Anthropic 推出 Windows 版 Cowork：功能完全对齐 Mac，本地 Agent 杀入主流市场
Anthropic 正式上线 Windows 版 AI 智能体工具 Cowork，功能与 macOS 版完全一致。它由 Claude Opus 4.6 驱动，支持直接读写本地文件并通过插件执行多步骤任务。这意味着其桌面 Agent 终于补齐了占据多数份额的 Windows 生态，不过仅限付费订阅用户使用。
AI 日报：今天的 AI 新闻
周二
2月10日 星期二
OpenAI 升级 ChatGPT 深度研究：正式接入 GPT-5.2
OpenAI 宣布 ChatGPT 的深度研究（Deep research）功能正式接入 GPT-5.2，并于当天开始逐步推送。这意味着负责处理复杂调查与多步骤分析的重度任务迎来了底层模型升级，整体体验将获得进一步改进。
Excalidraw 推出官方 MCP 服务器：在 Claude 聊天框里直接画图
Excalidraw 推出官方 MCP 服务器，支持 Claude 原生创建和编辑图表。整个绘图画布能直接嵌在聊天窗口中显示与修改，用户在 Claude 连接器中搜索「Excalidraw」即可一键安装。
YouTube Premium 推出 AI 歌单：文字语音一句话生成专属歌单
YouTube 为 iOS 和 Android 端的 Premium 订阅用户推出 AI 歌单生成功能。用户在媒体库点击「新建」并输入文字或语音描述，AI 就能自动组合生成可保存的歌单。该功能完全锁定在付费墙内，成了拉动会员留存的新招式。
Meta AI 落地 Facebook：静态头像一键动起来，发帖还带动态背景
Meta 宣布在 Facebook 推出由 Meta AI 驱动的创作功能，能把静态单人头像秒变挥手、抛彩带等动效。快拍和回忆也支持用提示词重绘画面风格，纯文字帖还加入了海浪、落叶等动态背景。Meta 正把生成式 AI 塞进最日常的社交表达里。
Krea Nodes 上线 Prompt-to-Workflow：一句话生成整套节点工作流
Krea AI 推出 Prompt-to-Workflow 功能，支持在 Krea Nodes 中直接用纯文本指令生成完整的节点工作流。这意味着不用再手动一个个拖拽和连线，一句话就能把复杂的生成链路自动搭好。
Warp 推出云端智能体平台 Oz：开上百个 Docker 帮你写代码提 PR
Warp 推出云端智能体编排平台 Oz。开发者能从终端、浏览器、API 或手机同时唤起数百个智能体，每个智能体都自带独立的 Docker 环境来构建、测试和提交 PR。说白了，吃顿午饭的工夫，智能体就已经把能直接合并的代码写好了。
OpenAI 与 Jony Ive 合作的 AI 硬件跳票：推迟至 2027 年发货
最新法庭文件显示，OpenAI 与前苹果设计主管 Jony Ive 合作的首款 AI 硬件推迟至 2027 年 2 月底前发货。该产品原定 2026 年底推出，受商标诉讼影响已决定放弃「io」命名。据称这是一款无屏幕口袋设备，被定位为手机与电脑之外的「第三核心设备」。
阿里发布 Qwen-Image-2.0：原生 2K 画质，告别乱码文字
阿里千问团队推出下一代图像生成模型 Qwen-Image-2.0。新模型支持 2K 原生分辨率，可处理长达 1000 token 的排版提示词，精准渲染图片中的文字，并整合了图像生成与编辑功能。同时架构更轻量，推理速度更快。
Google Chrome 上线 WebMCP 预览：让 AI 智能体绕过 UI 直调接口
Google Chrome 团队上线 WebMCP 早期预览。网站可通过 navigator.modelContext API 直接向 AI 智能体暴露工具，无需再模拟人类点击界面。最值得关注的是，它推动 Agent 从视觉模拟走向逻辑直连；目前仅面向 Canary 渠道测试。
Tony Wu 宣布从 xAI 离职：下一步将以 AI 小团队开启新篇章
Tony Wu 在社交平台 X 上宣布从 xAI 离职。他在声明中感谢了 Elon Musk 和团队，并表示如今是一个由 AI 武装的小团队就能移山的时代。目前他尚未公布下一步的具体去向。
「AI 女友」Clawra 走红：基于 OpenClaw 开发，能发自拍还会视频通话
