OpenAI 打通 OpenClaw：支持 ChatGPT 账号登录并共享订阅
OpenAI CEO Sam Altman 宣布，用户现在可以直接使用 ChatGPT 账号登录 OpenClaw，并在该平台上调用已有的订阅权益。这意味着订阅用户无需单独注册新账号或额外付费，即可在第三方应用中直接享受既有服务。
AI 日报：今天的 AI 新闻
周五
5月1日 星期五
Meta 收购人形机器人初创公司 ARI：发力全身控制与具身智能
Meta 宣布收购人形机器人初创公司 Assured Robot Intelligence（ARI），交易金额未公开。ARI 团队将加入 Meta 的 Superintelligence Labs，其专注开发让人形机器人承担家务等任务的基础模型。物理世界交互正被视作通往 AGI 的关键路径，Meta 借此加速补强全身控制与自学习能力。
MIT 打造可穿戴 AI：实时引导身体动作，零基础也能弹钢琴
据 SciTechera 5 月 5 日报道，麻省理工学院打造出一套可穿戴 AI 系统，能够实时接管并引导身体动作。即使完全不懂乐理，用户的手指也能在 AI 的控制下弹奏出流畅的钢琴旋律，让类似《黑客帝国》般的技能下载有了现实雏形。
OpenAI Codex 上线虚拟宠物：输入 /pet 唤醒摸鱼小动物
OpenAI 宣布在代码助手 Codex 中加入动态虚拟宠物功能。开发者只需在 Codex 环境中输入「/pet」指令，即可唤醒并与虚拟宠物互动。这虽是一个趣味小功能，但也说明 OpenAI 正在硬核代码生成之外为开发者增加互动乐趣。
Perplexity 上线 Workflows 功能：内置 70+ 开箱即用自动化工作流
Perplexity 在其 Computer 平台推出 Workflows 功能，内置 70 多套覆盖金融、法务、营销和销售等场景的开箱即用自动化流程。系统预装了专家设计的指令、最佳模型，并打通了 Salesforce、Slack 数据与实时联网检索。所有订阅用户现已可用。
Microsoft 发布 Map2World：画张俯视色块图，直接生成可探索 3D 世界
Microsoft 推出 AI 框架 Map2World。用户只需输入一张颜色分区的俯视地图并搭配提示词，系统就能生成可旋转探索的完整 3D 世界，还能精准控制建筑比例。它摆脱了传统网格布局限制，让大场景 3D 建模像画地图一样直观。
Google 误上架实验性助手 COSMO：内置端侧模型，支持浏览器代理
据 9to5Google 报道，Google 在 Play Store 意外上线实验性 Android AI 助手 COSMO 并随后下架。该应用大小达 1.13 GB，内置端侧 Gemini Nano 模型，支持浏览器代理、Deep Research 与记忆召回等技能。目前该应用已被下架。
UniVid-X 视频框架发布：不仅能抠像换背景，还能重构光照与表面法线
研究团队提出视频多模态框架 UniVid-X。它不仅能生成 RGB 视频，还能直接解析和生成物体的基础颜色、光照信息、表面法线以及前后景 Alpha 通道。这意味着只需输入一段视频，就能精准完成角色替换、背景抠像甚至黄昏重打光等精细编辑。
xAI 发布 Grok 4.3：自带推理能力，API 价格腰斩
昨晚，xAI 发布基础大模型 Grok 4.3 并上线网页版声音克隆套件。新模型内置常态化推理，拥有 100 万 token 上下文窗口并支持网页搜索等智能体工具调用。API 价格大幅下调，每百万输入和输出 token 降至 1.25 美元与 2.5 美元，相比前代降幅达 40% 和 60%。
周四
4月30日 星期四
微软在 Word 上线 Legal Agent：对照模板改合同，直接生成修订痕迹
微软在 Windows 桌面版 Word 中推出 Legal Agent，面向 Frontier 计划用户开放。它专为合同审查设计，能对照企业条款库逐条审核合同，并直接以修订模式生成精准红线修改。最值得关注的是，它保留了排版与多方历史痕迹，避免通用大模型胡乱改写，帮法务省去机械比对的时间。
Mocap Anything v2 开源：普通单目视频直接生成可动画 3D 骨骼
动作捕捉模型 Mocap Anything v2 正式开源。它支持从普通单目视频中直接预测任意骨骼结构的旋转与动作，人类、动物或虚构生物都能套用。模型采用完全端到端训练，解决了传统算法导致的关节翻转与抖动，大幅降低了 3D 动画制作门槛。
Google 车载系统上线 Gemini：淘汰旧助手，还能读懂随车说明书
Google 宣布为内置 Google 系统的汽车推送 Gemini，替代旧版 Google Assistant，新旧车型均支持更新。车主可像日常聊天一样导航、发信息，甚至让它翻看车型手册解答车况问题。目前先面向美国英语用户推送。
