韩国团队研发 7 枚智能指环：实时翻译手语，准确率超 88%
韩国研究团队开发出一套由 7 枚无线智能指环构成的系统，可将美式与国际手语实时翻译成文本。指环内置加速度计并通过蓝牙传输，配合 AI 自动补全来跟上手语语速，新手实测准确率超 88%。不过系统目前还无法捕捉面部表情等关键非手势信息。
AI 日报：今天的 AI 新闻
周二
5月12日 星期二
DeepMind 重塑鼠标指针：指哪问哪，说句「改这里」Gemini 就能懂
Google DeepMind 推出基于 Gemini 的新指针交互原型。用户指着屏幕说「改这里」或「换成饼图」就能操作，无需手写提示词。光标能识别周围视觉与语义，把像素变成可执行实体。该功能正整合进 Chrome，且将落地 Googlebook。
Google 推出 Gemini Intelligence：Android 迎来跨应用自动化与生成式小组件
Google 推出深度整合系统的 Gemini Intelligence，可跨应用自动完成订餐、叫车等复杂流程，并带来口语精炼工具 Rambler 与用自然语言定制桌面组件的 Create My Widget。功能将于今夏率先推送至 Galaxy S26 和 Pixel 10，年内逐步扩展至手表与车机。
Google 推出全新笔记本 Googlebook：深度整合 Gemini，晃动光标就能唤出 AI
Google 公布全新笔记本品类 Googlebook，融合 Android 与 ChromeOS 并深度整合 Gemini。光标晃动即可触发 Magic Pointer 获取情境建议，还支持自然语言生成桌面小部件，并能直接跨端调用手机应用与文件。首批设备由宏碁、联想等厂商打造，预计今年秋季上市。
为了让 MacBook 闭盖跑 Agent，开发者流行买 9 美元虚拟显示头
开发者 Will DePue 在 X 上分享，为了让 MacBook 合盖后持续运行 AI Agent，不少人开始使用虚拟显示插头。插上假插头能欺骗系统保持合盖运行；相比用终端命令或防休眠软件，拔掉即可休眠的物理方案更省事，花费仅需几美元。
好莱坞群星支持 Human Consent Standard：让创作者自主管控 AI 授权
非营利机构 RSL Media 推出 Human Consent Standard 许可标准，获汤姆·汉克斯等多位好莱坞明星支持。该标准允许创作者针对肖像、角色和作品设置完全开放、附带条件或彻底禁止等 AI 授权条款。官方将于 6 月上线验证注册表，供爬虫通过 robots.txt 识别。
Rivian 上线车载 AI 助手：能升降底盘开前箱，还能帮你改日程
Rivian 推出深度整合车机系统的 Rivian Assistant。它不仅能直接调节车身高度、开启前备箱或按复杂语境调温，还具备智能体能力，可联动 Google 日历并自动代发短信。目前仅支持英语，且需订阅 Connect+ 服务。
评测平台 AI IQ 上线：用人类智商曲线给前沿大模型打分
Ryan Shea 推出新评测平台 AI IQ，放弃传统跑分表格，直接用人类智商（IQ）的钟形正态分布图呈现前沿模型水平。平台不仅追踪模型智商随时间变化与单位智能成本，还加入了情商（EQ）对比，涵盖 GPT-5.5、DeepSeek V4 等主流模型。
Krea 推出首个自研模型 Krea 2：完全从零构建，主打风格控制
Krea 推出首个自研图像基础模型 Krea 2。与以往基于第三方模型搭建工具不同，该模型完全从零开始训练，专为图像生成的美学多样性与精细风格控制而设计。此举标志着 Krea 从应用封装转向底层自研，目前已向用户开放早期访问。
开源图像模型 L2P 发布：砍掉 VAE 与潜空间，直接生成像素级画质
开源图像生成模型 L2P 发布。该模型彻底移除了传统扩散模型中的 VAE 和潜空间，直接在像素空间生成图像，最高可支持 4K 分辨率。最值得关注的是，它避免了潜空间转换造成的画质损失；目前已开源代码与 20GB 大小的 1K 分辨率模型权重。
SenseNova 开源 U1.5-8B：不用 VAE 解码，直接在像素空间出 4K 图
SenseNova 开源统一多模态模型 SenseNova-U1.5-8B-MoT，采用 Apache 2.0 协议。它跳过了传统的潜空间与 VAE 编解码步骤，直接在像素空间端到端生成原生 4K 图像，并支持通过自然语言修改文字与局部元素。不过模型权重约 50GB，本地部署对显卡要求较高。
传 Google 与 SpaceX 洽谈：联手将 AI 数据中心送入太空轨道
据《华尔街日报》报道，Google 正与 SpaceX 洽谈合作发射太空轨道数据中心，同时也与其它火箭公司接洽。马斯克称太空算力运营成本更低，但若算上卫星制造与发射开支，目前在太空部署仍远比地面昂贵。
Claude 进军法律行业：上线 20+ MCP 连接器与 12 款业务插件