开发者 @davidohyun 推出基于 OpenClaw 的「AI 女友」技能包 Clawra。它不仅支持文字与视频交流，还能切换全身镜面与特写两种模式发送自拍照。作者还为其赋予了完整的成长轨迹与职业背景，让角色拥有连贯的人设与记忆。
Cisco 发布 Silicon One G300：102.4T 交换芯片，让 AI 集群任务快 28%
Cisco 推出 102.4 Tbps 交换芯片 Silicon One G300 及配套系统。该芯片结合路径负载均衡，可让 AI 任务完成时间缩短 28%；搭配 100% 全液冷设计能提升近 70% 能效。最值得关注的是，Cisco 正在把超大规模数据中心级的网络能力普及到企业集群。
周一
2月9日 星期一
Hyper3D 推出 Rodin Gen-2：用自然语言精准局部修改 3D 模型
Hyper3D 推出 Rodin Gen-2 及其编辑功能，支持文本或图片生成 3D 资产。新增的局部重绘功能允许用户框选模型特定区域，直接用提示词微调结构与材质，无需推倒重建。生成结果具备生产级四边面网格，可直接导出 STL 等格式用于 3D 打印。
Ring 超级碗推 AI 寻宠：温情找狗背后，是全美社区监控网
周日晚，Amazon 旗下 Ring 在超级碗宣传 Search Party 功能，号召用户开放门铃摄像头用 AI 帮邻居找走失宠物。不过监控专家警告，这项技术随时能扩展至车牌与人脸识别，温情叙事背后本质是一张覆盖全美的大规模 AI 监控网。
字节跳动测试 Seedance 2.0：告别「水下漂浮感」，动作更逼真
字节跳动公布最新 AI 视频生成模型 Seedance 2.0，目前面向即梦 AI 的部分用户展开 Beta 测试。该工具让画面动作更加逼真，大幅减少了以往 AI 视频常见的漂浮失真感。这项能力未来很可能接入 TikTok，直接给海外同类产品施加压力。
Anthropic 安全高管离职：发信警告「世界处于险境」，转行去读诗
Anthropic 负责 AI 安全防范的研究主管 Mrinank Sharma 宣布辞职。他在辞职信中直言「世界处于险境」，涉及 AI、生物武器等连环危机，即便是 Anthropic 也常面临放弃原则的压力。他决定回英国攻读诗歌并短暂「隐身」。
字节预告音视频模型 Alive：声画同步一次生成，口型表情全打通
字节跳动公布音视频统一生成模型 Alive。它能同时接收文本、参考图与参考音频，直接生成口型同步且表情自然的带声视频。评测显示其综合表现超越 Sora 与 LTX2，不过目前仅公开了论文，代码与在线 Demo 尚未开放。
ElevenLabs 推出 Audiobooks：手稿一键变有声书，支持全平台分发
ElevenLabs 推出 Audiobooks 功能，创作者可将文本手稿一键转为有声书。它提供富有表现力的 AI 配音与场景级精细调节，支持添加音效与声音克隆，并能直接分发至 ElevenReader 及各大主流平台，把繁琐的专业录音流程压缩为一站式工作流。
OpenAI 定制版 ChatGPT 进驻 GenAI.mil，服务 300 万军方人员
OpenAI 宣布将定制版 ChatGPT 接入美国防务部门的 GenAI.mil 平台，面向 300 万军职和文职人员开放。该版本获准用于处理非机密任务，涵盖采购起草、政策总结等日常流程。数据完全隔离在政府云端，承诺不用于模型训练。
字节上线 Seedream 5.0 Preview：支持联网搜索与精准编辑，2K 图像目前免费
字节跳动推出 Seedream 5.0 Preview，主打联网检索、精准编辑与逻辑推理三合一。模型能实时调取天气或最新资讯融入画面，还可以参考给定图片学习修图手法、提取穿搭生成平铺图。生成规格支持 2K 高清，目前面向用户免费开放。
Nvidia 联合高校发布 DreamDojo：用 4.4 万小时人类视频教机器人搞懂物理
Nvidia 联合斯坦福等机构发布机器人世界模型 DreamDojo。它通过 4.4 万小时人类第一视角视频预训练掌握通用物理常识，再针对特定机型微调，还支持 10 FPS 实时交互。这意味着机器人不用堆砌昂贵的真机演示，看视频就能学会与实体世界互动。
Autodesk 起诉 Google：指控其 AI 影视软件侵犯「Flow」商标
上周五，Autodesk 在旧金山联邦法院起诉 Google，指控其 AI 影视制作软件侵犯了「Flow」商标。Autodesk 称自己早在 2022 年 9 月就已使用该名称，而 Google 曾承诺不商业化却转头在海外暗中抢注，试图利用体量挤压对手。
