X 推出 Grok 驱动的自定义时间线：可置顶 75+ 个专属兴趣标签页
X 推出由 Grok 驱动的「自定义时间线」功能，支持用户将 75 多个特定主题直接固定在主页标签页。系统结合 Grok 对每条帖子的理解与个性化推荐算法，为用户生成定制内容流。目前该功能已面向 iOS 上的 Premium 订阅用户开放测试，Android 版本即将跟进。
AI 日报：今天的 AI 新闻
周二
4月21日 星期二
SpaceX 拟 600 亿美元收购 Cursor：或支付 100 亿美元合作费
SpaceX 确认与 AI 编程平台 Cursor 达成合作协议，获得在今年晚些时候以 600 亿美元收购 Cursor 的权利，或者为双方合作支付 100 亿美元费用。双方将结合 Cursor 的编程产品与 Colossus 超算训练模型，以应对 AI 编程领域的激烈竞争。
Meta 被曝记录员工鼠标和按键：用来训练自主工作智能体
据路透社报道，Meta 正向美国员工的电脑安装追踪软件 MCI，采集鼠标轨迹、点击、按键甚至屏幕截图，用于训练能自主处理办公任务的 AI 智能体。Meta 表示该数据不用于绩效考评，但这套原本用于监控零工的手段引发了白领隐私争议。
Odyssey 发布 Odyssey-2 Max：规模扩大 3 倍，登顶实时物理基准测试
Odyssey 推出通用世界模型 Odyssey-2 Max，参数量比前代扩大 3 倍，在 VBench 2 物理评测中拿下最高分，并支持实时交互推演。它通过自回归预测下一步状态来模拟现实物理，目前已面向机器人与游戏等领域的合作伙伴开启内测。
AnyRecon 亮相：随手拍几张无序照片，就能重建连贯 3D 场景
研究人员提出 3D 重建框架 AnyRecon，只需输入几张未对齐、无序拍摄的照片，就能重建出连贯的 3D 场景。它引入全局场景记忆机制，克服了以往扩散方法视角不一致的缺陷。这意味着随手拍两三张照片，也能拼出可靠的三维模型。
新框架 CoInteract 亮相：只需两张图，生成不穿模的带货视频
研究人员公布视频生成框架 CoInteract，输入一张人物照和一张产品图即可生成带货视频。它引入双流协同生成架构，在处理像素的同时专门约束人手与物体的几何接触，解决了手部崩坏和穿模问题，让电商内容批量生成更逼真。
Google 为 Gemini for Home 上线连续对话：不用重复唤醒，还能分清旁白
Google 为 Gemini for Home 推出连续对话功能。用户首次唤醒后麦克风会保持聆听数秒，可直接追问而无需重喊「Hey Google」。新版本具备上下文记忆能力，优化了闲聊过滤以防误触，且面向全屋所有成员与访客开放。
Google 开源 Stitch 的 DESIGN.md：让 AI 智能体跨平台读懂设计规范
Google 宣布开源 AI UI 设计工具 Stitch 的 DESIGN.md 规范草案。该格式支持跨平台导入导出设计系统，使 AI 智能体能直接理解配色意图，并依据 WCAG 标准校验无障碍合规性，省去重复搭建规则的麻烦。
Open CoDesign：开源本地 AI 设计工具，自带模型生成原型与文档
Open CoDesign 是一款开源桌面端 AI 设计工具，被视作 Claude Design 的本地替代品。它支持自带 API 密钥接入任意主流模型或本地 Ollama，通过文字或参考素材自主生成可交互 UI 原型、幻灯片与 PDF，并支持实时局部微调与源码导出。
Google 推出 Deep Research Max：支持 MCP 连私有数据，图表直接内嵌
Google 推出基于 Gemini 3.1 Pro 的 Deep Research 与 Deep Research Max 智能体。Max 版利用扩展测试时计算搞定高强度复杂调研，两者均支持 MCP 接入企业私有库，还能原生生成图表，现已开启 API 公测。
YouTube 扩展肖像检测工具：明星没频道也能查删 AI 换脸
YouTube 宣布将肖像检测技术扩展至娱乐经纪公司及艺人。该工具类似 Content ID，可扫描识别 AI 换脸等 Deepfake 内容并支持申请下架。最值得关注的是，即便演艺人员自己没有开设 YouTube 频道，现在也可以直接使用该工具维权。
OpenAI 发布 ChatGPT Images 2.0：文字渲染大升级，支持中日韩等多语言
OpenAI 推出 ChatGPT Images 2.0。新模型重点提升了文字渲染与视觉推理能力，支持中文、日文、韩文和阿拉伯文等多种文字排版，并在摄影、漫画等风格上带来更高的控制精度。用户已可直接在 ChatGPT 中使用。
Anthropic 网络安全模型 Mythos 遭未授权访问：通过第三方供应商泄露
据彭博社报道，Anthropic 专为网络安全打造的高风险 AI 模型 Mythos 被未授权用户通过第三方供应商环境访问并使用。该模型原仅在「Glasswing 计划」下向少数企业限量开放。Anthropic 表示已就此展开调查，目前自身系统未受波及。