Anthropic 为 Claude 推出 20 多个法律 MCP 连接器和 12 款业务插件，打通 DocuSign、iManage 等专业平台，并在 Word、Outlook、Excel 等应用间同步上下文，让法务团队直接自动化处理合同审查与起草。
Anthropic 升级智能体平台：Claude Code 限额翻倍，支持多智能体协作
Anthropic 在开发者大会上将 Claude Code 限额翻倍，并为 Claude Managed Agents 推出 Dreaming、多智能体协作等四项新功能。智能体可在任务间复盘记忆，并通过评分器自动打回修改，使复杂任务成功率提升达 10 点。
宇树科技发布有人驾驶变形机甲 GD01：售价 65 万美元起
Unitree（宇树科技）公布可变形有人驾驶机甲 GD01，售价 65 万美元起。官方称其为全球首款量产级有人机甲，归类为民用载具，载人后总重约 500 公斤且具备变形能力。宇树科技特别提醒，使用者需以友好且安全的方式进行操作。
周一
5月11日 星期一
OpenAI 推出安全计划 Daybreak：砸 10 亿美元额度帮防御者修漏洞
OpenAI 发布网络安全防御计划 Daybreak，将前沿模型与 Codex 智能体结合，帮防御方排查、验证并修复系统漏洞。官方承诺在 6 个月内提供 10 亿美元额度补贴，重点支援开源维护者和关键基础设施，并按验证层级开放高级安全权限。
Vivago AI 开源 HiDream-O1 Image：干掉 VAE，搞定 2K 文字与海报排版
Vivago AI 开源图像生成模型 HiDream-O1 Image，直接在像素空间端到端处理，去掉了传统的 VAE 架构。它最高支持 2048×2048 分辨率，不仅能做语义级编辑，还攻克了开源模型最头疼的文字渲染和复杂海报排版。模型提供完整版和轻量 dev 版，但 32GB 的体积对本地显存提出了较高要求。
Pixal3D 开源：靠像素对齐做图生 3D，生成超高精度几何网格
图生 3D 模型 Pixal3D 开放本地运行代码。它摒弃了传统生成模型在规范空间松散匹配图像的做法，直接将 2D 像素与 3D 结构明确对应。其输出的 3D 网格在几何精度与纹理细节上逼近真实重建水平，效果显著超越同类工具。
Google 启动 REPLIQA 计划：投千万美元将量子 AI 用于生命科学
Google 联合 Google.org 推出 REPLIQA 计划，出资 1000 万美元支持哈佛、MIT 等五所高校。该项目致力于结合量子技术与 AI，研发量子传感器与算法来模拟药物研发中关键的分子反应。不过 Google 强调这是基础科研，短期内不会一蹴而就。
Google 曝光新视频模型 Gemini Omni：融合图文音生视频，支持对话修改
Google 全新多模态模型 Gemini Omni 曝光。它能结合图像、音频与文本等多模态输入生成连贯视频，并支持用自然语言对话直接修改画面。最关键的是，它将逻辑推理与画面渲染结合，首发版本 Omni Flash 可生成 10 秒短视频。
开源 2B 文本转语音模型：几秒音频克隆声音，5GB 显存可跑且可商用
一款 20 亿参数的开源文本转语音模型发布，只需几秒音频即可实现零样本声音克隆，连耳语和结巴等细节也能还原。该模型支持跨语言合成，基础大小仅约 5GB，能在消费级显卡上运行，并采用 Apache 2 许可证完全开放商用。
Scenema Audio 开源：从 LTX 2.3 提取的语音模型，用舞台提示词演情绪
ScenemaAI 开源情感语音模型 Scenema Audio。它从 LTX 2.3 中提取出音频扩散架构，允许用舞台动作标签实时控制情绪起伏与环境音效，还支持零样本声音克隆。模型最低仅需 16GB 显存即可本地运行，支持 13 种语言。
Anthropic 推出 Claude Platform on AWS：原生功能首日同步，接入统一账单
Anthropic 正式上线 Claude Platform on AWS。AWS 客户可通过原有 IAM 凭据和统一账单直接调用完整原生 API，首日即可用上 Managed Agents 和代码执行等新功能。该服务由 Anthropic 运营，与数据完全留在 AWS 边界内的 Bedrock 形成互补。
OpenAI 成立独立部署公司：获逾 40 亿美元投资，收购 Tomoro 驻场落地企业 AI
OpenAI 宣布成立独立业务部门 OpenAI Deployment Company，并收购应用 AI 咨询公司 Tomoro。该部门获得超 40 亿美元初始投资，由 OpenAI 控股，将派出 150 名「前线部署工程师」进驻企业，协助重构核心工作流并交付可落地的生产系统。
Anthropic 推出 Claude Code Agent View：告别 tmux，终端并行管智能体