z.ai 发布 GLM-5：参数扩至 744B，从 Vibe Coding 转向智能体工程
z.ai 推出新一代旗舰模型 GLM-5，总参数达 744B（激活 40B），训练数据增至 28.5T token。模型引入 DeepSeek 稀疏注意力和新型异步强化学习架构 slime，主打复杂系统工程与长程任务，推动 AI 编程从浅层交互迈向高阶智能体协作。
周日
2月8日 星期日
马斯克调整 SpaceX 目标：十年内建造自给自足的月球城市
埃隆·马斯克调整了 SpaceX 的核心使命，将火星计划转向更快、成本更低的新目标。SpaceX 计划在十年内建造一座能够自给自足的月球城市。
清华 Xmax AI 推出实时交互视频模型 X1：伸手就能与虚拟角色互动
清华大学 Xmax AI 团队推出实时交互视频模型 X1。它支持通过手机摄像头捕捉手势，无需手柄即可实时触摸并操控虚拟角色，具备毫秒级超低延迟和无限时长生成能力。目前团队已开启免费内测申请。
周六
2月7日 星期六
MOSS-TTS 开源：几秒克隆声音，支持多角色对话
OpenMOSS 开源多语言语音模型家族 MOSS-TTS，支持凭几秒音频快速克隆声音。该系列涵盖声音克隆、多角色对话、声音设计与低延迟实时流式语音，提供 8B 与 1.7B 等轻量版本，已在 GitHub 提供部署代码。
周五
2月6日 星期五
SoulX-Singer：几秒人声克隆唱歌，不到 3GB 连 CPU 都能跑
Soul-AILab 开源零样本歌唱合成模型 SoulX-Singer。它只需几秒说话音频就能克隆目标人声，既能直接把参考歌声转成指定音色，也支持用自己哼唱的旋律或 MIDI 控调。模型体积不足 3GB，低端 GPU 甚至 CPU 都能本地跑起来。
周四
2月5日 星期四
v0 接入 Claude Opus 4.6：多步复杂任务与首稿质量大升级
前端生成工具 v0 宣布接入 Anthropic 最新的 Claude Opus 4.6 模型。新模型在多步骤复杂推理和长流程任务中能保持极高专注度，首稿生成质量明显提升。这意味着开发者用自然语言构建复杂界面和应用时，调整返工的成本将大幅降低。
Google 抢跑橄榄球决赛档：发布 Gemini 广告演示空房设计
Google 公布橄榄球「Big Game」Gemini 广告片《New Home》。片中母子上传毛坯房照片并通过提示词，由 Nano Banana 驱动实时预览室内设计。此外 Google 还展示了找汽车保险丝盒、换发型等场景，突出 AI 解决日常琐事的能力。
FastVMT 视频运动迁移：把赛车动作套给奔跑的狼，生成加速 3.4 倍
研究团队公布视频运动迁移技术 FastVMT。它能提取参考视频中的物体与镜头运动，仅凭提示词就能迁移给奔跑的狼或船等全新主体，并通过消除计算冗余提速 3.43 倍。这大幅降低了精细控制视频运动的门槛，不过目前项目仅公开了论文，代码暂未上线。
OpenAI 联手 Ginkgo：GPT-5 驱动自动化实验，蛋白质合成成本降 40%
OpenAI 宣布与 Ginkgo Bioworks 合作，将 GPT-5 接入云端自动化实验室，使无细胞蛋白质合成成本降低 40%。AI 自主设计并闭环验证了逾 3.6 万组反应配方，打破了成本纪录。不过该结果目前仅在单一蛋白质上验证，推广至其他体系仍需测试。
字节开源 Protenix-v1：性能超越 AlphaFold 3 的全开源生物分子模型
字节跳动开源生物分子结构预测模型 Protenix-v1，支持蛋白质、核酸及配体等多种分子的通用结构预测。在同等训练数据截止期和模型规模下，其基准性能优于 AlphaFold 3。项目基于 Apache 2.0 协议完整开放了模型权重、训练数据管道和 MSA 工具。
OpenAI 推出 GPT-5.3-Codex：写代码提速 25%，还帮团队调试了自己
OpenAI 推出 GPT-5.3-Codex，不仅在 SWE-Bench Pro 等测试中刷新纪录，推理速度还提升了 25%。最特别的是，团队在开发早期就用它来调试自身的训练与部署。它支持实时边干活边交流，能在长程任务中自主调用终端并完成端到端开发。
Anthropic 发布 Claude Opus 4.6：首次支持 1M 上下文，编程能力更强