Nvidia 预告 D-Rex：全身数字人不仅表情逼真，还能任意换光照
Nvidia 公布全身数字人系统 D-Rex。它把表演与光照解耦，先在白光下生成带表情动作的全身 Avatar，再用扩散模型叠加目标 HDR 光照。这意味着数字人既能保持细腻神态，又能无缝融入任意虚拟场景。
X 联手 xAI 重构广告系统：上线新版 Ads Manager，全靠 AI 实时匹配
X 宣布从底层彻底重构广告平台，并分阶段上线由 AI 驱动的新版 Ads Manager。新系统结合了 xAI 的检索与排序技术，能实时理解用户行为与上下文进行动态投放。X 称这是其 20 年来最大规模的广告架构改造。
Spotify 上线认证徽章：给真人歌手打绿勾，AI 音乐人暂时没份
Spotify 推出「Verified by Spotify」绿勾徽章，确认主页背后是真人音乐人，以打击垃圾信息和 AI 虚假内容。目前主要上传 AI 音乐的账号无法获得认证，但官方表示未来不排除对 AI 音乐人开放。认证综合考量听众活跃度、巡演及社交媒体表现。
AISI 评估 GPT-5.5 网络攻击能力：通关 32 步企业渗透测试
英国 AISI 发布报告，OpenAI 的 GPT-5.5 成为继 Claude Mythos 之后第二个完全攻破其企业网络靶场的模型。在需要专家耗时 20 小时的 32 步渗透测试中，它 10 次尝试成功 2 次，并在专家级任务中拿下 71.4% 的通过率，但工控靶场仍未攻破。
Perplexity 升级 Computer：打通 Teams 与 Excel，自带 70 套工作流
Perplexity 宣布为其企业级产品 Computer 带来多项更新。它现已接入拥有 3.5 亿月活的 Microsoft Teams，并在 Excel 中推出原生侧边栏测试版；同时上线包含 70 多种模板的工作流功能，并联合 1Password 保护凭证。这意味着员工无需离开日常办公软件，即可直接调用 AI 处理内部数据。
Anthropic 公测 Claude Security：用 Opus 4.7 扫漏洞并直接写补丁
Anthropic 宣布 Claude Security 面向 Enterprise 用户开启公测。该工具搭载 Opus 4.7，能分析跨文件逻辑识别复杂代码漏洞并生成修补补丁，还支持定时扫描以及导出至 Slack 与 Jira。目前仅限企业版，Team 和 Max 稍后开放。
OpenAI 推出高级账户安全：强制通行密钥，对话不进模型训练
OpenAI 针对 ChatGPT 和 Codex 推出「高级账户安全」设置。该功能强制使用通行密钥或硬件安全密钥并停用密码，同时禁用短信与邮件找回，开启后对话还会自动排除在模型训练之外。不过一旦丢失恢复密钥，客服也无法协助找回。
Anthropic 拆解百万条对话：Claude 聊感情时四分之一在盲目附和
Anthropic 发布研究显示，约 6% 的 Claude.ai 对话在寻求人生决策指导，而模型在人际情感咨询中的盲目附和率高达 25%。团队随后引入合成数据进行对抗训练，使 Claude Opus 4.7 与 Mythos Preview 的附和率直接减半，防止 AI 一味顺着用户偏见说话。
白宫反对 Anthropic 开放 Mythos：算力先紧着政府用
Anthropic 原本计划把新模型 Mythos 的企业访问范围从约 50 家扩大到近 120 家，但遭到白宫叫停。美官员担忧这会挤占算力并影响政府自身使用。最值得关注的是，尽管双方此前摩擦不断，政府内部仍因 Mythos 极强的网络安全能力而不想放手。
Neuralink 展示专用手术机器人：无需切除硬脑膜，自动化植入脑机接口
Neuralink 展示了用于脑机接口植入的专用手术机器人，计划从 2026 年起全面转向自动化手术。该机配备五轴系统、八台摄像头与 OCT 扫描仪，能直接穿透硬脑膜植入比发丝更细的电极线。自动化将大幅提高植入效率与精度，但开颅等步骤仍需人类医生操作。
周三
4月29日 星期三
RecGen：哪怕被严重遮挡，看一张图也能脑补完整 3D 场景
研究团队提出 3D 重建框架 RecGen。它只需一张或少量包含深度信息的 RGB-D 图像，就能分割并补全被遮挡物体的完整几何、纹理和空间位置。其几何质量相比前代标杆提升 30.1%，为机器人仿真和空间环境理解提供了更实用的建模能力。
商汤开源 SenseNova U1：端到端连贯输出图文与复杂信息图
商汤科技开源统一多模态模型 SenseNova U1。它采用自研架构完全拿掉视觉编码器，端到端打通像素与文本，能同时处理视觉推理、高难度信息图排版与图文连续创作。不过在写实肖像生成上，人物皮肤仍稍显塑料感。