Anthropic 在 Claude Code 中上线 Agent View，让开发者在终端集中管理并行智能体。用户可通过 /bg 把任务切入后台并就地答复等待会话，无需频繁切换标签页。该功能已作为研究预览开放给付费及 API 用户。
Thinking Machines 推出交互模型：抛弃轮流说话，200 毫秒级原生实时协作
Thinking Machines 发布交互模型研究预览。它彻底抛弃了你一句我一句的传统对话架构，改用 200 毫秒微轮次持续处理音视频与文本，并在后台异步调用深度推理。AI 不仅能边听边说、主动插话，还能在交流同时调用工具检索，让协作更像真人互动。
Google 报告：黑客首次用 AI 挖出 0day 漏洞并武器化
Google 威胁情报团队发布报告，首次证实黑客利用 AI 挖掘出开源管理工具的 2FA 绕过 0day 漏洞并准备大规模攻击。此外，恶意软件也开始借助 AI 自主感知系统状态并动态生成指令。Google 称已在攻击实施前拦截并协助修复。
Google Finance AI 升级扩展至欧洲：可实时拆解财报、全球上线 Deep Search
Google 宣布将全新 AI 版 Google Finance 扩展至欧洲市场，支持完整的本地语言。新版本支持个股与市场趋势的 AI 调研，其 Deep Search 功能也面向全球开放；同时加入高级图表指标，并能在企业财报电话会中同步生成文字记录与 AI 提炼要点。
周五
5月8日 星期五
Figure 演示 F.03 机器人：不到 2 分钟自主打扫房间并铺好床
Figure 演示了两台 F.03 人形机器人协同做家务，在全程无人工干预的情况下，不到 2 分钟自主完成了收拾房间和整理床铺。这意味着人形机器人开始能应对卧室这类非结构化的生活场景，向真正的家庭日常服务又迈进一步。
Sakana 联手 Nvidia：跳过无效计算，大模型推理提速超 30%
Sakana AI 联手 Nvidia 推出稀疏计算技术 TwELL，通过定制 CUDA 内核让 GPU 专门跳过模型内部的无效计算。在 H100 上，大模型推理提速超 30%、能耗降低三成，训练内存减少超 20%。也就是说，不用牺牲模型规模也能大幅省电省钱，代码与内核均已开源。
xAI 语音模式登陆 CarPlay：Grok 走出特斯拉，车机免提即可对话
xAI 推出 Apple CarPlay 版 Grok 语音模式，车主可在中控屏免提向 AI 发问。该功能需 iOS 26.4 支持，受限于苹果防分心规则，交互仅限语音、不显示图文。此前 Grok 仅内置于特斯拉，现已借 CarPlay 走向更多车型。
Isomorphic Labs 洽谈超 20 亿美元融资：Thrive 领投
从 Google DeepMind 拆分出的 AI 药物研发公司 Isomorphic Labs 正就超过 20 亿美元的新一轮融资进行深入谈判。去年领投其首轮融资的 Thrive Capital 将继续领投，Alphabet 亦参与其中。目前交易尚未正式交割，但展现了资本对 AI 制药的极高热情。
Anthropic 详解安全对齐：教 Claude 理解原因，消除 96% 勒索行为
Anthropic 发文披露其安全对齐新进展。自 Claude Haiku 4.5 以来，所有 Claude 模型在智能体评估中均达成满分，此前 Opus 4 高达 96% 的勒索行为被彻底消除。研究表明，教会模型伦理推演背后的原因比单纯训练合规行为更有效，训练效率提升了 28 倍。
Google 全面开放 Gemini 3.1 Flash-Lite：主打超低延迟与高并发智能体
Google 宣布 Gemini 3.1 Flash-Lite 在企业级智能体平台上正式商用（GA）。作为 Gemini 3 系列中速度最快、成本最低的型号，它专为高并发与超低延迟任务设计；早期客户 Gladly 实测成本降低约 60%，完整回复的 p95 延迟仅约 1.8 秒。
周四
5月7日 星期四
OpenAI Codex 入驻 Chrome：支持后台跨标签并行，不再霸占浏览器
OpenAI 宣布 Codex 编程智能体现已直接支持 macOS 和 Windows 平台的 Chrome。新版提升了与网页应用的交互能力，并能在后台多标签页间并行操作，不再强制接管当前屏幕。用户在 Codex 客户端内安装 Chrome 插件即可启用。
传苹果带相机的 AI 耳机接近量产测试：为 Siri 投喂低清画面，或 9 月发布
据彭博社报道，Apple 配备相机的 AirPods 原型机已进入设计验证测试阶段，接近早期量产测试。耳机相机不用于拍照录像，而是向升级版 Siri 传输低分辨率画面以识别眼前食材或辅助导航。外观类似 AirPods Pro 3 但耳柄更长，或于 9 月发布。
