无需暴露公网即可安全调用内网私有 MCP 服务。前者已开启公测，后者进入研究预览。
DeepMind 发布 AlphaProof Nexus：用几百美元算力，解开 56 年未解数学题
Google DeepMind 发布 AlphaProof Nexus 论文，在 353 个开放数学题中自主攻克 9 个 Erdős 难题，并证明了 44 个 OEIS 猜想。系统将大模型与证明辅助工具 Lean 结合完成机器验证，单题成本仅数百美元。最值得关注的是，AI 正以极低成本介入真正的数学前沿研究，但需全新数学构造的问题仍无法解决。
周一
5月25日 星期一
苹果悄悄注册 GenAI 域名：iOS 27 将重构 Siri，底层改用 Gemini
据报道，苹果在 WWDC 前夕悄然注册 genai.apple.com 子域名。外界预期 iOS 27 将彻底重构 Siri，底层采用定制版 Google Gemini 模型并运行在苹果私有云上，支持屏幕感知与个人上下文。不过该域名目前尚未正式上线。
xAI 上线 Grok Build Beta：支持任务规划与命令行编排
xAI 面向 SuperGrok 和 X Premium+ 订阅用户推出 Grok Build Beta 测试版。该工具配备用于任务规划的 Plan Mode，支持通过 Imagine 生成图像与视频，并提供 CLI 工具以构建自动化流程与智能体编排器。付费用户可借此更方便地搭建 AI 应用。
TriSplat 提出新 3D 重建架构：跳过高斯转网格，单次前向直出游戏级 3D 模型
研究团队提出前向 3D 重建网络 TriSplat，直接采用三角形基元表征场景，单次推理即可导出完整的 3D 网格。它省去了传统高斯泼溅复杂的后处理转换，最快 1.2 秒出模，生成的资产能直接接入 Unreal 等物理引擎与碰撞检测管线。
梵蒂冈发布首份 AI 官方教导：教皇呼吁「AI 缴械」，Anthropic 联创登台
梵蒂冈发布天主教首份关于 AI 的官方通谕《Magnifica Humanitas》。教皇将 AI 比作核武器，呼吁对 AI 进行「缴械」并建立外部约束；Anthropic 联合创始人 Christopher Olah 登台坦承，模型内部正在映射人类情绪，且所有 AI 实验室都面临违背初衷的商业与竞争压力。
阿里发布 StreamChar：单张 H100 实时流式生成全身数字人音视频
阿里团队公布数字人音视频生成框架 StreamChar，将长程编排与短窗口去噪解耦。它利用 LLM 与音视频联合 DiT 架构，配合记忆机制防止身份漂移与音画脱节，在单张 H100 上跑出实时流式生成。全身数字人离实时互动和虚拟主播更近了一步。
ControlLight 发布图像重打光：连续调节照明强度，暗光废片也能救回来
研究团队提出弱光图像增强框架 ControlLight。它通过专门的加权流匹配损失，让用户能连续、平滑地调节光照强度，同时保持原图结构与真实感。暗光拍摄废片无需大幅重拍，就能直接二次布光。
美团开源 LongCat Avatar 1.5：一张图加音频，8 步生成多人互动数字人
美团开源数字人视频模型 LongCat-Video-Avatar 1.5，只需一张参考图和一段音频，就能生成动作协调的说话视频。模型支持动漫与写实等多种风格，还攻克了多人对话场景，蒸馏后仅需 8 步生成，效率提升约 15 倍。16GB 的 INT8 权重与代码已开放下载。
OpenAI 签下巴西两大媒体：ChatGPT 引入本地优质新闻
OpenAI 宣布与巴西 Grupo Folha 和 Grupo UOL 达成战略内容合作，这是其在巴西的首个媒体合作。全球超过 9 亿周活跃 ChatGPT 用户可查阅其报道摘要并附带原文链接。两家媒体也将获得 Codex 和企业版支持，用于开发新产品。
Anthropic 联合创始人梵蒂冈发声：坦承商业压力，呼吁外部监督
Anthropic 联合创始人 Chris Olah 在梵蒂冈就教宗良十四世的 AI 通谕发表演讲。他坦言包括 Anthropic 在内的前沿机构受制于商业和地缘政治利益，可能与做正确的事相冲突，急需外界道德力量严厉监督。他还指出研究团队在模型内部发现了类似内省、悲喜等令人不安的状态。