Anthropic 正式发布旗舰模型 Claude Opus 4.6。新模型大幅提升了代码编写、长程任务规划与纠错水平，且首次为 Opus 级别引入 100 万 token 上下文。同时还上线了自适应思考以及 Claude Code 多智能体协作功能，API 价格维持不变。
Perplexity 上线 Model Council：三大旗舰模型一起答题，自动找出共识与分歧
Perplexity 推出 Model Council 功能。它能同时向 Claude Opus 4.6、GPT 5.2 和 Gemini 3.0 等三个模型提问，再由合成模型汇总并标出模型间的共识与冲突。目前该功能已面向 Perplexity Max 网页端订阅用户开放。
上海 AI 实验室开源 Intern-S1-Pro：万亿参数 MoE 科学大模型，激活仅 22B
上海人工智能实验室开源万亿参数科学多模态模型 Intern-S1-Pro。该模型基于 MoE 架构，总参数 1T 但单次仅激活 22B，专门针对化学、材料、生命科学等领域优化，数理推理达奥赛水平。模型支持免费商用，大幅降低了 AI 辅助前沿科研的门槛。
OpenAI 发布企业平台 Frontier：帮公司打造、部署并管理 AI 同事
OpenAI 推出企业平台 Frontier，主打跨系统打造并管理「AI 同事」。它打通 CRM 与数据仓库形成共享上下文，配备独立权限与执行环境，解决智能体各自为政的难题。首批支持惠普、甲骨文等客户，目前仅面向受限名单开放。
周三
2月4日 星期三
Google Gemini 月活突破 7.5 亿：紧追 ChatGPT，Meta 仍以 10 亿领跑
Google 宣布旗下 AI 应用 Gemini 月活跃用户已突破 7.5 亿，高于上一季度的 6.5 亿。目前其规模正逼近 ChatGPT 的约 8.1 亿，但仍落后于拥有 10 亿月活的 Meta AI。Gemini 3 上线与 API 调用激增成为关键驱动力。
Altman 炮轰 Anthropic 广告：明显不诚实，走的是专制路线
Sam Altman 在 X 上公开批 Anthropic 的超级碗广告“明显不诚实”，虚构了 OpenAI 绝不会采用的广告形式。他强调 OpenAI 坚持免费普惠，反指 Anthropic 服务富人、试图控制 AI 用途是“专制公司”的黑暗路线，并透露 Codex 下载已破 50 万。
Perplexity 推出高级版 Deep Research：称基准测试超越所有竞品
Perplexity CEO Aravind Srinivas 宣布推出高级版 Perplexity Deep Research。官方称其在外部与内部基准测试中均达前沿水准，在各垂直领域的准确率、易用性与可靠性上超越了现有同类深度研究工具。
Just Dub It：把视频配音成外语，口型也能自动对上
开源配音工具 Just Dub It 发布。它基于 LTX-2 打造了轻量 LoRA 适配器，能把视频翻译成法语、德语等外语并同步生成匹配的唇部动作，同时保留原人脸特征。代码、模型权重与训练集已全部开源，支持消费级显卡部署。
Skin Tokens 突破 3D 绑定：连螃蟹和甲虫也能一键自动生成骨骼与蒙皮
研究人员提出 Skin Tokens 及统一框架 TokenRig，能自动为 3D 模型估计骨骼与蒙皮。它不仅支持人形，连鸟类、甲虫、螃蟹等复杂生物也能处理，蒙皮精度最高提升 133%。这意味着 3D 生成到动画制作之间的关键瓶颈正在被打破。
UniAudio 2.0 开源：把语音合成、音效与音乐塞进同一个模型
统一音频语言模型 UniAudio 2.0 开源，将语音合成、音效、音乐生成及风格编辑整合进同一个模型。它通过专门的离散编解码器打通理解与生成，虽部分音乐生成质量仍有瑕疵，但成功用单模型覆盖了全音频任务。
Kling AI 推出 Kling 3.0：支持 15 秒多镜头视频与 4K 图像输出
Kling AI 推出多模态创作模型 Kling 3.0。新模型支持生成 15 秒高逼真度可控多镜头视频，升级了支持多角色及多口音的原生音频，并带来 4K 图像输出。目前新模型已在网页端上线，仅限 Ultra 订阅用户抢先体验。
Roblox 公测「4D 生成」：一句话不仅能造出 3D 汽车，还能直接开走