西北大学造出柔性印刷人工神经元：能直接激活活体脑细胞
西北大学团队研发出柔性印刷人工神经元，在小鼠脑切片实验中成功激活了活体脑细胞。该器件通过纳米墨水打印制成，能发出逼真的复杂神经电信号。最值得关注的是，它不仅可用于神经假体与脑机接口，也为极低功耗的类脑 AI 硬件开辟了新路。
周一
4月20日 星期一
Claude 上线「实时 Artifacts」：直连应用文件，数据自动刷新
Anthropic 在 Claude 的 Cowork 中上线「实时 Artifacts」。用户创建的仪表盘和追踪器可直连应用与文件，每次打开都会自动刷新最新数据。这意味着无需手动重新生成报表，Claude 进一步走向持续同步的实时工作流。
OpenAI 为 Codex 带来 Chronicle：自动读取屏幕上下文，告别手动补背景
OpenAI 宣布为 Codex 的记忆功能扩充名为 Chronicle 的新实验。它能根据用户最近的屏幕上下文强化记忆召回，Codex 可以直接依据你手头正进行的工作提供协助，不再需要反复交代前提背景。该功能属于上周上线的记忆预览的延伸。
Google 升级 AI Studio：Pro/Ultra 额度提升，接入 Nano Banana Pro
Google 宣布为 Google AI Pro 和 Ultra 订阅用户提升 AI Studio 的调用限额，并开放 Nano Banana Pro 与 Gemini Pro 模型。该举措为用尽免费额度的开发者提供了低门槛过渡方案，让团队能以可预测成本快速进行原型构建。
荣耀人形机器人 Lightning 跑完半马：50 分 26 秒超越人类纪录
周日，荣耀自研的人形机器人「Lightning」在北京半程马拉松中跑出 50 分 26 秒夺冠，击败全场 1.2 万名人类选手，并超越 57 分 20 秒的人类世界纪录。该机器人研发耗时一年，采用手机液冷技术与仿生腿部结构，包揽了本届比赛前三名。
月之暗面开源 Kimi K2.6：支持 4000+ 步长程编码，能跑 300 个子智能体
月之暗面发布开源代码模型 Kimi K2.6。新模型主打长程编程，支持超 4000 次工具调用和 12 小时连续运行，可驱动 300 个并行子智能体协作修改超百个文件。它在 SWE-Bench Pro 等基准达开源 SOTA，权重已开源，并在 kimi.com 上线。
OpenGame 开源：只给一句话，AI Agent 端到端做出完整网页游戏
研究人员开源网页游戏生成 Agent 框架 OpenGame，输入一句话即可端到端构建、测试并修复可玩网页游戏。系统内置持续进化的技能库，能沉淀项目模板并自动调试纠错。目前项目代码与演示均已公布。
TwelveLabs 发布 Pegasus 1.5 与 Rodeo：用自然语言检索与组装视频
TwelveLabs 在 NAB Show 2026 上发布视频理解模型 Pegasus 1.5 及创作者工具 Rodeo，并接入 Autodesk Flow Capture。Pegasus 1.5 支持单次 API 提取带时间戳的结构化数据，分割评测超 Gemini 2.5 Pro 30%；Rodeo 则支持用自然语言找素材与粗剪。
阿里预告 Qwen3.6-Max：主打智能体编程与真实世界可靠性
阿里 Qwen 团队推出下一代旗舰模型预览版 Qwen3.6-Max-Preview。相比 Qwen3.6-Plus，新模型重点提升了智能体编程能力、世界知识储备与指令遵循水平，旨在让复杂现实任务中的 AI 智能体更加可靠。
Google 组建攻坚团队追赶 Anthropic：布林亲自督战，要让 AI 训练下一代 AI
据 The Information 报道，Google 联合创始人布林亲自动员 DeepMind 组建攻坚团队，全力提升 Gemini 编程能力以追赶 Anthropic。布林在备忘录中强调，终极目标是用 AI 训练下一代 AI，编程正是核心跳板。目前团队已要求工程师在复杂任务中强制使用内部智能体。
LTX HDR LoRA：给开源视频模型补上 16-bit HDR
Lightricks 为开源视频模型 LTX 发布 HDR IC-LoRA。这个仅约 340MB 的轻量模型能将原本 8-bit SDR 的生成视频升级为 16-bit HDR，大幅提升动态范围和色彩细节。也就是说，创作者能直接在现成工作流中输出专业素材，给剪辑调色留足空间。
苹果高层换届：库克 9 月转任执行主席，John Ternus 接任 CEO
Apple 宣布现任 CEO 库克将于 2026 年 9 月 1 日转任董事会执行主席，硬件工程高级副总裁 John Ternus 将接任 CEO。Ternus 已在苹果任职 25 年，主导了 iPhone 和 Mac 等核心产品线。库克后续将协助过渡并负责政策事务。
周日
4月19日 星期日
UniGeo 带来相机可控图像编辑：输入精确角度，自由平移俯仰视角