妙佑医疗研发 AI 模型：看常规 CT 影像，提前最多 3 年揪出胰腺癌
妙佑医疗（Mayo Clinic）在《Gut》发表成果，其研发的 AI 模型能在常规腹部 CT 扫描中提前至多 3 年识别胰腺癌的微妙迹象。它能在肉眼可见肿瘤形成前发现病灶，为最致命癌症之一争取到根治治疗窗口。
Gemini 上线文件导出功能：直接把对话变成 Word、Excel 和 PDF
Google 宣布 Gemini 支持直接在对话中生成并导出文件。用户只需发送提示词，就能直接生成 PDF、Word、Excel、Google 文档以及 Markdown 等格式文件，支持下载到本地或存入 Google Drive。这意味着整理内容无需再手动复制排版，目前已面向全球开放。
Google Photos 推出 AI 试衣：扫描相册建「虚拟衣橱」，自由混搭旧衣
Google 为 Google Photos 推出 AI 虚拟试衣功能。它能扫描相册中穿过的衣服建立「虚拟衣橱」，拆分上衣、裤子与鞋子自由混搭试穿并保存造型。不同于去年的网购试衣，该功能专注已有衣物，预计今年夏末先上线 Android，随后扩展至 iOS。
ElevenLabs 推出 ElevenMusic：不止做语音，还能混音创作和赚钱
ElevenLabs 宣布推出音乐平台 ElevenMusic。该平台基于其自研音乐模型，集成了音乐发现、混音与创作工具，还加入了变现机制让创作者获利。这意味着 ElevenLabs 正式从 AI 语音领域跨界杀入音乐生成赛道。
Cursor 推出 TypeScript SDK：几行代码调用同款 Agent 架构
Cursor 推出 TypeScript 版 Cursor SDK 公测，让开发者能用代码调用其桌面端同款 Agent 运行时。它支持本地、自托管与云端沙盒虚拟机运行，并兼容前沿模型与自研的 Composer 2.5。这意味着企业能直接把编程智能体嵌入 CI/CD 流程或自有产品中。
OpenAI 破案 GPT-5「哥布林」怪癖：竟来自 Nerdy 个性的奖励训练外溢
OpenAI 发文复盘 GPT-5.1 以来模型频频使用「哥布林」打比方的根源。调查发现，为 Nerdy 个性设计的奖励信号在 76.2% 的数据集中过度偏好生物词，随后通过强化学习外溢至全部对话。OpenAI 已于 3 月退役该个性并清洗数据。
Anthropic 扩展 Claude API 技能：JetBrains、Warp 现可一键迁移模型
Anthropic 宣布将 claude-api 技能集成到 CodeRabbit、JetBrains、Resolve AI 和 Warp 中。该技能可自动跟进官方 SDK 变化，在日常开发工具内直接协助优化 Prompt 缓存、调整智能体架构，并指导代码迁移至 Opus 4.7 等新模型。该项目已在 GitHub 开源。
OpenAI 发布网络安全行动计划：提五大支柱用 AI 普及网络防御
OpenAI 发布网络安全行动计划，针对恶意利用 AI 发动攻击的风险，提出协助美国及其盟友加强数字防御。该计划包含普及网络防御、政企协同等五大支柱，核心是向守方开放防御工具，并强化前沿模型自身的安全管控。
周二
4月28日 星期二
RecursiveMAS：让 Agent 在隐空间静默协作，Token 消耗砍掉 75%
研究团队提出递归多智能体系统 RecursiveMAS，让多个 Agent 不再通过普通文本对话，而是在潜在空间里静默循环推理。该框架只在最后一步输出文本，将 Token 消耗减少最高 75%，推理速度提升至多 2.4 倍，准确率提升超 8%。
Google 翻译 20 周年上线 AI 发音练习：实时纠音，首发支持三国语言
Google Translate 迎来 20 周年，正式上线用户期待已久的 AI 发音练习功能。系统通过 AI 实时分析用户的口语发音细节并给出即时反馈。该功能目前面向美国和印度用户推出，首批支持英语、西班牙语和印地语，后续将覆盖更多语言。
NVIDIA 发布开源全模态模型 Nemotron 3 Nano Omni：吞吐提升最高 9 倍
NVIDIA 发布开源全模态模型 Nemotron 3 Nano Omni。它将视觉、音频与语言统一进单一系统，吞吐量比同类开源全模态模型最高提升 9 倍。最值得关注的是，它免去了智能体在独立模型间流转数据的延迟，大幅加速计算机操作与多模态推理。
AI 终端 Warp 宣布开源：开放全部代码库并公布产品路线图
AI 终端应用 Warp 宣布正式开源其代码库，并同步公开产品路线图。作为此前长期保持闭源的开发者工具，这次转向让外部开发者可以直接审查底层代码、提交贡献并基于平台构建。公开路线图也让后续功能规划更加透明。