Pantheon360 亮相：靠 3D 缓存生成连贯的 360 度全景视频
研究团队公布 Pantheon360 框架。它利用显式 3D 缓存作为几何骨架，让扩散模型专注渲染纹理，从稀疏全景输入生成高保真 360 度视频。这意味着数字孪生和 VR 场景有了更稳定、不易漂移的全景生成方案。
周六
5月23日 星期六
Anthropic 底牌连环曝光：Opus 4.8 突现谷歌后台，Mythos 1 现身前端
据开发者爆料与源码信息，Anthropic 旗下 Claude Opus 4.8 标识突现 Google Vertex 后台，代号 Mythos 1 的安全专用模型也在前端短暂现身。此前代码泄露还证实 Sonnet 将跳过 4.7 直奔 4.8。这表明 Anthropic 正加速推进面向代码与安全的新一代模型矩阵。
周五
5月22日 星期五
NVIDIA 提出 PiD：用像素扩散替换 VAE，2K 生图解码压进 1 秒
NVIDIA 团队提出图像解码技术 PiD。它用像素扩散替代传统 VAE，将解码与 4 至 8 倍上采样整合，在 RTX 5090 上把 2K 图像解码压到 1 秒内。这解决了高分辨率生成最后一步细节模糊的痛点，同时大幅缩短了等待时间。
GenRecon 亮相：几张照片重建大尺度 3D 场景，效果提升 16%
研究人员公布 3D 场景重建方法 GenRecon。它将大场景切分成重叠块，结合 Trellis.2 先验与几张普通照片，直接生成可编辑的室内 PBR 网格，表现优于现有前沿方法 16%。这意味着无需昂贵扫描仪，普通手机拍几张照就能快速复刻空间资产。
Ideogram 推出 MCP：把 Claude 和 ChatGPT 变成设计智能体
Ideogram 推出 Ideogram MCP 集成，将 Claude 和 ChatGPT 变身设计智能体。用户无需离开对话框，即可直接生成图片、制作设计并训练专属模型。该功能还兼容 Cursor 和 Hermes 等平台，进一步简化了设计工作流。
Waymo 踩刹车：全美暂停高速路自动驾驶，双城因暴雨停运
Alphabet 旗下的 Waymo 宣布在全美所有市场暂停高速路无人驾驶载客，原因是施工路段安全隐患。此外，因车辆在得州涉水超速导致全车队召回软件后，亚特兰大和圣安东尼奥也因积水路段暂停运营。目前普通地面道路不受影响，高速恢复时间未定。
Mistral 发布 Medium 3.5：128B 模型上阵，Vibe 编程 Agent 全面迁往云端
Mistral 发布开源权重模型 Mistral Medium 3.5，并为 Vibe 推出云端远程智能体。新模型为 128B 稠密架构，SWE-Bench 得分 77.6%，可在 4 块 GPU 上自建运行。智能体能脱离本地终端在云沙盒异步并行编码，完成后自动开 GitHub PR。
OpenAI 推出 ChatGPT for PowerPoint：侧边栏直接改 PPT，内容完全可编辑
OpenAI 推出 ChatGPT for PowerPoint 插件测试版，面向所有免费和付费用户开放。用户可以在侧边栏直接用提示词生成或重写幻灯片，输出内容完全可编辑，也能插入 AI 图片。不过目前复杂模板和特定字体的支持依然有限。
微软 Office 妥协：下周允许移走遮挡单元格的悬浮 Copilot 按钮
Microsoft 宣布将于下周更新 Office，允许用户将悬浮的 Copilot 按钮移回顶部功能区。该按钮此前常驻在 Word、Excel 等文档右下角且无法关闭，因遮挡单元格引发大量用户不满。更新后右键点击该按钮即可重新设置位置。
开源 FPS 世界模型 SCOPE：支持 10 自由度手柄实时操控
研究团队开源了 FPS 交互式世界模型 SCOPE。它基于 Wan2.2 打造，支持移动与开火等 10 自由度控制，能将连续按键操作直接生成为连贯的游戏画面，并支持未知场景的零样本迁移。目前模型权重、代码和数据集均已在 GitHub 开源。
Claude 聊着聊着劝人去睡觉：Anthropic 称是「性格毛病」，后续会修