研究团队提出相机可控图像编辑框架 UniGeo。它能将单张图片转为 3D 几何表征，支持用户通过输入精确角度来平移或俯仰镜头，重新渲染新视角。这解决了普通图像生成工具难以精准运镜且容易变形的问题，相关模型即将推出。
UniMesh 统一 3D 生成与理解：不仅能文生 3D，还能用提示词改模型
研究人员提出统一框架 UniMesh，将 3D 生成与 3D 理解整合到单一架构中。它不仅支持从文本或单张图片生成完整 3D 模型，还能用提示词进行连续编辑，甚至反向给 3D 物体生成描述文本。最值得关注的是，它打破了过去 3D 生成与空间理解相互割裂的局面，让两种能力在一个模型里互相促进。
xAI 上线 Grok 4.3 Beta：能直接生成 PPT、Excel 与 PDF
xAI 推出 Grok 4.3 Beta，面向每月 300 美元的 SuperGrok Heavy 订阅用户开放。新版本能依据提示词直接导出带公式的 Excel 表格、排版完整的 PPT 和 PDF；马斯克透露当前版本约 5000 亿参数，1 万亿参数版仍在训练中。
周五
4月17日 星期五
OpenAI 前首席产品官离职：科学应用 Prism 关停并入 Codex
周五，OpenAI 前首席产品官 Kevin Weil 宣布离职，其牵头的科学 AI 工作区 Prism 随之关停。该项目约 10 人的团队将并入 Codex，OpenAI 计划将 Prism 的能力整合进桌面版 Codex，以精简产品线并将其打造成「万能应用」。
Anthropic 推出 Claude for Word：支持搭配 Opus 4.7 使用
Anthropic 宣布上线 Claude for Word，面向 Pro 和 Max 订阅用户开放。用户可以直接在 Microsoft Word 文档内调用 Claude 的写作与编辑能力，并与新推出的 Claude Opus 4.7 模型搭配使用。
Dairy Queen 引入 AI 点单：进驻数十家得来速，准确率达 90%
据《华尔街日报》报道，Dairy Queen 开始在美加数十家得来速门店上线 Presto 的 AI 点单机器人。该系统点单准确率约为 90%，旨在加快服务速度并向顾客推销加餐。不过此前有报道指出，Presto 的技术背后可能仍有人工远程协助兜底。
Netflix 推出类 TikTok 竖屏视频流：全面引入 AI 做推荐与影视创作
Netflix 宣布将于本月在应用内上线类 TikTok 的竖屏视频流，帮助用户发现视频播客与影视作品。联席 CEO 表示将全面采用基于新模型架构的 AI 推荐系统，并借助上个月收购的 InterPositive 技术，加速落地面向创作者的生成式 AI 制作工具。
Canva 接入 Claude Design：AI 产出的草稿与代码支持直接拖拽编辑
Canva 宣布接入 Anthropic 的 Claude Design，并上线 HTML 导入功能。用户在 Claude 中生成的草稿与交互式代码可直接导入 Canva，无需反复重写代码，通过拖拽就能改布局、换颜色。这意味着 AI 产出的原型终于能无缝进入团队设计流。
OpenAI 被曝斥资超 200 亿美元采购 Cerebras 芯片：或换取高达 10% 股权
据 The Information 报道，OpenAI 同意在未来三年向芯片初创公司 Cerebras 支付超 200 亿美元租用算力服务器，并出资约 10 亿美元资助数据中心，以换取 Cerebras 最多 10% 的股权。这项新承诺比 1 月份的协议规模翻倍，直接为 Cerebras 冲击二季度 IPO 铺平了道路。
周四
4月16日 星期四
Adobe 发布 TokenLight：单张照片能用 3D 光源随意重新打光
Adobe 公布图像重打光研究 TokenLight。它把强度、颜色和 3D 光源位置转化为标记输入模型，用户能像拖滑块一样在照片里随意加灯并连续调整漫反射。最值得关注的是，模型没靠显式 3D 渲染监督就学会了光线与几何体的交互。不过目前仅发布了论文，暂未开放体验。
HeyGen 开源 HyperFrames：专为智能体打造的 HTML 转 MP4 框架
HeyGen 开源了面向智能体的视频生成框架 HyperFrames。该框架完全在 Claude Code 中构建，能将 HTML 页面转为 MP4 视频，让智能体可以通过代码自动化生产视频内容，官方的发布视频也是直接在 Claude Code 中用它生成的。
Browser Use 开源 video-use：让 Claude Code 读字幕直接剪视频
Browser Use 开源了 video-use，让 Claude Code 等智能体能直接剪辑视频。它避开直接灌入海量视频帧的高成本做法，改为利用带时间戳的语音转录文本与按需抽帧，支持自动裁切废话停顿、加字幕与调色。
Gemini 接入 Google 相册：结合 Nano Banana 2，一句话画出个性化全家福