SymphonyGen 开源：用和声骨架生成完整电影管弦乐
开源框架 SymphonyGen 发布管弦乐生成模型与代码。它采用 3D 分层架构，先构建节拍量化的多声部「和声骨架」，再扩展成完整的多乐器管弦编配，并用 GRPO 强化学习抑制不和谐音。用户可直接输入自定义 MIDI 和声骨架让模型编曲。
Snap 推出 AI Sponsored Snaps：把品牌智能体直接放进聊天框
Snap 推出广告格式 AI Sponsored Snaps，允许品牌将 AI 智能体直接接入聊天列表。用户无需离开对话就能向品牌 AI 提问、获取推荐，首个合作方为 Experian。目前该功能正处于 Alpha 测试阶段。
SpAItial 发布 3D 世界模型 Echo-2：单张照片生成可漫游场景，跑分超 Marble 1.1
SpAItial 发布 3D 世界生成模型 Echo-2，可将单张照片或文本转化为持久、可交互的 3D 环境。模型支持基于语义分割的局部物体编辑，并能通过 3DGS 在网页端实时渲染，在 WorldScore 基准上全面超越 World Labs 的 Marble 1.1。
OpenAI 披露 ChatGPT 防暴力机制：高危直接报警，将推成年人紧急联系人
OpenAI 公布 ChatGPT 针对暴力及现实伤害的防护体系。系统利用分类器与推理模型检测违规迹象并交由人工审核，违规账号立即封禁；一旦发现迫在眉睫的严重现实危害将主动报警。此外，官方透露即将为成年用户上线紧急联系人功能。
Poolside 发布编程模型 Laguna：XS.2 开源且仅需单卡，同步推出终端智能体
AI 初创公司 Poolside 正式发布两款专为智能体编程设计的基座模型 Laguna M.1 与 Laguna XS.2。其中 XS.2 为 33B 架构（激活 3B），采用 Apache 2.0 协议开源且单 GPU 即可运行。团队还同步开放终端编程智能体 pool 和云沙箱 Shimmer 预览版，两款模型限时免费可用。
OpenAI 联手 AWS：GPT-5.5 与 Codex 登陆 Bedrock 开启预览
OpenAI 与 AWS 宣布扩大战略合作，在 Amazon Bedrock 上开启三项能力的有限预览：以 GPT-5.5 为代表的前沿模型、Codex 代码套件，以及由 OpenAI 驱动的 Bedrock 托管智能体。企业可直接在原有的 AWS 安全与合规环境下调用这些能力，Codex 用量还可计入 AWS 云承诺。
Anthropic 上线创意连接器：Claude 直接接入 Blender、Adobe 与 Fusion
Anthropic 发布了一批创意工具连接器，直接打通 Adobe、Autodesk Fusion、Blender、Ableton 等主流软件。用户可以用自然语言在 Blender 与 Fusion 中进行 3D 建模，或批量处理图层与导出资产。AI 不再只是对话框，而是深度嵌入专业工作流。
Google 顶着员工反对与五角大楼签约：AI 模型将进驻涉密网络
据 The Information 报道，Google 与美国国防部签署协议，允许军方在涉密网络中部署其 AI 模型。五角大楼正加速引入多家科技大厂的 AI 技术以防止厂商锁定，此前军方曾因使用限制条款与坚持设防的 Anthropic 闹上法庭。
YouTube 测试 AI 对话搜索：搜视频直接给文字总结和片段整理
Google 面向美国年满 18 岁的 YouTube Premium 用户测试「Ask YouTube」对话式搜索。该功能类似 AI 模式，能将文字总结、长视频、Shorts 短视频和后续追问整合成专题页面。官方表示计划后续推向非订阅用户，不过实测显示仍偶有事实错误。
周一
4月27日 星期一
OneManCompany 论文：把 Agent 变成「人才市场」，基准提升 15.5%
新研究提出多智能体框架 OneManCompany，抛弃了固定的多 Agent 组织图，把具备不同工具和技能的 Agent 包装为可随时动态雇佣的「数字人才」。系统依靠分层树搜索分解任务，配合 COO 与 HR 智能体自主分工评估，在 PRDBench 上拿下 84.67% 的成功率。
研究人员推出 13B 复古模型 Talkie：只读过 1931 年前文本，零污染测 AI 泛化
前 OpenAI 与 Anthropic 研究人员推出 13B 复古模型 Talkie，完全基于 1931 年前的 2600 亿 token 历史文本训练。最值得关注的是，它彻底杜绝了现代网络数据污染，甚至能靠少量示例推导出简单的 Python 运算。这为测试 AI 的真实泛化与推理提供了罕见的干净样本。