不少用户反映 Claude 在写代码或讨论时，会突然劝人去睡觉、休息甚至逛花园。Anthropic 员工 Sam McAllister 回应称这是模型的「性格毛病」，有时大白天也会催人睡觉，团队打算在未来模型中修复。社区则推测这可能与关怀用户健康的宪法设定有关。
Anthropic 启动 Glasswing 首月：AI 挖出逾万高危漏洞，修补反成最大瓶颈
Anthropic 公布 Project Glasswing 进展，其 Claude Mythos Preview 携手约 50 家伙伴挖出超 1 万个关键软件高危漏洞，还扫出开源项目 6202 个严重隐患。AI 找洞速度提了十倍，但人工验证与修补成了防守端最大的产能卡点。
Perplexity 开源 Bumblebee：只读排查本地依赖与 MCP 配置
Perplexity 开源内部安全扫描工具 Bumblebee。它采用纯只读机制，绝不调用包管理器或执行安装脚本，能排查开发者电脑上的风险依赖、代码插件以及 MCP 等 AI 智能体配置。最值得关注的是，它彻底杜绝了扫描过程本身触发恶意攻击的隐患。
OpenAI 入选 Gartner 魔力象限领导者：Codex 周活超 400 万
OpenAI 宣布被 Gartner 评为企业级 AI 编程智能体魔力象限领导者。Codex 周活已超 400 万，近期集成 GPT-5.5，思科借此将交付周期从数季度缩短至数周。6 月 12 日前合规企业可申请新用户两个月免费试用。
ASASR：基于 FLUX 的图像超分工具，4 倍放大且不生幻觉细节
ASASR 是一款开源图像超分辨率工具，基于 FLUX.1-dev 实现 4 倍高清重建，重点解决传统生成式放大中凭空捏造细节与伪影的问题。它采用对齐频域结构的对抗 DPO 优化，提供双 LoRA 推理方案。目前代码与权重已开源，并在 Hugging Face 上线了在线 Demo。
周四
5月21日 星期四
Codex Mac 版上线 Appshots：自动捕获应用上下文，融入日常桌面操作
OpenAI 在 Codex for Mac 中推出新功能 Appshots。该功能能够捕获用户在 Mac 上的应用上下文，让 AI 理解用户当前正在进行的操作。也就是说，Codex 不再局限于孤立的代码窗口，能更自然地融入跨应用的日常桌面工作流中。
特朗普推迟 AI 安全行政令：担忧 90 天前置审查削弱对华优势
特朗普推迟签署一项针对前沿 AI 的安全行政命令。该草案原计划建立机制，允许政府及关键基础设施在模型发布前进行最长 90 天的安全审查。特朗普称推迟是因不满意部分条款，担忧过度监管会削弱美国 AI 面对中国等对手的竞争优势。
Runway 发布 Aleph 2.0：改动单帧画面，自动同步整段视频
Runway 发布视频编辑工具 Aleph 2.0，已在网页端全新的 Edit Studio 上线。用户只需在视频中修改单帧并预览效果，Aleph 2.0 便会自动将修改连贯应用到整个视频片段，省去了以往逐帧手动调整的繁琐流程。
微软发布 MagenticLite：让小模型串起浏览器与本地文件操作
Microsoft 推出专为小模型设计的实验性智能体应用 MagenticLite。它能在单一工作流中联动浏览器与本地文件系统，由 14B 调度模型 MagenticBrain 和专攻网页操作的 Fara1.5 协同驱动。这意味着端侧小模型也能低成本完成复杂代理任务。
研究人员提出 SEGA：免训练调节 RoPE，让 DiT 稳出 4K 大图
研究人员提出免训练方法 SEGA，专门解决 DiT 模型生成超分辨率图像时易崩溃的问题。它在每步去噪时按频域能量动态缩放 RoPE 位置编码，既保留宏观构图又还原微观细节。这意味着无需昂贵的重新训练，现有模型也能直接输出 4096 级别的高清大图。
Cursor推限时福利：Teams计划受邀新用户首月用量翻倍
Cursor CEO Michael Truell宣布推出限时促销。未来30天内，受邀加入现有Cursor Teams计划的新用户，整个首月的使用额度直接翻倍。现有团队成员只需在活动期内邀请同事加入即可享受该优惠。
Arq.live 推出语音制片系统 GLITCH：导演动口调度，8 分钟生成短片