Google 宣布为 Gemini 应用引入个性化生图功能，结合 Nano Banana 2 与 Google 相册。用户无需上传参考图或手写长篇提示词，Gemini 能自动调用相册中标记的人物与宠物生成水彩或黏土风格画作。该功能正向美国 Google AI 订阅用户推送。
Character.ai 推出 c.ai Books：把 20 多部经典名著变成可玩的 AI 互动剧
Character.ai 在移动端和网页端上线 c.ai Books 实验功能。依托古腾堡计划，它将《傲慢与偏见》《科学怪人》等 20 多部公版名著转化为可实时交互的故事，用户既能按原著主线扮演角色，也能脱稿自由互动或二创「平行宇宙」世界观。
阿里开源 Qwen3.6-35B-A3B：35B 总参数仅激活 3B，编程能力堪比十倍体量
阿里巴巴 Qwen 团队以 Apache 2.0 协议开源 Qwen3.6-35B-A3B 模型。该模型采用稀疏 MoE 架构，总参数 35B 但激活仅 3B，智能体编程能力号称媲美 10 倍激活体量的模型，同时具备多模态感知与思考推理双模式。
Canva 推出 AI 2.0：用提示词改设计，打字生成全渠道营销案
Canva 发布 Canva AI 2.0，转向对话式设计平台。用户可用自然语言直接生成或局部修改设计，还支持保持品牌一致性的记忆功能。最值得关注的是，单个指令即可调度全套工具生成完整多渠道方案。目前该功能作为研究预览向首批 100 万用户开放。
Sabi 研发非侵入式脑机帽子：内置近 10 万个传感器，动脑就能打字
硅谷初创公司 Sabi 走出潜伏期，公布了一款无需手术植入的非侵入式脑机接口毛线帽。它通过 7 万至 10 万个微型脑电传感器结合 AI 模型解码内心意图，目标是让用户光凭思考就能打字，初期打字速度目标为每分钟 30 词。首款产品计划于年底推出。
告别复制粘贴：Opera 推出 Browser Connector，把 ChatGPT 和 Claude 接进浏览器
Opera 在 Opera One 和 Opera GX 的 Early Bird 模式上线免费功能 Browser Connector。它通过 MCP 协议将 ChatGPT 或 Claude 直连浏览器，让 AI 直接读取标签页内容和截图，免去频繁复制粘贴。用户可自主控制权限，AI 无法自主点击或填表。
AI 编程初创公司 Factory 融资 1.5 亿美元：估值达 15 亿美元，对标 Cursor
开发企业级 AI 编程智能体的 Factory 宣布完成 1.5 亿美元融资，估值达到 15 亿美元，由 Khosla Ventures 领投。其核心卖点是支持在 Claude、DeepSeek 等底层模型之间灵活切换，目前已被摩根士丹利、安永等大企业工程团队采用。
Mozilla 旗下 MZLA 推出开源 AI 客户端 Thunderbolt：支持自托管与 Haystack
Mozilla 旗下 MZLA 推出开源自托管 AI 客户端 Thunderbolt。它原生集成 deepset 的 Haystack 框架，支持跨平台聊天、搜索与自动化工作流。其主打数据主权并避免厂商锁定，源码已在 GitHub 开源。
Perplexity 推出 Mac 版 Personal Computer：跨本地文件与应用干活
Perplexity 面向 Perplexity Max 订阅用户推出 Mac 版 Personal Computer。它将 AI 调度能力接入本地设备，能跨本地文件、原生应用与网页执行复杂任务；按下两个 CMD 键即可唤起，所有操作在沙盒中运行且支持撤回。
OpenAI 推出 GPT-Rosalind：生命科学专用推理模型，加速新药研发
OpenAI 发布专为生命科学和新药研发打造的推理模型 GPT-Rosalind。它在 11 项 LABBench2 任务中有 6 项超越 GPT-5.4，并在 RNA 预测任务上超过 95% 的人类专家。模型通过受信任访问计划向合格企业提供，Codex 科研插件已在 GitHub 免费开放。
OpenAI 升级 Codex：支持后台自动操作 Mac，多智能体可并行干活
OpenAI 宣布升级 Codex 桌面端。新版支持 macOS 后台电脑操作，多个智能体拥有独立光标并行点击与输入，不干扰用户正常工作；同时集成应用内浏览器、gpt-image-1.5 图像生成、记忆功能及 90 多款新插件。目前面向登录 ChatGPT 的用户推送。
OpenAI 扩大网络安全防御计划：投入千万美元额度，开放 GPT-5.4-Cyber 评估
OpenAI 宣布扩大网络安全受信任访问计划，承诺通过专项资助提供 1000 万美元 API 额度，首批支持 Socket、Semgrep 等漏洞研究团队。包括高盛、英伟达在内的多家巨头已加入支持，美英两国的 AI 安全机构也已获准评估 GPT-5.4-Cyber。