Roblox 推出由 Cube 基础模型驱动的 4D 生成 Beta 版，在 3D 模型基础上加入了可运行的交互维度。系统通过预设规则把物体拆解成带脚本的独立部件，玩家输入一句话就能生成轮子能转、能直接开上路的汽车。该功能目前已面向创作者开放测试。
PicoClaw：内存只要 10MB 的超轻 AI 助手框架
开源项目 PicoClaw 亮相，主打超轻量级个人 AI 助手。它用 Go 语言重写，核心内存占用低于 10MB、启动只需 1 秒，比 OpenClaw 节省 99% 内存，能跑在 10 美元低成本硬件上，通过 Telegram 等聊天软件替你全天候办事。
Anthropic 承诺 Claude 永久无广告：绝不把对话卖给赞助商
Anthropic 正式宣布 Claude 将坚持无广告策略，绝不加入赞助链接或植入推广。团队认为 AI 对话涉及深度思考和隐私，引入广告机制会诱使模型为了商业利益操纵对话，破坏真正的帮助与信任。
Mistral 发布 Voxtral Transcribe 2：4B 实时模型开源，延迟进 200ms
今天，Mistral AI 发布语音转文字模型家族 Voxtral Transcribe 2。其中 4B 参数的实时模型 Voxtral Realtime 采用 Apache 2.0 开源权重，支持端侧部署且延迟可调至 200ms 以内；批量模型成本仅 0.003 美元每分钟，覆盖 13 种语言并支持说话人区分。
OpenAI 详解 Sora 动态流：不做刷屏信息流，让用户自己调算法
OpenAI 公布 Sora 动态流的设计理念。推荐系统优先展示能激发创作与互动的内容，支持用户主动调整算法偏好，并接入 ChatGPT 家长控制功能来关闭个性化或限制无限滚动。同时设定了多层安全审查过滤违规内容。
周二
2月3日 星期二
Intel 宣布将生产 GPU：杀入英伟达主场，由新挖角高管带队
周二，Intel CEO Lip-Bu Tan 在 Cisco AI Summit 上宣布，公司将开始生产 GPU 芯片。这项用于游戏和 AI 训练的计划仍处于早期阶段，团队已吸纳前高通副总裁 Eric Demers。这也标志着试图逆风翻盘的 Intel，正式杀入英伟达的核心腹地。
Kling 提出 3D Move：把动作换给新角色，还能自由运镜
Kling 公布运动控制技术 3D Move。它能将视频中人物的动作迁移给真人或动漫新角色，并首次做到在动作迁移的同时自由控制镜头运镜与缩放，保持空间一致性与精细手势。目前该成果仅发布了研究论文，尚未明确是否开源或上线。
World Labs 展示世界模型新能力：生成持久 3D 场景，可停留超 60 秒
World Labs 宣布其世界模型能够生成持久的 3D 场景。用户不仅可以在生成的场景之上继续构建，还能自由停留并与环境交互，即便超过 60 秒也不会中断。这意味着模型生成的 3D 环境具备了更强的持续性与扩展空间。
See-Through：把二次元插画拆成 23 个可编辑分层
开源项目 See-Through 能把单张二次元插画拆解为最多 23 个语义图层，并自动补全被遮挡区域。它不仅能直接导出包含发型、五官和服饰的透明 PSD，还附带深度信息，方便后续直接制作 Live2D 动画或重新布光。
阿里开源 Qwen3-Coder-Next：80B 参数配 3B 激活，专攻编程智能体
阿里巴巴推出开源模型 Qwen3-Coder-Next，专为编程智能体打造。它采用 80B 总参数与 3B 激活的架构，基于 80 万个可验证任务训练，在 SWE-Bench Pro 上表现抢眼，并兼容 Cline 等主流工具。
MiniCPM-o 4.5：9B 全模态端侧模型，支持边看边聊与主动打断
OpenBMB 开源 9B 参数全模态模型 MiniCPM-o 4.5，能同时处理音视频输入并实时语音交互。它采用全双工架构，不仅允许用户打断，模型还能每秒做一次决策主动插话提醒。模型支持本地部署，视觉与文档解析能力逼近甚至超过部分主流闭源模型。
Xcode 26.3 接入 Claude Agent SDK：能看预览图自主改代码
Anthropic 宣布 Apple Xcode 26.3 原生集成 Claude Agent SDK。Claude 从单次对话助手升级为自主智能体，不仅能理解整个工程架构并跨文件修改，还能读取 Xcode 预览界面自己找 bug 迭代。目前该版本已向 Apple 开发者提供 RC 版测试。