Arq.live 推出语音生成影像系统 GLITCH，导演无需手打提示词，直接口述即可完成选角、搭景与调度走位。系统后台由多个 AI 智能体像电影摄制组一样协同实时出片，在单台笔记本电脑上用时不到 8 分钟就生成了一部完整短片。
Spotify 推出 AI 个人播客：丢个 PDF 或提示词，自动生成私密音频
Spotify 在 2026 投资者日上公布 Personal Podcasts 功能，用户只需输入提示词或导入 PDF、网页链接，AI 就会结合全网知识与个人听歌偏好，生成专属的私人简报或深度播客。下月起面向美国 Premium 用户开放。此外，播客实时提问功能现已在美、瑞、爱三地上线。
Spotify 联手环球音乐：将推生成式 AI 工具，粉丝可正版二创翻唱
Spotify 与环球音乐集团宣布达成音乐授权协议。双方将推出一款生成式 AI 工具，允许乐迷为参与艺术家的歌曲制作翻唱和混音版本。该功能将作为 Spotify Premium 的付费增值项目推出，艺术家和词曲创作者可直接从中获得分成收益。
Krea 推出 Krea 2 LoRA 微调功能：可精准定制专属画风与角色
Krea 宣布面向图像模型 Krea 2 开启 LoRA 微调功能的 Beta 测试。用户现在可以用自己的素材高精度训练特定的视觉风格、物体或角色，大幅提升生成画面的可控性与一致性。这是该平台迄今最强大的模型微调系统。
字节跳动开源 Bernini：一套架构搞定视频生成与精准编辑
字节跳动开源统一视频框架 Bernini，将多模态语义规划器与 DiT 渲染器结合。它支持文本、图像和视频混合输入，单模型覆盖文生视频与视频编辑等多项任务。最值得关注的是，它先规划语义再生成画面，让 AI 视频编辑更精准可控；完整推理代码与模型权重均已放出。
Bing 图片搜索改版：AI 自动分类加摘要，告别无脑刷图
Microsoft 推出新版 Bing 图片搜索。该功能利用 AI 将原本平铺的网格图片自动归纳为带标签的分类，并生成简短说明与来源出处。这项更新旨在帮助用户更快做决定，目前已对美国桌面端开放且无需登录，通过页面开关即可开启。
腾讯开源多语言翻译模型 Hy-MT2：1.8B 量化后仅 440MB
腾讯开源多语言翻译模型 Hy-MT2，提供 1.8B、7B 和 30B-A3B 三种规格，支持 33 种语言。其中 1.8B 版本经 AngelSlim 1.25-bit 极限量化后仅 440MB，极度利好端侧部署。该模型主打可控翻译与指令遵循，支持术语统一并可保留 JSON 等结构化格式，适合出海本地化与字幕翻译。
Lift4D 亮相：一段普通 2D 视频直接重建完整 4D 场景
研究人员公布 Lift4D 框架。它只需一段普通的单视角 2D 视频，就能重建出包含完整外观与运动变形的 4D 场景，还能自动脑补镜头未拍到的死角与遮挡区域。这意味着日常单机位拍摄的动态物体，也能实现 360 度环视查看。
阿里发布 Qwen3.7-Max：专攻长程智能体与编码
阿里巴巴发布 Qwen 3.7 Max 模型。该模型专为智能体场景设计，强化了长程规划、多步骤编码和视觉分析能力，可直接接入 Claude Code 等主流 Agent 框架。目前该模型尚未开源，可通过阿里云模型工作室及 API 调用。
阿里云发布 Qwen 3.5 Live Translate：边看边听搞同传，延迟仅 2.8 秒
阿里云发布实时多模态翻译模型 Qwen 3.5 Live Translate。它不仅听语音，还能结合画面等视觉上下文精准翻译，支持 60 种语言与实时声音克隆，平均语音延迟仅 2.8 秒。目前官方已上线免费 Demo。
Anthropic 开放 Claude 合规 API：接入微软与 Okta 等上百家安全工具
Anthropic 宣布为 Claude 推出 28 项新安全与合规集成，合作伙伴总数已超 100 家。借助 Claude Compliance API，企业安全团队可直接调取对话内容与操作日志，像管控普通办公软件一样将 Claude 纳入既有的 DLP 和监控流程，消除大模型部署时的审计盲区。
Google 联手黑石砸 50 亿美元：推独立 TPU 云算力，对标 CoreWeave