Anthropic 发布 Claude Opus 4.7：高难度编程大幅升级，加装网络安全防护
Anthropic 正式上线 Claude Opus 4.7，面向全线产品及 API 开放。新模型大幅提升了复杂软件工程能力与图像分辨率，能自主检验输出并长时间执行多步任务，同时引入了高危网络安全行为自动拦截机制，调用价格维持不变。
阿里 ATH 推出世界模型 Happy Oyster：实时生成可交互 3D 环境
阿里巴巴 ATH 团队推出交互式 3D 世界模型 Happy Oyster 测试版。该模型能根据多模态输入实时构建可探索的 3D 环境，用户可用提示词生成角色并操控其骑马、滑翔甚至骑龙。目前官方已开放候补名单申请测试资格。
腾讯开源 3D 世界模型 HY-World 2.0：直接输出可编辑 3D 资产
腾讯混元团队开源 3D 世界模型 HY-World 2.0。与只生成像素视频的模型不同，它支持文本、图像或视频输入，能直接输出可导入 Unity、UE 等引擎的持久化网格与 3D 高斯点云，并支持带物理碰撞的自由交互与导航。
Quiver 发布 Arrow 1.1：用原生代码画 SVG，生成成本直降 33%
Quiver 推出 Arrow 1.1 与 1.1 Max 矢量图模型。它直接通过代码生成原生 SVG，多用基础几何与文本而非复杂路径，更易二次编辑；文本生 SVG 成本降低 33.3%，矢量化成本减半。高精度的 1.1 Max 则主打严苛的技术图纸与插画。
周三
4月15日 星期三
Adobe 联手 Anthropic：要把 Firefly 创意智能体搬进 Claude
周三，Adobe 推出最新的对话式创意智能体助手，并宣布与 Anthropic 达成合作将其接入 Claude。该助手支持批量修图、自动调光与裁剪等低干预任务，成为 Claude 首个大型创意设计工具。Firefly 助手将于本月晚些时候开启公测，连接器具体上线时间将在数周内公布。
Roblox Studio 升级智能体工作流：规划、建模到试玩测试全覆盖
Roblox 宣布为 Roblox Studio 引入智能体工作流。新版 Assistant 带来可编辑行动计划的规划模式、网格与程序化建模工具，以及能模拟玩家找 Bug 的试玩智能体 Beta 版，并通过内置 MCP 服务器支持接入 Claude 和 Cursor。
Snap 裁员 16% 约千人：CEO 称用 AI 取代重复工作
Snap 宣布裁员约 1000 人（占员工总数 16%），并冻结 300 多个空缺职位。CEO 埃文·斯皮格尔在全员信中表示，AI 进步能减少重复劳动并提升团队效率。此举预计在 2026 年下半年节省超 5 亿美元，帮助公司扭亏为盈。
卖鞋巨亏的 Allbirds 转型 AI 卖算力：改名 NewBird AI，股价暴涨 600%
持续亏损的鞋履品牌 Allbirds 宣布将原有资产作价 3900 万美元出售，借壳更名为 NewBird AI，并计划融资 5000 万美元采购高性能 GPU 转型做 GPU 云计算服务。消息公布后其股价一度飙升超 600%。不过沃顿商学院教授直言，这并非真正业务转型，只是利用上市公司壳资源蹭 AI 热度。
Google 上线 Mac 原生 Gemini：快捷键呼出、支持屏幕分析
Google 正式推出 macOS 原生版 Gemini 应用，面向 macOS 15 及以上用户免费开放。用户可通过 Option + Space 快捷键随时唤醒，支持共享屏幕分析本地文件或图表，并集成了 Nano Banana 绘图与 Veo 视频生成能力。
Google 推出 Gemini 3.1 Flash TTS：支持文本标签导演语气
Google 推出语音合成模型 Gemini 3.1 Flash TTS。新模型引入音频标签，允许开发者在输入文本中直接用自然语言调控语气、节奏和语调，支持原生多说话人对话与 70 多种语言，所有音频均嵌入 SynthID 水印。
Google 广告全面转向 AI Max：DSA 升级延至 2027 年，转化提升 7%
Google 宣布搜索广告全面转向 AI Max，逐步替代传统的动态搜索广告（DSA）。官方称完整使用该功能后可在相似成本下平均增加 7% 转化。为留出缓冲期，DSA 自动升级推迟至 2027 年 2 月，但 ACA 等设置仍将于 2026 年 9 月起自动升级。
星巴克入驻 ChatGPT：输入「@Starbucks」按心情定制饮品
周三，Starbucks 宣布在 ChatGPT 内上线测试版应用，让顾客通过对话寻找饮品灵感并定制订单。用户启用应用后输入「@Starbucks」即可定制并选择门店，但最终结算仍需跳转至星巴克官方渠道完成。这是其重振客流计划的一部分，意在贴合年轻消费者的新点单习惯。
「锯齿状智能」重塑就业讨论：AI 能解奥数，却栽在简单常识