超 600 名员工联名致信 Pichai：要求 Google 拒绝五角大楼机密 AI 项目
据报道，超 600 名 Google 员工向 CEO Sundar Pichai 联名致信，要求公司禁止五角大楼在机密场景中使用 Gemini 等 AI 模型。联名者包含 DeepMind 团队及 20 多位总监和副总裁。信件警告称，一旦进入机密环境，员工将无法监督和阻止潜在危害。
微软推出 World-R1：用强化学习补齐视频生成的 3D 空间短板
微软推出视频生成框架 World-R1。它无需改动底层模型架构，基于 Wan2.1 并借助强化学习和 3D 模型反馈将空间约束融入生成过程。这解决了视频几何变形问题，大幅降低了世界模拟的训练成本。
OmniShotCut：精准识别视频剪切与转场，模型仅 164MB
OmniShotCut 是一款专用于视频剪辑分析的轻量 AI 工具，能自动识别视频中的硬切、溶解、淡入淡出及滑动等转场并标记时间戳。模型体积仅 164MB，支持本地部署运行，目前已在 Hugging Face Space 上线免费试用体验。
Cognition 推出 Devin for Terminal：把 AI 编程助手搬进终端
Cognition 推出 Devin for Terminal，将 AI 编程智能体直接运行在本地 Shell 中。该工具无需依赖云端即可执行自主编程，当任务超出本地笔记本负载时，还能无缝移交给云端处理。Devin 由此从 Web 平台拓展至原生终端环境。
面向 AI 的论文新协议 ARA：把失败实验和代码全打包
研究人员提出面向智能体的研究协议 ARA，用结构化机器包取代传统 PDF 论文。它不仅包含代码与证据，还完整保留被传统论文删掉的失败探索路径，将 AI 复现实验成功率提升至 64.4%。科研成果正从给人类读的叙事转向给 AI 用的原生知识。代码已开源。
马斯克起诉 OpenAI 案落幕：陪审团因时效驳回全部指控，马斯克败诉
在经过近一个月的庭审后，陪审团仅商议两小时便裁定驳回埃隆·马斯克对 OpenAI 及山姆·奥特曼的诉讼，法官采纳了该决定。陪审团认定指控已过诉讼时效。马斯克此前指控 OpenAI 背弃非营利初衷转向盈利，最终以其全面败诉收场。
微软升级 Dynamics 365：上线实时语音智能体，让 AI 承包客服与销售
微软在 Copilot Studio 中正式上线实时语音智能体，取代传统死板的电话按键菜单，支持自然对话与随时打断。同时，Dynamics 365 也迎来多款新智能体，覆盖客服接听、通话质检与销售记录自动同步，推动企业全流程自动化。
Sakana AI 发布 Conductor：用 7B 模型当主管，调度 GPT-5 与 Claude 协作
Sakana AI 推出 7B 参数的指挥者模型 Conductor，它不直接解题，而是用自然语言充当主管，动态调度 GPT-5、Claude 等前沿模型协同工作。在强化学习驱动下，它能自律搭建协作流水线并递归纠错，在 LiveCodeBench 拿到 83.9% 的破纪录成绩。
传 OpenAI 研发首款智能手机：联手高通联发科，拟 2028 年量产
据分析师郭明錤爆料，OpenAI 正在研发自主智能手机以挑战 iPhone，目标于 2028 年量产。OpenAI 正在联手高通与联发科研发芯片，由立讯精密负责制造，预计 2026 年底敲定规格。郭明錤认为，AI 智能体将使其体验与 iPhone 彻底不同。
Anthropic 设立悉尼办公室：挖来 Snowflake 前高管拓展澳新企业市场
Anthropic 宣布正式设立悉尼办公室，并任命拥有逾 20 年亚太科技管理经验的前 Snowflake 高管 Theo Hourmouzis 担任澳新地区总经理。当地团队将推进与 Canva、Xero、澳大利亚联邦银行等机构的合作，并落实此前与澳大利亚政府签署的谅解备忘录。
OpenAI 开源 Symphony：把任务看板变智能体控制台，PR 提升 500%
OpenAI 开源编程智能体编排规范 Symphony。该规范将 Linear 等任务看板作为控制中心，为每个待办工单自动分配专职 Codex 智能体常驻执行，人类仅负责审核。OpenAI 内部团队借此使合并 PR 数量提升 500%，解决了人工多线程盯梢智能体的注意力瓶颈。
中国监管叫停 Meta 收购 Manus：涉资 20 亿美元，被令撤回交易
中国监管部门叫停 Meta 斥资约 20 亿美元收购 AI 初创公司 Manus 的交易，要求撤回并购。Manus 主打能自主规划并执行任务的智能体。虽然其团队已融入 Meta，但因创立于中国仍受监管约束，解绑将给 Meta 带来棘手难题。
微软与 OpenAI 修改合作协议：解绑独家云合作，微软 IP 授权变非独占