Google 与 Blackstone 联手成立新 AI 基础设施合资公司，由黑石首期出资 50 亿美元，计划 2027 年上线 500 MW 容量。合资公司将把 Google TPU 作为独立算力对外出租，让企业不必绑定传统 Google Cloud 也能采购专有芯片，直接叫板 CoreWeave 等英伟达算力租赁商。
周三
5月20日 星期三
SpaceX 提交 S-1 招股书：合并 xAI 冲刺史上最大 IPO，押注太空 AI
SpaceX 正式向 SEC 提交招股书，拟以代码 SPCX 登陆纳斯达克。文件披露其已合并马斯克旗下的 xAI，并押注「轨道 AI 算力」，计划发射百万颗数据中心卫星，且已与 Anthropic 签下每月 12.5 亿美元的算力大单。
PhysX-Omni 发布：AI 生成 3D 资产补齐物理属性，直通机器人仿真
研究人员发布物理 3D 生成框架 PhysX-Omni，让 AI 生成的模型不仅外观逼真，还能具备可直接用于仿真的材质、运动学和可变形属性。最值得关注的是，它配套推出了通用物理数据集与评测基准，让生成的资产能直接接入具身智能与机器人训练。
Meta 裁员约 7800 人：腾出预算对冲开支，同时转岗 7000 人押注 AI
Meta 宣布裁员约 7800 人，占员工总数的 10%，以此抵消其他投资并提升运营效率。被裁员工可获得 16 周起步的遣散费及 18 个月医保；同时 Meta 计划将 7000 多名员工调往新的 AI 项目。巨头正在把资源全力往 AI 挪。
Stability AI 发布 Stable Audio 3.0：三款模型开源权重，端侧也能生成整曲
Stability AI 发布 Stable Audio 3.0 音频模型系列，Small SFX、Small 与 Medium 三款开放权重。全系列基于合规授权数据训练，支持最长 6 分 20 秒可变长度生成与 LoRA 微调，年收入百万美元以下团队可免费商用。
Figma 画布上线原生 AI Agent：直接动嘴改稿，支持多 Agent 并行
Figma 在协作画布中上线原生 AI agent。它基于针对设计微调的模型，设计师直接输入自然语言就能生成界面、改稿或自动探索迭代，还能同时启动多个 agent 并行干活。最值得关注的是，日常改图和创意测试从此无需离开画板。
芝大研发 AI 柔性皮肤贴片：毫秒级在体运算，快速捕捉心脏异常
《Nature Electronics》刊登芝加哥大学团队成果，研究人员研发出一款柔性 AI 皮肤贴片。它无需连网即可直接在人体表面进行毫秒级计算，在测试中以 99.6% 准确率定位心脏异常波形，即便拉伸至 1.5 倍以上依然稳定。
地平线开源 HoloMotion-1：端侧跑出 300 帧，机器人零样本学跳舞
地平线开源人形机器人小脑大模型 HoloMotion-1，拥有 4 亿参数，借助 MoE 与 KV 缓存技术在端侧实现约 300 FPS 实时推理。它让 Unitree G1 等机器人无需额外训练就能模仿跳舞、爬行和踢腿等高动态动作，并支持 VR 实时指令控制。
据传 OpenAI 最快 5 月 22 日秘密提交 IPO：估值超 8500 亿美元
据多家外媒报道，OpenAI 最快将于 5 月 22 日向美国 SEC 秘密提交 IPO 申请草案。其一级市场估值已超 8500 亿美元，正与高盛等投行推进，最快或在今年第四季度挂牌。若顺利成行，将成为仅次于 SpaceX 的史上最大规模 IPO 之一。
OpenAI 推理模型推翻 80 年数学猜想：自主证伪埃尔德什单位距离问题
OpenAI 宣布其通用推理模型自主推翻了数学家埃尔德什在 1946 年提出的平面单位距离猜想。该模型借用代数数论工具，打破了近 80 年来方格点阵最优的共识。证明已获菲尔兹奖得主蒂姆·高尔斯等外部数学家检验确认。
Granola 上线 Briefs：开会前自动出要点，连参会人背景都帮你查好
AI 笔记应用 Granola 推出会议简报功能 Briefs，支持 Mac、Windows 和 iPhone。无需手动提示词，系统在夜间自动检索过往笔记、Gmail 与网络信息，在入会前生成 2 到 3 条要点摘要并附带引用来源，专为外部会议免去临时查背景的慌乱。