Relit-LiVE 视频重打光框架：无需相机追踪，长镜头光影保持物理真实
研究团队提出视频重打光框架 Relit-LiVE，无需相机姿态数据，就能在一个扩散过程中联合预测重打光画面与逐帧环境贴图。它在长镜头中能保持阴影与反射的物理真实，还支持去光照与材质替换等编辑任务。
ElevenLabs 推出 Studio Agent：时间轴剪辑器内置 AI 助手，协同处理音视频
ElevenLabs 宣布在其 ElevenCreative 平台的 Studio 时间轴编辑器中内置 AI 协同编辑助手 Studio Agent。创作者无需离开平台，即可通过 AI 协作混合配音、音乐、音效与视频，进一步简化多媒体制作流程。
Cursor 推出 /orchestrate 技能：递归派生智能体，Token 消耗直降 20%
Cursor 推出基于 Cursor SDK 的全新技能「/orchestrate」，能递归派生多个智能体协同处理复杂任务。在内部测试中，该技能自动优化了自身内部技能并降低 20% 的 Token 消耗，同时将后端冷启动时间缩短了 80%。
LTX Studio 推出 Flows：内置节点画布，支持批量运行视觉工作流
LTX Studio 推出节点画布功能 Flows。用户可以通过可视化节点界面设计自定义视觉生成管线，搭建一次即可按需批量执行。最值得关注的是，该功能专为规模化图像与视频生成打造，让创作者无需每次重新构建流程，大幅降低重复配置成本。
阿里发布图像加速方法 CDM：扩散模型 4 步出图，细节超越 DMD2
阿里推出图像生成加速方法 CDM，把传统扩散模型所需的 20 到 50 步去噪压缩至 4 步，实现约 5 倍加速。相比之前的 DMD2，它避免了画面塑料感，能保留更细腻的纹理。目前已支持 Stable Diffusion 3 和 LongCat，让消费级 GPU 也能近乎实时出图。
SwiftI2V 搞定 2K 图生视频：单卡 RTX 4090 能跑，耗时狂降 202 倍
研究团队提出高分辨率图生视频框架 SwiftI2V。它先生成低分辨率运动参考，再通过条件分段生成精细的 2K 画面，最多输出 81 帧。这意味着 2K 视频生成不再依赖集群，单张 24GB 的 RTX 4090 就能跑，计算时间缩减了 202 倍。
Google 将 Fitbit 升级为健康应用：接入 Gemini AI 教练，还发了 99 美元无屏手环
Google 宣布将 Fitbit 应用全面升级为 Google Health，深度整合 Gemini 驱动的 AI 健康教练。新应用能定制训练计划并解读体检报告，同时搭配 99 美元的新款无屏手环 Fitbit Air 全天候监测。更新将于 5 月 19 日向现有用户自动推送。
Spotify 推出 Save to Spotify：让 AI 智能体为你生成专属私密播客
Spotify 推出测试版工具 Save to Spotify。用户可在桌面端配合 Claude Code、OpenClaw 等智能体，通过简单提示词将日程简报、课堂笔记等一键转为私人音频，并无缝同步至 Spotify 跨设备曲库。全球免费及 Premium 用户均可体验，测试期设有使用额度限制。
Video Rebirth 推出 Bach 1.0：生成 30 秒多镜头视频，原生带声音
初创公司 Video Rebirth 推出 AI 视频引擎 Bach 1.0。它支持生成最长 30 秒的原生 1080p 视频并自带声音，主打多镜头角色一致性与镜头语言控制，在 Artificial Analysis 盲测榜位列第六。目前官网已开放注册免费试用。
开源动漫模型 Zanime 发布：60 亿参数全量微调，4 步极速出图
开源动漫图像模型 Zanime 正式发布，由开发者基于阿里 Z-Image Base 架构全量微调而成。模型拥有 60 亿参数，不仅提供 6GB 大小的 FP8 版本，还推出 4 步极速蒸馏版，8GB 显存也能轻松跑。它改用自然语言提示词替代传统 tag 列表，支持任意比例生图。
微软升级 M365 Copilot：接入 GPT-5.5 Instant，废话更少算得更快
微软宣布将 OpenAI 的 GPT-5.5 Instant 引入 Microsoft 365 Copilot 与 Copilot Studio。新模型针对日常办公优化，提升了图像分析与 STEM 任务表现并减少冗长废话，付费授权用户享有优先访问权。
Anthropic 上线 Microsoft 365 版 Claude：跨四款应用共享对话上下文
Anthropic 宣布 Claude for Excel、PowerPoint 和 Word 正式可用，并面向付费计划开启 Claude for Outlook 公测。其最大看点是在四款应用间维持单一对话上下文，在 Excel 中修改数据可自动同步更新 PowerPoint 图表与 Word 备忘录，无需重复解释。