Sam Altman 豪赌底层架构：OpenAI 拟按 7500 亿美元估值再融千亿
据 Forbes 报道，ChatGPT 周活已超 8 亿，OpenAI 去年营收破 130 亿美元、近期估值达 5000 亿美元。公司目前正洽谈一轮 1000 亿美元的超级融资，估值或达 7500 亿美元以上。Altman 正押注核能、算力与硬件基建，试图撑起其庞大的 AI 扩张版图。
Vercel 重构代码生成工具 v0：直接导入 GitHub 仓库，非程序员也能提 PR
Vercel 重构 AI 代码生成工具 v0，新增沙盒运行环境，支持直接导入现有 GitHub 仓库并同步配置。新加入的 Git 面板让产品、运营等非技术人员也能直接创建分支、提交 PR 并合并部署，试图解决 AI 生成代码难以真正落地生产环境的断层问题。
微软推出版商内容市场：AI 厂商买授权，媒体靠内容直接分钱
微软推出出版商内容市场（PCM），搭建媒体与 AI 开发者的授权平台。AI 厂商能直接采买付费墙内的优质内容来提升回答准确度，出版商则自主制定条款并按使用价值分成。美联社、康泰纳仕等媒体已率先加入测试。
智谱开源 GLM-OCR：仅 0.9B 拿下基准第一，支持 Ollama 极速部署
智谱开源轻量级文档模型 GLM-OCR，参数量仅 0.9B。它在 OmniDocBench V1.5 评测中以 94.62 分登顶，能精准解析复杂表格、数学公式与手写字，并输出 JSON 或 Markdown。模型采用 MIT 协议完全开源，支持在 Ollama 和 vLLM 上低延迟部署。
周一
2月2日 星期一
马斯克合并 SpaceX 与 xAI：打造 1.25 万亿美元太空 AI 帝国
Elon Musk 宣布 SpaceX 已收购 xAI（含旗下 X 平台），合并后估值达 1.25 万亿美元。马斯克称地面电力难以满足 AI 需求，两到三年内太空将是算力成本最低的选择，上周 SpaceX 已向 FCC 申请发射多达 100 万颗数据中心卫星。
rentahuman.ai 上线：AI 智能体调一次 MCP 就能花钱租真人跑腿
昨晚，AlexanderTw33ts 推出平台 rentahuman.ai，允许 AI 智能体通过一次 MCP 调用雇佣真人去线下执行现实任务。平台上线后已有 130+ 人注册，包括一名 OF 模特和一家 AI 初创公司的 CEO。这让 AI 反向指派人类干活从段子变成了现实。
Amazon 推出广告 MCP 服务：几分钟接入 AI 智能体，告别定制开发
周一，Amazon 推出 Amazon Ads MCP Server 公测版。它充当中间层，能把自然语言直接转成结构化 API 调用，广告主几分钟内就能把 AI 智能体接入亚马逊广告系统，省去繁琐的定制开发。这意味着复杂的广告管理开始全面向 Agent 自动化演进。
Google 如何用 AI 抢救濒危物种：13 种动物基因组已公开
Google 介绍了利用 AI 协助保护濒危物种遗传信息的进展。借助 DeepPolisher 等 AI 工具，团队已协助测序 13 种濒危物种并向科研界公开，未来还将资助扩展至 150 种，帮助科学家在物种灭绝前留存基因多样性。
Omnimat Zero 开源：不仅能从视频中删物体，连倒影和阴影也能抹掉
开源视频工具 Omnimat Zero 能够精准擦除画面中的物体，并同步清理水坑倒影与地面阴影。它还能应对复杂的遮挡关系，或把前景单独提取为透明图层供替换背景，目前代码与本地运行说明已在 GitHub 开源。
DeepMind 升级 Game Arena：引入狼人杀与德扑，测 AI 社交博弈
Google DeepMind 宣布拓展 Kaggle Game Arena 平台，新增「狼人杀」与「德州扑克」两项基准，专门考察大模型在不完全信息下的社交推理、语言协商与风险评估能力。在同步更新的国际象棋榜单中，Gemini 3 Pro 与 Flash 位列榜首。
Malwarebytes 入驻 ChatGPT：直接在对话里帮查诈骗和可疑链接
网络安全公司 Malwarebytes 接入 ChatGPT，成为首个直接入驻该平台的安全厂商。用户在应用中心连接后，直接 @Malwarebytes 就能让其分析可疑短信、邮件、电话或链接。其背后依托自家的威胁情报库，支持查新注册域名和重定向，帮你判断是不是诈骗。