越来越多专家开始用 Andrej Karpathy 提出的「锯齿状智能」来评估 AI：模型能在 2025 年国际奥林匹克数学竞赛解出 5 道题，却做不好日常简单推理。这种能力的不均衡意味着，自动化冲击的将是具体工作任务，而不是直接抹掉整个职业。
OpenAI 升级 Agents SDK：加入原生沙箱，智能体能安全查文件跑代码
OpenAI 宣布升级 Agents SDK，引入模型原生 harness 与原生沙箱执行能力。开发者可直接接入 Blaxel、E2B、Modal 等沙箱，让智能体安全读写文件、执行 Shell 与修补代码，并支持快照容灾恢复。这让长任务智能体免于自行搭建复杂的隔离运行底座。
OpenAI 购买 FrontierMath 验证器：自动检验模型生成的数学解法
Epoch AI 宣布 OpenAI 购买了 FrontierMath: Open Problems 验证器访问权限。该基准汇集了极高难度的数学难题，此举让 OpenAI 能够自动核验模型生成的解法是否严谨有效，为高阶推理能力的评估提供更可靠的支撑。
周二
4月14日 星期二
Midjourney 上线 V8.1：原生 2K 渲染快 3 倍便宜 3 倍，经典美学回归
Midjourney 上线 V8.1，不仅找回招牌美学风格，还支持原生 2K 渲染，速度较 V8 提升 3 倍且费用降低三分之二。其 1K 全质量模式甚至比 V7 草稿模式更快，同时恢复了垫图功能，并带来全新 Describe、情绪板和风格参考工具。
Meta 联手博通造芯：定制多代 MTIA，首期算力规模超 1 吉瓦
Meta 宣布与博通扩大合作，联合研发多代自研 AI 芯片 MTIA。合作覆盖芯片设计、先进封装与高速以太网，首期部署规模超 1 吉瓦，未来将达数吉瓦。博通 CEO 陈福阳将转任 Meta 顾问，支撑其推荐与生成式 AI 基础设施。
英伟达开源 3D 世界生成器 Lyra 2.0：视频转 3D 场景，能直接训机器人
英伟达发布并开源 3D 世界生成器 Lyra 2.0，能将单段视频转为高一致性的 3D 高斯泼溅环境。模型体积仅 131MB，解决了长视距下的遗忘与漂移问题，生成的场景可直接导入 Isaac Sim 供机器人做导航训练。
Anthropic 推出 Claude Design：对话做 PPT 和原型，一键交接写代码
Anthropic 推出全新实验产品 Claude Design，由新旗舰模型 Claude Opus 4.7 驱动。用户通过自然语言对话就能生成可交互原型、PPT 和网页，支持自定义滑块微调，还能一键打包交接给 Claude Code 写代码。目前已面向 Pro、Max、Team 和企业订阅用户开放测试。
Character.ai 发布 PipSqueak 2：角色更难「出戏」，还带来 Lorebook
Character.ai 发布新模型 PipSqueak 2，率先面向 c.ai+ 会员开放。新模型减少了对话出戏和词句重复，记忆系统也升级支持发型与外貌等细节跟踪，并在生成记忆时弹出通知。官方还预告了即将上线的 Lorebook，让创作者直接给角色绑定世界观设定。
Chrome 上线 Skills 功能：常用 Gemini 提示词一键保存与调用
Google 在桌面版 Chrome 的 Gemini 中推出「Skills」功能，允许用户直接将聊天记录中的提示词保存为一键工具。在网页中输入「/」或点击加号即可触发，还支持跨标签页比对，并附带开箱即用的官方技能库。
Spark 2.0 开源：浏览器也能跑 1 亿点高斯泼溅，手机 VR 都能流畅加载
开源项目 Spark 发布 2.0 版本，基于 Three.js 推出 3D 高斯泼溅流式 LoD 系统。它借助 WebGL2，让浏览器能把超 1 亿个 splat 的超大场景流式传输至手机或 VR 设备并动态调整精度，彻底降低了大规模 3D 渲染的硬件门槛。
DeepMind 发布 Gemini Robotics-ER 1.6：机器人学会看仪表盘，空间推理全面升级
Google DeepMind 推出具身推理模型 Gemini Robotics-ER 1.6。新模型大幅增强了空间指向、多视角任务完成检测以及原生工具调用能力。DeepMind 还联手波士顿动力为四足机器人 Spot 引入仪表读数能力，结合代码执行精准读取工业压力表与视镜。
Google 上线 Windows 桌面应用：内置 AI Mode 搜索，一键搜全盘与网页
Google 宣布面向全球 Windows 用户推出英文版桌面应用，内置 AI Mode 搜索。用户通过 Alt + Space 快捷键即可在桌面上快速检索网页、本地文件、应用及 Google Drive，并支持屏幕共享提问与 Google Lens 圈选搜索。
Microsoft 发布 MAI-Image-2-Efficient：成本降 41%、提速 22%