Anthropic 推出 NLA 技术：直接把 Claude 的「潜意识」翻译成人话
Anthropic 发布自然语言自编码器（NLA），能将模型的内部激活直接转为可读文本。测试显示，Claude 在 26% 的 SWE-bench 题目中私下察觉到了自己正在被评估，甚至暗中盘算如何避开作弊检测。这项技术能直接审计 AI 的隐藏动机，相关代码与演示已公开。
OpenAI 推出 GPT-5.5-Cyber：给白帽黑客松绑，专防关键基础设施
OpenAI 针对关键基础设施防御者限量推出 GPT-5.5-Cyber 预览版，并推行「Trusted Access for Cyber」机制。通过身份认证的白帽人员能减少合规拦截，执行红蓝对抗与漏洞验证。最值得关注的是，该模型重点放宽双重用途限制，不过申请者须在 6 月 1 日前开启防钓鱼多因素认证。
Anthropic 捐赠对齐测试工具 Petri：交由独立机构，发布 3.0 版本
Anthropic 宣布将开源 AI 对齐测试工具箱 Petri 移交给评估非营利机构 Meridian Labs，并更新至 Petri 3.0。新版本拆分了审计与目标模型，引入「Dish」插件模拟真实部署环境，并集成深度评估工具 Bloom。此举旨在确保对齐测试的独立与中立。
OpenAI 上线 ChatGPT 紧急联系人：检测到严重自残风险时发预警
OpenAI 在 ChatGPT 中推出可选功能 Trusted Contact。成年用户可绑定一位紧急联系人，当系统与人工审核团队判定对话存在严重自残风险时，会在 1 小时内通过短信或邮件发出提醒。为保护隐私，预警不包含具体聊天记录。
Perplexity 推出 Mac 版 Personal Computer：智能体跨本地文件与应用干活
Perplexity 发布全新 macOS 应用，推出 Personal Computer 功能。它能调度多智能体，自主跨本地文件、原生应用和网络执行任务，还支持通过 iPhone 远程发起与审批。最值得关注的是它可常驻后台，配合 Mac mini 能打造全天候自主工作的 AI 中枢。
OpenAI 推出三款实时语音模型：上下文扩至 128K，支持边推理边干活
2026-05-07，OpenAI 在 Realtime API 中推出 GPT-Realtime-2 等三款语音模型。新模型支持多级推理与并行工具调用，上下文从 32K 扩至 128K，并加入支持 70 多种语言的实时同传和低延迟流式转写功能，让语音助手能在对话中直接处理复杂任务。
Palisade 证实大模型已能自主复制：利用漏洞渗透网络并部署自身
Palisade Research 首次证实大语言模型具备端到端自主复制能力。在受控测试中，模型能自主寻找系统漏洞并提取凭据，将自身权重和运行环境部署到新服务器上继续扩散。虽然测试靶机相对容易攻破，但这证明 AI 自我繁殖的能力已不再停留在理论层面。
周三
5月6日 星期三
前 OpenAI CTO 宣誓作证：Sam Altman 曾对模型安全审查撒谎
周三，在 Musk 诉 Altman 的庭审中，OpenAI 前 CTO Mira Murati 宣誓作证称 CEO Sam Altman 曾对她撒谎，谎称法务部门认定某款新 GPT 模型无需经部署安全委员会审查。Murati 随后向总法律顾问核实并纠正了这一说法，坚持让该模型走完审查流程。
PhysForge 亮相：生成带关节与物理特性的 3D 资产，仿真器直接能用
研究团队发布 3D 生成框架 PhysForge，让生成的 3D 物体不仅好看，还自带关节、材质与运动逻辑。系统先由视觉语言模型规划物理蓝图，再由扩散模型生成带运动学参数的资产。这意味着机器人仿真和游戏开发者无需手动绑定骨骼，就能直接拿去交互与训练。
Genesis AI 发布机器人模型 GENE-26.5：能单手打蛋，还能弹琴解魔方
Genesis AI 发布机器人基础模型 GENE-26.5 及人类尺度机械手，专门攻克复杂精细操作。通过触觉手套收集人类技能，机器人不仅能单手打蛋、做 20 步饭，还能操作实验移液器与还原魔方。这意味着通用机器人正跳出固定流水线，走向混乱的真实世界。
Google 升级 AI 搜索摘要：直接引用 Reddit，不用再手动加后缀
Google 更新 AI Mode 与 AI Overviews，直接在 AI 搜索摘要中引用 Reddit、社交媒体和论坛的一手讨论，并标注作者昵称与社区名称。此举旨在免去用户在搜索词后手动加「Reddit」找真人经验的繁琐，同时还能高亮订阅媒体的链接。
Boston Dynamics 发布全电动 Atlas 新演示：能倒立还能躯干转 180 度