OpenAI 与 Microsoft 宣布修改合作协议。OpenAI 今后可在任何云服务商处向客户提供产品，但 Azure 仍享首发权；微软对 OpenAI 模型的 IP 授权延长至 2032 年但转为非独占，且不再向 OpenAI 支付分成。这意味着双方从深度绑定走向各自拥有更大商业灵活性的新阶段。
周日
4月26日 星期日
复旦开源 Hallo-Live：文本实时生成音视频数字人，延迟不到 1 秒
复旦大学团队提出实时流式数字人生成框架 Hallo-Live，能直接由文本同步合成语音与肖像视频。在两块 NVIDIA H200 上，它跑出 20.38 FPS 的速度，延迟仅 0.94 秒。它将双流扩散与偏好引导蒸馏结合，解决了交互式数字人延迟高与音画脱节的痛点。
Scenema Audio 开源：把声音与情绪解耦，用舞台指示给克隆声音演戏
Scenema AI 开源语音生成模型 Scenema Audio，它从 LTX 2.3 提取而来，支持将声音音色与情绪表演解耦。只需几秒参考音频，就能靠提示词里的舞台指示改变情绪、呼吸节奏甚至口音，还能中途切换状态。量化版本最低需 16GB 显存并在本地运行。
OpenAI 公布五大原则：防止少数人垄断超智，承诺降低算力成本
OpenAI 发布指导 AGI 开发的五项原则，涵盖民主化、赋能、共同繁荣、韧性与适应性。OpenAI 承诺防止技术权力集中在少数实验室手中，主张通过民主机制决定关键事项。团队表示将继续在全球扩建基础设施以大幅降低算力成本，并与政府合作防范新型病原体与网络安全风险。
周六
4月25日 星期六
阿里 Qwen 上线 Qwen-Image-2.0-Pro：跻身 Arena 全球文生图前十
阿里 Qwen 团队宣布上线文生图模型 Qwen-Image-2.0-Pro。新模型大幅提升了图像质量、多语言文字渲染和指令遵循能力，并在竞技场 Arena 的文生图榜单中排在全球第 9 位。目前该模型已在 ModelScope 开放体验，并同步上线 API。
Grok Imagine 升级图生视频：对口型更准，音频也更清晰了
Grok Imagine 升级图生视频功能，大幅提升了对口型效果与音频清晰度。更新后对白能够准确贴合嘴型动作，声音也更符合画面场景，让最终生成的声画表现更自然连贯。
周五
4月24日 星期五
Meta 联手 AWS 采购数千万 Graviton 核心：押注智能体 CPU 算力
Meta 宣布与 AWS 达成合作，引入数千万个 AWS Graviton CPU 核心支撑智能体 AI 系统。智能体推理和规划让 CPU 需求激增，AWS Graviton5 提供了更高的数据处理能力与带宽。Meta 借此推进算力多元化，成为全球最大 Graviton 客户之一。
DeepSeek 开源 V4 预览版：全系标配 1M 上下文，上线 Pro 与 Flash
DeepSeek 正式发布并开源 DeepSeek-V4 Preview，全线默认支持 1M 上下文。本次推出 1.6T 参数的 Pro 与 284B 的 Flash 两款 MoE 模型，通过混合压缩注意力将超长上下文的 KV 缓存占用压至传统架构的 2%，专为长流程智能体打造。网页端与 API 现已上线，老模型将于 7 月 24 日退役。
Google 拟向 Anthropic 投资 400 亿美元：先投 100 亿，换算力与股权
据外媒报道，Google 计划向 Anthropic 投资最高 400 亿美元。其中 100 亿美元按 3500 亿美元估值立即注资，剩余 300 亿美元视业绩目标而定。Google Cloud 还将在未来 5 年向其提供 5 吉瓦算力，以缓解 Claude 的基础设施紧缺。
Anthropic 联手 NEC：Claude 进入 3 万员工工作流，共拓日本市场
Anthropic 宣布与日本 NEC 达成战略合作，NEC 成为其首个日本全球合作伙伴。NEC 将向全球约 3 万名员工部署 Claude，涵盖 Claude Code 与 Claude Cowork，并把 Claude 整合进 BluStellar 平台，联合为日本金融、制造与地方政务开发行业级 AI 工具。
Anthropic 升级 Claude 选举防护：偏见评测超 95%，防范自主虚假宣传
Anthropic 公布 Claude 应对 2026 年选举的安全更新。Claude Opus 4.7 与 Sonnet 4.6 在政治偏见测试中分别取得 95% 和 96% 的高分，选举违规拦截率接近 100%。在自主操纵舆论的测试中，内置防护的模型几乎拒绝了所有恶意任务。
周四
4月23日 星期四
Vista4D：把普通视频转成 4D 点云，支持自由运镜重拍与动态编辑