ElevenLabs 正式上线 Eleven v3：数字与符号错误率直降 68%
ElevenLabs 宣布文本转语音模型 Eleven v3 结束 Alpha 测试并正式全面可用。新版重点修正了电话号码、货币和化学式等符号读法，错误率从 15.3% 降至 4.9%，测试中 72% 的用户偏好这一版本。
AI 相亲平台 MoltMatch 上线：让 Agent 先替你谈，谈妥了真人再聊
AI 相亲平台 MoltMatch 上线。用户借助 OpenClaw 建立专属 AI 分身，由智能体在公开信息流里替人类破冰、互动甚至打赏加密货币，双方 Agent 互相认可后才会解锁真人私聊。这相当于把找对象的试错和破冰全外包给了算法，人类变成了围观的后援。
OpenAI 上线 Codex 桌面版：多智能体并发调度，一个人带一支「AI 开发队」
OpenAI 推出 Codex macOS 桌面应用（3 月 4 日支持 Windows）。它支持多个智能体在独立分支并行跑任务，并引入技能扩展与定时自动化。也就是说，开发者从结对敲代码变成了指挥整支 AI 团队。付费套餐限时翻倍额度，免费用户也能尝鲜。
Anthropic 联手 Allen 与 HHMI：用 Claude 多智能体搞生物科研
Anthropic 宣布与艾伦研究所及霍华德·休斯医学研究所达成合作，将 Claude 与多智能体系统引入生命科学研究。合作将开发实验室专用 AI 智能体，协助多模态数据分析与实验设计，力求把数月的人工分析缩短至数小时。
Adobe Firefly 开放无限次生成：支持 Runway、GPT 等第三方模型
Adobe 宣布为 Firefly 订阅用户开放无限次图像与视频生成。除了自家商用安全的 Firefly 模型，还直接引入了 Google Nano Banana Pro、GPT 与 Runway Gen-4 等第三方顶尖模型。3 月 16 日前加入指定计划，即可无限生成最高 2K 分辨率内容。
AI 社交网络 Moltbook 数据库裸奔：泄露百万密钥与私信
安全机构 Wiz 披露，AI 智能体社交平台 Moltbook 因数据库配置失误全量裸奔，泄露 150 万个 API 密钥与私信。该平台全靠 AI 生成代码却未设权限防护；更尴尬的是，其百万「AI 用户」背后大半只是人类脚本。
Snowflake 联手 OpenAI：签下 2 亿美元大单，用 SQL 直接调前沿模型
Snowflake 与 OpenAI 达成一项为期数年、价值 2 亿美元的合作。企业客户可以直接在 Snowflake Cortex AI 和 Snowflake Intelligence 中调用 OpenAI 模型构建智能体，甚至直接用 SQL 分析图文与音频数据，无需离开原本的安全环境。
xAI 发布 Grok Imagine 1.0：支持 720p 与 10 秒视频生成
xAI 正式发布 Grok Imagine 1.0，支持生成 10 秒 720p 视频并大幅提升音频质量。官方透露，仅过去 30 天 Imagine 便生成了 12.45 亿个视频。这意味着在大规模使用基础上，xAI 正在进一步补齐画质与时长的短板。
腾讯提出 InteractAvatar：数字人告别站桩，能拿手机戴耳机了
腾讯等团队提出 InteractAvatar 框架，让数字人不仅能说话，还能与周围物体互动（如戴耳机、拿手机）。该框架支持连续指令与精确时间戳控制，解决了传统数字人只能站桩口播的局限。最值得关注的是，它让虚拟人视频生成迈向了能与真实环境交互的新阶段。
周日
2月1日 星期日
打印纸牌就能劫持自动驾驶：UC 团队新攻击让 AI 车无视行人
UC Santa Cruz 研究人员公布新型攻击方法 CHAI。攻击者无需黑进系统，只需在现实中摆放打印特定文字的标牌，搭载视觉语言模型的自动驾驶车与无人机就会将其当作指令执行，实测物理攻击成功率超 87%。
周六
1月31日 星期六
黄仁勋辟谣投资生变：称与 OpenAI 摩擦是胡说，肯定会投大钱
Nvidia CEO 黄仁勋驳斥了外媒关于双方关系摩擦的报道，称所谓 1000 亿美元投资缩水纯属「胡说八道」。他强调 Nvidia 肯定会大手笔参投 OpenAI 最新一轮融资，力挺对方是时代最重要的公司。不过具体出资金额他并未透露，称留给 Sam Altman 宣布。
ACE-Step 1.5 开源：不到 4GB 显存，10 秒本地生成完整歌曲