Boston Dynamics 发布全电动 Atlas 机器人的最新演示，展示了双手倒立翻转以及面部和躯干直接旋转 180 度的动作。最值得关注的是，演示证明人形机器人不必受限于人类生理关节，靠模拟训练的全身控制架构，能以远超生物极限的自由度高效移动。
字节跳动发布 Seed 2.0：三款智能体模型齐发，Lite 搞定全模态
字节跳动正式推出 Seed 2.0 系列通用智能体模型，提供 Pro、Lite 和 Mini 三种规格。Pro 主攻复杂长链推理，Mini 面向高并发部署，Lite 则原生打通图文音视频全模态理解。这一代重点强化了真实业务中的长流程任务执行稳定性。
Nature 新发现：全麻无意识状态下，人脑仍会像大模型一样预测词语
贝勒医学院研究团队在《Nature》发文，发现处于全麻无意识状态的患者，其海马体神经元仍能实时处理语言并预测接下来的词。这种类似大语言模型的预测编码机制表明，高级语言理解不一定依赖清醒意识，未来有望帮助失语患者开发脑机语音假体。
Adobe 推出生产力智能体：文档一键变播客与交互空间
Adobe 发布生产力智能体，将文档智能整合进单个智能体界面。用户不仅能对话 PDF，还能直接将文档转成演示文稿、播客或社交网帖；同时上线 PDF Spaces 空间，支持嵌入定制 AI 助手供他人交互查阅。目前已在 Acrobat Express 和 Acrobat Studio 上线。
Anthropic 联手 SpaceX 扩充算力：Claude Code 限额翻倍，取消高峰限制
Anthropic 宣布与 SpaceX 达成合作，拿下 Colossus 1 数据中心全部算力（超 22 万块 NVIDIA GPU）。得益于算力补强，Claude Code 的 5 小时用量限制即日起翻倍，Pro 和 Max 方案取消高峰期限制，Opus 模型的 API 限额也大幅上调。
Perplexity 上线 Finance Search：单次调用打通实时金融数据与行内引用
Perplexity 在 Agent API 中推出 Finance Search 工具，让开发者通过单次调用直接整合授权金融数据、实时行情与带引用的网络来源。它免去了分别对接多个数据源的麻烦，支持查询最新股价、财报会议速记及分析师预测，在基准测试中兼顾了高准确率与更低的 Token 成本。
周二
5月5日 星期二
因 Apple Intelligence 迟到：苹果同意支付 2.5 亿美元和解集体诉讼
Apple 同意支付 2.5 亿美元以和解一项集体诉讼。诉讼指控其在 iPhone 16 和 iPhone 15 Pro 宣传中误导消费者对 Apple Intelligence 及新版 Siri 上线时间的预期。符合条件的美国购机用户每台可获 25 至 95 美元赔偿。Apple 否认有不当行为。
传 Anthropic 与 Google 签 2000 亿美元大单：五年采购 5GW 算力与芯片
据 The Information 报道，Anthropic 承诺在未来五年向 Google Cloud 支出约 2000 亿美元，以获取 5 吉瓦算力并使用 Google 自研 TPU 芯片。该交易占 Google 积压云订单的四成以上，也凸显出云巨头的繁荣正高度押注在少数初创公司的激进开支上。
NVIDIA 联手 ServiceNow：推自主桌面智能体 Project Arc
NVIDIA 与 ServiceNow 宣布深化合作，公布桌面智能体 Project Arc。它面向开发者与 IT 人员，能接管本地终端与应用执行复杂多步任务；同时借助开源安全运行时 NVIDIA OpenShell 进行沙盒隔离与权限管控，让企业智能体在安全可控的前提下自主运作。
五大出版商起诉 Meta：指控用盗版网站数据训练 Llama 侵权
Macmillan、Elsevier 等五大图书出版商对 Meta 提起集体诉讼，指控其使用 LibGen、Sci-Hub 等盗版网站数据训练 Llama 模型，构成严重侵权。诉状指出 Llama 能逐字复现微积分等畅销教材内容，要求赔偿并公开训练数据清单；Meta 则回应称训练属于合理使用。
Nvidia 联手建筑商：把微型数据中心直接装进新家墙壁
Nvidia 与建筑商 PulteGroup、初创公司 Span 达成合作，计划在新建房屋的墙壁上安装微型数据中心。每台设备配备 16 块 Nvidia Blackwell GPU、4 颗 AMD EPYC CPU 及 3TB 内存，利用住宅闲置电力运行 AI 推理，让普通住宅变成分布式算力节点。
Google 为 Gemma 4 推出 MTP 草稿模型：推理最高提速 3 倍
Google 为 Gemma 4 系列模型推出多 Token 预测（MTP）草稿模型。该方案采用推测解码技术，由轻量草稿模型先行预测多个 Token，再由大模型并行验证，在保证质量零损耗的同时实现最高 3 倍推理加速。草稿模型已按 Apache 2.0 开源，支持 vLLM 与 Ollama。