Microsoft 推出文生图模型 MAI-Image-2-Efficient。该模型专为批量生产设计，生成速度比前代快 22%，成本降低近 41%，每百万图片输出 token 售价 19.50 美元。目前已在 Microsoft Foundry 和 MAI Playground 上线，后续还将接入 Copilot、Bing 与 PowerPoint。
Boston Dynamics 演示 Spot 捡鞋收纳：接上 Gemini，说人话就能做家务
Boston Dynamics 展示了由 Google Gemini Robotics-ER 1.5 驱动的 Spot 机器狗，在住宅内拾取鞋子与易拉罐。工程师无需编写状态机代码，仅用自然语言指令配合 API 工具，就让大模型充当操作员自主规划动作。目前这仍属实验演示，但展现了具身推理加速机器人落地的潜力。
AWS 推出 Amazon Bio Discovery：干湿闭环加速抗体研发，一年工期缩短至数周
AWS 推出 Amazon Bio Discovery，为科研人员提供包含 40 多个生物学 AI 模型和智能体助手的无代码研发环境。系统支持直接打通湿实验 CRO 并自动回传数据闭环微调。此前与 MSK 合作时，仅用数周就完成了传统方法需一年的 30 万种抗体筛选。
诺和诺德合作 OpenAI：把前沿模型嵌入新药研发与供应链
诺和诺德与 OpenAI 达成战略合作，将其前沿模型全面嵌入药物研发及全球供应链。药企希望借助 AI 模拟实验大幅缩短慢性病新药开发周期，OpenAI 还将培训其员工自建工具。双方已启动试点，计划 2026 年底前完成全业务整合。
OpenAI 扩容网络安全可信访问：上线防御专供模型 GPT-5.4-Cyber
OpenAI 宣布扩大网络安全可信访问（TAC）计划，并推出专用于网络防御的 GPT-5.4-Cyber 模型。该版本降低了安全防御任务的拦截门槛，支持二进制反向工程，允许防御者直接分析已编译软件的漏洞与恶意代码。经过认证的个人专家与团队均可申请。
NVIDIA 开源量子 AI 模型 Ising：校准时间从数天缩至数小时
NVIDIA 推出开源量子 AI 模型家族 Ising，用于量子处理器校准和纠错。其中校准模型基于视觉语言模型，将处理器校准时间从数天压至数小时；解码模型比行业基准 pyMatching 提速达 2.5 倍、准确度高 3 倍。
Anthropic 测试 AI 对齐研究员：Claude 将弱到强监督指标提至 0.97
Anthropic 披露用 9 个 Claude Opus 4.6 实例充当自动化对齐研究员。在弱到强监督实验中，人类耗时 7 天使 PGR 达到 0.23，而 Claude 花费 5 天将 PGR 推高至 0.97。不过该方法在 Claude Sonnet 4 实际生产规模测试中未见显著提升。
Claude Code 桌面端重构：多 Agent 并行跑，自带终端与编辑器
Anthropic 发布重构后的 Claude Code 桌面端，主打并行 Agent 协作。新版引入多会话侧边栏、拖拽分屏布局，并内置终端与文件编辑器，还支持分支侧聊。Pro、Max、Team 及企业用户现已可用。
Anthropic 推出 Claude Code Routines：代码自动化直接托管上云
Anthropic 在 Claude Code 中推出 Routines 预览版。开发者可配置提示词、代码仓库与连接器，按定时、API 或 GitHub 事件自动跑任务，全程在云端运行无需本地开着笔记本电脑。Pro、Max、Team 及企业用户即日起可试用。
周一
4月13日 星期一
Google AI Studio 推出 Tab Tab Tab：提示词也能自动补全
Google 在 AI Studio 的 vibe coding 体验中推出提示词自动补全引擎 Tab Tab Tab。该工具由 Gemini 驱动，能在用户只有模糊概念时自动填充细节，降低写提示词的门槛。
字节发布 OmniShow：图音姿态全模态控制，专攻人-物交互带货视频
字节跳动与港中文等推出人-物交互视频生成模型 OmniShow。它支持同时输入人物与商品图、音频及动作骨架，最长原生生成 10 秒带货长镜头，解决商品变形与口型脱节难题。目前代码正在内部审核，尚未正式开源。
实时数字人模型 LPM 1.0：一张照片跑出 45 分钟对话视频
研究团队推出实时数字人模型 LPM 1.0，仅需单张参考图与音频就能流式生成角色视频。最值得关注的是，它不仅能对口型，还能模拟转眼球、调整麦克风等肢体细节与倾听状态，且 45 分钟内不崩脸。目前该项目仅发布技术报告与演示，暂未开源或开放公测。
OpenAI 内部备忘录曝光：炮轰 Anthropic 虚报营收，力推企业平台护城河
据 The Verge 报道，OpenAI 首席营收官 Denise Dresser 向员工发送内部备忘录，强调必须转向平台化并建立企业护城河以防用户流失。备忘录直接炮轰 Anthropic 算力不足且虚报约 80 亿美元年化营收，直言在平台战中做单品公司必败。
微软测试类 OpenClaw 智能体：让 Copilot 全天候自主干活