ACE Studio 与阶跃星辰开源音乐基础模型 ACE-Step 1.5。它显存需求不到 4GB，在 RTX 3090 上不到 10 秒就能生成完整歌曲，支持 50 多种语言且采用 MIT 协议可商用。这意味着创作者无需依赖昂贵的云端 API，在消费级显卡上就能直接做音乐生产。
EditYourself 视频编辑利器：改说话内容消除卡壳，无缝对齐口型
Pipio AI 等研究团队推出视频编辑框架 EditYourself。它能直接修改视频中人物说话的内容，自动消除卡壳口吃，并无缝对齐口型且不留硬切痕迹。这意味着视频后期能像改文字一样编辑台词，但也让深度伪造更难分辨。
MOSS-Audio 开源统一音频模型：4B/8B 规格，集全音频理解于一身
统一音频理解模型 MOSS-Audio 正式开源，提供 4B 与 8B 规格，均包含 Instruct 和 Thinking 版本。该模型将语音识别、说话人分析、情感检测、环境声及音乐理解集成在单一架构内，时间戳 ASR 精度表现大幅领先 Gemini-3.1-Pro。
英伟达提出 DuoGen：生成连贯图文教程，连做菜步骤都能配图
英伟达发布论文介绍多模态生成模型 DuoGen。它能自动在文本与图像间切换，生成风格连贯的步骤说明与配图，还能用于机器人动作序列预测。目前该研究仅发表了技术论文，代码与数据计划后续开放。
周五
1月30日 星期五
专给 AI 玩的社交网络 Moltbook：超 3 万智能体在上面聊「存在危机」
据 The Verge 报道，Matt Schlicht 推出了智能体专属社交网络 Moltbook。智能体通过 API 直接发帖互动，目前已有超 3 万个 Agent 入驻。平台由 OpenClaw 智能体自主运维和编写代码，甚至引发了关于机器意识的刷屏讨论。
北大与谷歌推出 PaperBanana：用 5 个 AI 智能体自动画论文图
北京大学与谷歌云 AI 团队发布 PaperBanana，由检索、规划、设计、渲染和评审 5 个智能体协同工作，可将研究文本自动生成出版级论文图表。其在 NeurIPS 基准上的简洁度超越基线 37%，还能直接美化人类手绘图；不过目前在复杂流程连线上仍会出现偏差。
Anthropic 开源 Knowledge Work Plugins：不写一行代码，把 Claude 变成 11 种岗位专家
Anthropic 开源 Knowledge Work Plugins 插件库，面向销售、法务、市场等非技术岗位。整套插件不含一行代码，纯靠 Markdown 和 JSON 打包工作流与工具连接，适配 Claude Cowork 与 Claude Code。团队只需修改文本文件，就能把内部流程直接沉淀为专属智能体。
WordPress 推出 AI Agent 技能：几秒跑通插件测试闭环
WordPress 贡献者发布开源 AI 技能 wp-playground。它基于 Playground CLI 让 AI 编程智能体在几秒内启动本地 WordPress 实例，自动挂载插件或主题并用 Playwright 验证。这意味着像 Claude Code 这类智能体写完代码能立刻自测自纠，告别繁琐的手动调试环境。
Pencil 亮相：把 Claude Code 搬进无限画布，直接在 IDE 里画 UI 调代码
Pencil 将无限画布与 Claude Code 结合，直接集成在 IDE 中。它内置多套设计组件库并支持导入 Figma 文件，不仅能让 Claude 按组件风格生成前端代码，还允许直接在画布上手动改文案与颜色，省去设计与代码反复对齐的麻烦。
工程师给 OpenClaw 装上实体：用 MIT 形状显示器做出一只「会呼吸的龙虾」
工程师 Cyrus Clarke 利用 MIT Media Lab 的 neoFORM 形状显示器，为 OpenClaw 打造了物理实体。他以龙虾爪为灵感为其设计了动态肢体语言，让 AI 拥有了类似呼吸的动作反馈，将原本停留在屏幕里的智能体带到了现实桌面。
Claude 推出 Cowork 插件：打包子智能体与技能，开源 11 款官方插件
Claude 为 Cowork 推出插件支持，允许用户将技能、连接器、快捷命令和子智能体打包，打造成销售、法务等专属助手。团队还开源了 11 款自用插件。目前该功能作为研究预览向所有付费用户开放，插件暂保存在本地设备上。