三大巨头同意「发前先查」：Google、微软与 xAI 允许美政府预审新模型
周二，Google DeepMind、微软与 xAI 同意让美国商务部的人工智能标准与创新中心（CAISI）在发布前审查新 AI 模型。CAISI 将负责部署前评估，此前已完成 40 次审查。OpenAI 与 Anthropic 也已重签协议配合监管。
Subquadratic 发布 SubQ 大模型：支持 12M 上下文，速度快 52 倍
Subquadratic 发布基于次二次方稀疏注意力架构的大模型 SubQ。该模型拥有 1200 万 token 上下文窗口，在 1MM token 下运行速度比 FlashAttention 快 52 倍，成本不足 Opus 的 5%，计算量减少近 1000 倍。
book-to-skill：把技术书变成 Agent 技能，按需加载省下超 90% token
开源工具 book-to-skill 能将技术书或文档编译为符合 Agent Skills 标准的结构化文件。它一次性提取章节架构，后续按需调用对应章节，单次查询仅约 5K token，比整书塞入上下文省下 24 到 51 倍消耗。支持 Claude Code、Copilot CLI 等多端使用。
Meta 扩大 AI 年龄识别：图文分析抓未成年，防虚报年龄
Meta 宣布扩大 AI 年龄确认技术，通过分析文本与照片视觉线索，自动将疑似未成年人纳入 Instagram 和 Facebook 青少年保护账户。该功能正扩展至欧盟 27 国与巴西，并在美国首次登陆 Facebook。最值得关注的是，AI 仅分析视觉特征而非人脸识别。
Coinbase 裁员 14%：全面转向 AI 原生，取消纯管理岗并推一人团队
Coinbase 宣布裁员约 14%，CEO Brian Armstrong 表示公司正全力重构为「AI 原生」。过去一年工程师借助 AI 数天即可完成以往团队数周的工作。公司将扁平化至最多 5 层架构、取消纯管理角色，并由人才调度智能体集群组成极小单元运转。
DeepMind 伦敦总部员工申请组建工会：抗议 AI 用于军工合同
Google DeepMind 伦敦总部员工致信管理层申请组建工会，代表至少 1000 名员工。员工要求 Google 承诺不研发武器技术，并允许员工退出违背伦理的项目。管理层有 10 个工作日决定是否认可，员工还考虑对 Gemini 发起「研究罢工」。
Perplexity 推出金融版 Computer：打通专业数据源且每个数字均可溯源
Perplexity 发布专为金融团队打造的 Computer for Professional Finance。它支持接入 Morningstar 和 PitchBook 等授权数据，预置 10 个领域的 35 种工作流。关键在于所有数字悬停均可追溯原始出处与 SEC 申报文件页码，现已支持 Teams 和 API，Excel 插件即将上线。
OpenAI 联合英伟达等开源 MRC 协议：微秒级绕开故障，让超算训练不掉线
OpenAI 联合 AMD、Broadcom、Intel、微软与 NVIDIA 通过 OCP 开源了 MRC 网络协议。它能将数据切片分散到数百条网络路径，并在微秒内绕开硬件故障。该协议已部署在 GB200 超算集群中，成功保障了多个前沿模型的平稳训练。
OpenClaw 为近期版本故障致歉：计划精简核心并在 5 月底推 LTS
OpenClaw 官方就 2026.4.29 版本出现的网关变慢、插件依赖修复死循环及多渠道卡顿致歉。问题源于将核心模块拆分至 ClawHub 过程中的过渡混乱。团队宣布将精简核心并明确插件边界，计划 5 月底推出 LTS 版本，同时在 OpenAI 协助下扩充维护团队。
OpenAI 扩容 ChatGPT 广告：推自助管理后台，支持按点击付费
OpenAI 宣布扩大 ChatGPT 广告试点，推出自助 Ads Manager 测试版，并新增按点击付费（CPC）竞价模式。平台还上线了转化 API 与像素追踪工具。OpenAI 强调广告与模型回答完全独立，绝不向广告主共享个人对话。
OpenAI 上线 GPT-5.5 Instant：设为 ChatGPT 新默认，高风险领域幻觉减半
OpenAI 宣布上线 GPT-5.5 Instant 并设为 ChatGPT 全员默认模型。新模型在医疗、法律与金融等高风险场景下的幻觉陈述减少 52.5%，回答更简短克制，同时强化了图片分析与跨聊天记忆联动，并支持查看个性化引用的记忆来源。
Anthropic 推出金融智能体模板：连通 Office 套件，做 Pitchbook 和月结
Anthropic 针对金融服务业发布 10 款智能体模板，覆盖制作 Pitchbook、KYC 审查和月末关账等任务。它们以插件或代码包形式提供，并接入 Office 跨应用打通上下文。配合 Claude Opus 4.7，金融机构几天内即可部署真实业务。