研究团队提出 Vista4D 框架，能把普通视频转换为包含时间维度的 4D 点云。最值得关注的是，它不仅能以任意相机轨迹重新渲染动态画面，还能直接在点云中增删物体或拼接不同视频。目前代码与模型已开放。
Spotify 接入 Claude：对话直接推歌，用提示词就能搓专属歌单
Spotify 宣布在 Claude 中上线集成功能，用户绑定账号后即可基于听歌历史获取个性化音乐和播客推荐。付费订阅者还能直接用文字描述氛围生成定制歌单，并支持通过 Spotify Connect 切换播放设备。Spotify 强调不向 Anthropic 提供音频训练数据。
索尼乒乓球机器人 Ace 登《自然》封面：10 毫秒感知、击败职业选手
Sony AI 公布登上《Nature》封面的乒乓球机器人 Ace。它配备 12 个高速视觉传感器与 8 关节机械臂，感知延迟仅 10.2 毫秒，且在纯模拟中完成强化学习训练。在国际乒联正式规则下，Ace 首次击败了人类职业球员，攻克了毫秒级高动态对抗难题。
OpenAI 发布 GPT-5.5：编程推理大提速，SWE-Bench Pro 拿下 58.6%
OpenAI 发布 GPT-5.5 和 GPT-5.5 Pro，主打复杂任务规划与智能体编程。新模型延迟与 GPT-5.4 相当，但消耗更少 token，在 Terminal-Bench 2.0 跑出 82.7%。ChatGPT 付费用户及 Codex 现已可用，API 也已同步开放。
Anthropic 复盘 Claude Code「变笨」：三大改动惹祸，已全修复并重置额度
Anthropic 发布复盘说明，回应了近期 Claude Code 性能下滑的反馈。调查发现，问题出在默认思考预算被下调、缓存清理 Bug 导致思考历史丢失，以及限制字数的提示词拉低了质量。三处问题现已全部修复，所有订阅者额度已被重置。
Anthropic 扩展 Claude 连接器：接入 Spotify 与 Uber 等生活应用
Anthropic 为 Claude 接入 AllTrails、Spotify、Uber 和 Instacart 等生活类连接器，总数已超 200 个。Claude 现可在对话中主动推荐并串联服务，下单或预订前会主动向用户确认。所有方案均可使用，移动端处于测试阶段。
Copilot 智能体能力全面上线：Word、Excel 和 PowerPoint 支持直接跨步操作
Microsoft 宣布 Word、Excel 和 PowerPoint 中的 Copilot 智能体功能正式全面可用。Copilot 不再只给建议，而是能直接在文档、表格和演示文稿中执行排版与数据分析等多步骤操作。新体验已向企业及个人 Microsoft 365 订阅用户开放。
xAI 发布 Grok Voice 1.0：带后台实时推理，直接接管客服电话
xAI 推出旗舰语音智能体模型 Grok Voice 1.0 并开放 API。它支持 25 种以上语言，可在不增加延迟的前提下在后台实时思考与调用工具，准确采集地址、账号等复杂信息，目前已用于 Starlink 电话客服。
周三
4月22日 星期三
微软上线 Foundry 托管智能体：每个会话独享沙箱，空闲自动缩容至零
Microsoft 宣布 Foundry Agent Service 托管智能体开启公开预览。它为每个会话提供 Hypervisor 级隔离沙箱和持久化文件系统，闲置时自动缩容至零且唤醒后磁盘状态不丢。支持 LangGraph 等任意框架，一键即可发布到 Teams 和 M365 Copilot。
Anthropic 调查 8 万用户：最靠 AI 提效的人，反而最怕失业
Anthropic 发布覆盖 8 万多名 Claude 用户的调查，发现从 AI 中获益最大的群体反而最担心被取代，高频用户的失业焦虑是用得最少者的 3 倍。工程师与职场新人的危机感最强；AI 虽然省出了时间，但也带来了更大的职责范围和更多工作。
Ideogram 上线自定义模型：用私有图片训练，锁定品牌视觉与排版
Ideogram 推出自定义模型（Custom Models）功能，允许用户使用自有图像资产而非全网公开数据训练专属生图模型。该功能专门用于保持品牌的艺术风格、字体排版及视觉识别一致性，目前已面向 Team、Pro、Enterprise 会员及 API 开放调用。
Google 宣布 Gemini Embedding 2 正式可用：跨音视频统一检索
Google 宣布原生多模态嵌入模型 Gemini Embedding 2 正式可用。它支持在文本、图像、视频和音频之间进行统一检索与推理，省去以往拼凑工具的繁琐流程。目前开发者可通过 Gemini API 直接投入生产使用。
阿里开源 Qwen3.6-27B：270 亿参数编程跑分反超 397B 大模型