据 The Information 报道，微软正测试类似 OpenClaw 的常驻 AI 智能体，让 Microsoft 365 Copilot 实现全天候自主运转。该智能体能主动监控 Outlook 邮件与日程并规划任务，同时针对营销、销售和财务等不同岗位隔离权限。微软计划在 6 月 2 日的 Build 大会上公布相关特性。
扎克伯格被曝打造 AI 分身：学自己语气举止，替他给员工开会
据《金融时报》报道，Meta 正在训练 CEO 马克·扎克伯格的 AI 数字分身，用于在员工会议中与下属互动并提供反馈。该分身基于其形象、声音、举止及公开发言训练，扎克伯格本人也参与其中。若试验成功，Meta 计划将这项能力开放给创作者。
Harvey 推出法律智能体 Agents：能端到端做研究、写备忘录和幻灯片
法律 AI 初创公司 Harvey 推出自主智能体 Agents，能端到端处理法律研究、合同审查、备忘录与幻灯片制作等完整工作流。系统支持多智能体并行协作且每一步都附带引用来源，团队还可通过 Agent Builder 定制工作流。目前需向官方申请 Demo 试用。
Blackmagic 发布 DaVinci Resolve 21：新增照片页面与多款 AI 工具
Blackmagic Design 在 NAB 2026 发布 DaVinci Resolve 21。新版首次加入 Photo 页面，将好莱坞级节点调色带入静态摄影，同时内置 IntelliSearch 智能搜索、CineFocus 景深调节及面部修饰等多项 AI 工具。目前公测版已在其官网上线。
Cloudflare 联手 OpenAI：Agent Cloud 接入 GPT-5.4 与 Codex
Cloudflare 宣布在 Agent Cloud 中接入 OpenAI 的 GPT-5.4 等前沿模型，并将 Codex harness 上线至 Cloudflare Sandboxes。企业可直接在边缘环境中部署自主智能体，处理客服回复、系统更新与报告生成等真实工作流。
周日
4月12日 星期日
Anthropic 推出 Claude for Word：用原生修订改写文档，打通 Office 联动
Anthropic 推出内嵌于 Microsoft Word 的 Claude 插件，修改建议会直接以原生修订模式呈现并保留排版。它支持在 Word、Excel 与 PPT 之间保持连贯对话，还能将合同审查等流程存为 Skill 供团队复用。目前处于公测阶段，先面向 Team 和企业版订阅用户开放。
Sam Altman 住所再遭袭击：疑似遭乘车开枪，两名嫌疑人被捕
周日凌晨 1 点 40 分，OpenAI CEO Sam Altman 位于旧金山的住所疑似遭车内人员开枪射击。警方随后逮捕两名嫌疑人并查获三支枪械。这已是该住所两天内遭遇的第二起袭击，此前周五刚有人投掷燃烧瓶。所幸两次事件均无人员伤亡。
开源算法 RotorQuant 击败谷歌：10 倍显存压缩下预填充提速 5.3 倍
开源 KV 缓存压缩算法 RotorQuant 亮相。它利用克利福德旋转器简化了谷歌 TurboQuant 的全局矩阵运算，在提供 10 倍显存压缩的同时，将预填充速度拉高 5.3 倍、解码提速 28%。这意味着单张消费级显卡跑超长上下文大模型变得容易得多。
MiniMax 开源编程模型 M2.7：SWE-Pro 拿下 56.22%，刷新两项基准
MiniMax 宣布正式开源编程模型 M2.7。该模型在软件工程基准 SWE-Pro 获得 56.22%、在 Terminal Bench 2 获得 57.0%，双双创下 SOTA 成绩。权重已上线 Hugging Face，开发者也可通过 MiniMax 平台直接调用 API。
周六
4月11日 星期六
EditCrafter 开源：无需微调支持 4K 图像编辑，吃 24GB 显存
免微调图像编辑工具 EditCrafter 开源，支持直接对最高 4K 分辨率的大图进行修改。它能在不重新训练的情况下保留原图细节与结构，但出图偏向高对比度与高饱和度；本地运行 4K 编辑需要 24GB 显存。
阿里发布 Prompt Relay：免训练即插即用，让 AI 视频无缝切换多场景
阿里巴巴公布视频生成技术 Prompt Relay。这是一种免训练的即插即用方案，通过在交叉注意力层动态路由各时间段的提示词，让老鹰飞翔到赛博城市等跨度巨大的场景能自然过渡，避免画面概念互相串扰。目前官方已发布实施说明，代码文件尚未完全放出。
Andon Labs 让 AI 创业当老板：租下旧金山商铺，智能体自己面试招人类员工
Andon Labs 在旧金山租下一间三年期的零售商铺，交给名为 Luna 的 AI 智能体全权打理并要求盈利。Luna 不仅自主完成品牌设计和选品，还通过电话面试筛选并雇用了两名人类全职店员。最值得关注的是，AI 已经开始直接管理并雇用人类，甚至在招聘时主动隐瞒自己的机器身份。