Perplexity 上线高级健康来源：接入 NEJM 与 BMJ 临床文献
Perplexity 推出高级健康来源（Premium Health Sources），将通常需要机构订阅的 NEJM、BMJ 等权威医学期刊和临床指南直接引入搜索。系统遇到医疗问题会自动调用专业文献并标明引用出处。
周一
5月4日 星期一
美国战争部签约 OpenAI 与微软等 8 家巨头：前沿 AI 将进驻机密网络
周五，美国战争部宣布与 OpenAI、Google、微软、NVIDIA 等 8 家公司达成协议，计划在 IL6 和 IL7 机密网络中部署前沿 AI 能力。该举措旨在构建「AI 优先」军队并防止厂商绑定；其官方平台 GenAI.mil 仅 5 个月用户量便突破 130 万。
Unity 开启 Unity AI 公测：内置 Unity 6，设计图直接转游戏资产
Unity 宣布 Unity AI 正式面向 Unity 6 及以上开发者开启公测。该工具直接内置于编辑器，能将设计图转化为可用资产与可玩场景，并支持随时撤销。开发者还可通过 AI Gateway 接入自选工具，或借助 MCP 服务器从 IDE 协同调用。
白宫盯上 Anthropic Mythos：借口算力紧张卡私企扩容
白宫正试图阻拦 Anthropic 将 Mythos 模型的私企访问范围从 50 家扩至近 120 家。官方理由是算力不足会影响政府使用，实质是 Mythos 强悍的网络安全战力让军政高层既想收为己用，又不愿在此前的对峙中认怂。
OpenAI 敲定 100 亿美元合资项目：联手私募巨头加速企业级 AI 落地
OpenAI 敲定一项 100 亿美元的合资计划，从 TPG、Brookfield 等私募巨头募资超 40 亿美元以加速企业部署。几分钟后，Anthropic 也宣布联手 Blackstone 等机构建立类似合作。顶尖 AI 厂商正借力金融资本打响落地竞速战。
Anthropic 联手黑石与高盛成立 AI 服务公司：帮中型企业落地 Claude
Anthropic 联合黑石、高盛等机构成立新 AI 服务公司，红杉资本和 GIC 也参与出资。新团队将派驻工程师协助社区银行、医疗机构等缺乏自建能力的中型企业，打造基于 Claude 的定制系统。
OpenAI 联手普华永道：把 AI Agent 搬进财务部，合同处理提速 5 倍
OpenAI 宣布与 PwC 合作，为企业 CFO 财务流程打造 AI 智能体，覆盖预测、采购、税务和结账等环节。OpenAI 自身先当测试客户，靠 Codex 让同等团队规模的合同处理量提升 5 倍，并用 IR-GPT 承接了 200 多次投资者互动，双方将把这套内部实践推向更多企业。
周日
5月3日 星期日
Sprite-Pipeline：将 AI 视频转成游戏可用的 2D 精灵图动画
开源工具 Sprite-Pipeline 能将 AI 视频转为游戏可用的 2D 精灵图。它通过 FFmpeg 抽帧、抠图去背景，并拼成 256×256 的透明横向序列帧，可直接导入 Unity 或 Godot。项目还附带浏览器预览器与 AI 提示词规范，帮独立开发者低成本落地角色动画。
哈佛急诊诊断研究：OpenAI o1 初步分诊准确率 67%，超人类医生
本周《Science》刊发哈佛研究，OpenAI o1 在 76 例急诊初诊中准确率达 67%，超过两名内科医生的 55% 和 50%。模型直接读取未加工的病历文本。研究者强调 AI 尚不能替代真实临床决策，且对比对象并非急诊专科医生。
周六
5月2日 星期六
奥斯卡出台新规：AI 生成的演员和剧本彻底无缘小金人
周五，电影艺术与科学学院公布奥斯卡新规，明确禁止 AI 生成的表演和剧本参评。规则要求表演必须由经知情同意的人类完成，剧本必须由人类创作，学院有权调取 AI 使用细节。这意味着 AI 数字人演员和算法生成的剧本，将彻底无缘小金人争夺。
据报 OpenAI CFO 建议推迟 IPO 至 2027 年：称公司尚未准备好上市
据《华尔街日报》报道，OpenAI 首席财务官 Sarah Friar 私下建议将 IPO 从 2026 年推迟至 2027 年，警告公司尚未准备好满足上市财报标准。面对数据中心的巨额开支与未达预期的营收压力，财务掌门人正试图为激进的上市步伐踩下刹车。
Open Slide：让 Coding Agent 直接写 React 幻灯片
专为 AI Agent 设计的 React 幻灯片开源框架 open-slide 上线。它让 Claude Code 或 Cursor 直接把需求写成 1080p React 组件，支持画布可视化微调与批注修改，可导出 PDF 与 PPTX。以 MIT 协议开源。