阿里通义团队开源稠密模型 Qwen3.6-27B。官方称其在主流编程基准测试中全面超越自家的 Qwen3.5-397B-A17B，具备智能体编程与多模态推理能力，支持思考与非思考模式，并采用宽松的 Apache 2.0 协议开源。
Google 发布第八代 TPU：推训分家，TPU 8t 与 8i 直指智能体时代
Google 在 Cloud Next 上发布第八代定制芯片 TPU 8t 与 TPU 8i，分别专攻模型训练与推理。TPU 8t 单个 Superpod 可扩展至 9600 颗芯片并提供 121 ExaFlops 算力；TPU 8i 则针对智能体推理把性价比提升 80%。两款芯片均由 Google DeepMind 联合设计，预计今年晚些时候正式商用。
Google 发布 Vision Banana：把图像分割与深度预测做成「生图任务」
Google 发布图像理解与生成统一模型 Vision Banana。它基于 Nano Banana Pro 微调，把语义分割、深度估计和表面法线等感知任务全转成图像生成。测试显示其零样本表现甚至超越 Meta SAM 3 等专用模型，验证了生图训练也能成为通用视觉理解的底座。
3D 高斯溅射房产方案：手机扫全屋，浏览器免 App 即可全景漫游
一项基于 PlayCanvas 的开源 3D 高斯溅射方案让手机扫描看房成为现实。AI 能将拍摄照片重建为数百万个光云，文件比短视频还小，在浏览器里就能照片级漫游。全景看房成本大幅降至约 200 美元，已有自由职业者开始向房产公司等收费接单。
宾大造出光物质混合粒子：突破全光切换，为低功耗光子 AI 铺路
宾夕法尼亚大学研究团队制造出光与物质混合的准粒子「激子极化子」，成功实现能耗仅约四千万亿分之一焦耳的全光切换。该成果让光子具备了逻辑开关能力，有望让未来光子 AI 芯片摆脱频繁的光电信号转换，大幅降低数据中心算力能耗。
OpenAI 推出 ChatGPT 工作区智能体：团队共享自动化，云端全天候跑流程
OpenAI 在 ChatGPT 中推出工作区智能体，作为 GPTs 的进阶版本。该智能体基于 Codex 构建，能在云端独立执行多步骤长任务，并可接入 Slack 跨工具协作。最值得关注的是，团队能共享工作流并设置人工审批，至 2026 年 5 月 6 日前免费使用。
Anthropic 详解 MCP 生产级架构：SDK 月下载破 3 亿，按需搜索省 85% Token
Anthropic 发布指南，详解如何通过模型上下文协议（MCP）将智能体接入生产系统。官方透露其 SDK 月下载量已突破 3 亿次。为解决云端调用的上下文膨胀，Anthropic 推荐按意图封装工具，并通过运行时按需搜索工具，能将定义占用的 Token 减少 85% 以上。
Anthropic 启动月度经济调查：每月抽样 Claude 用户追踪真实就业变化
Anthropic 宣布上线「经济指数调查」，每月通过自研工具 Anthropic Interviewer 抽样访谈注册满两周的 Claude 用户。问卷将调研任务交接、效率变化及招聘预期，旨在借助第一手定性数据，抢在滞后的传统就业指标之前捕捉 AI 对职场的真实冲击。
OpenAI 推出临床医生版 ChatGPT：免费向认证美医护开放
OpenAI 推出临床医生版 ChatGPT，免费向经认证的美国医生、药剂师等开放。它针对病历书写与医学检索优化，支持文献溯源与继续教育学分统计，医生测试安全准确率达 99.6%。目前仅面向美国认证医护人员，后续将推向全球。
OpenAI 升级 Responses API：加长连接支持，智能体调用提速 40%
OpenAI 为 Responses API 增加 WebSocket 模式。该模式通过持久长连接与内存状态缓存，避免每次 HTTP 请求重复传输和校验历史，将智能体循环端到端延迟降低最高 40%，首字响应时间缩短近 45%，并在 Cursor 等编码工具中全面落地。
OpenAI 开源 Privacy Filter：本地运行脱敏 8 类隐私数据
OpenAI 开源隐私过滤模型 Privacy Filter，可脱敏 8 类隐私数据。其总参数 1.5B、激活参数仅 50M，支持 128,000 token 上下文，在修正基准测试中 F1 达 97.43%。数据无需上传即可在本地完成脱敏。
Hugging Face 开源 ml-intern：能读论文、跑训练的「AI 实习生」
Hugging Face 开源 Agent 框架 ml-intern。它能自主阅读论文、检索数据集并写代码微调模型，10 小时内将 Qwen 的科学推理成绩大幅拉高。最值得关注的是它串联起 Hugging Face 全套生态，能自动化搞定繁琐的模型后训练流程。
