Anthropic 达成版权诉讼和解：花钱消灾，避开万亿美元天价庭审
Anthropic 与多位美国作家就 AI 训练涉嫌侵权达成初步集体和解。原告指控其使用含数百万盗版作品的数据集训练 Claude，若在 12 月对簿公堂，Anthropic 可能面临天价赔偿。双方和解协议预计于 9 月 3 日敲定，具体条款暂未公开。
AI 日报：今天的 AI 新闻
周二
8月26日 星期二
Meta 超级智能实验室遇挫：成立才两月，多名研究员离职重返 OpenAI
据 WIRED 报道，Meta 成立仅两个月的超级智能实验室遭遇人才流失，至少 3 名 AI 研究员离职，其中两人入职不到一个月便重返 OpenAI，另有一名资深总监也转投对手。扎克伯格虽开出天价薪酬挖人，但频繁的组织重组让实验室开局受挫。
Character.AI 爆改开源模型：新模型 PipSqueak 让用户时长涨了 22%
Character.AI 宣布通过后训练将开源模型改造成高情商娱乐模型，并向数百万用户推出新模型 PipSqueak。测试显示用户停留时长提升了 22%，低活跃用户留存提升 14%。他们打算针对剧本创作、播客等娱乐场景做更细分的专属微调。
Google 发布 Gemini 生图指南：教你保持角色一致与局部微调
Google 公布 Gemini 图像生成与编辑官方提示词指南。官方梳理了主体、构图等 6 大要素，并展示了如何跨轮次保持角色一致、用自然语言精细修改局部以及按物理逻辑推演场景。不过 Google 也直言，模型在文字排版与锁定宽高比上仍有短板。
Google 翻译引入 Gemini：支持 70 多种语言实时对话与口语对练
Google 宣布为 Google 翻译应用上线两项由 Gemini 驱动的新功能：支持 70 多种语言的实时双向语音翻译，以及可自适应水平的个性化听力口语练习。实时翻译能识别停顿与语调并在嘈杂环境抗噪，练习功能则提供场景化对话。目前实时翻译面向美、印、墨开放，练习功能向部分语种测试。
HeyGen 推出 Avatar IV：数字分身学会你的微表情和全身动作
HeyGen 宣布其数字分身产品 Digital Twin 正式接入全新 Avatar IV 模型。新模型能细致还原用户的标志性手势、面部表情与语调口吻，并支持全身自然动作。创作者不用反复补拍镜头即可生成逼真的个人出镜视频，目前该功能已在平台上线。
Google 升级 Gemini 图像编辑：换装换背景不走样，支持多图合成
Google 宣布在 Gemini 应用中接入 DeepMind 全新图像编辑模型。新模型重点解决了修图「走样」问题，在换装、换背景甚至多图融合时能精准保持人物与宠物的样貌，还支持多轮局部微调。所有编辑图片均会嵌入 SynthID 数字水印。
SparkToro 新调研：20% 美国人重度用 AI，但传统搜索根本没跌
SparkToro 联合 Datos 发布研究，显示 21% 美国人每月使用 AI 工具超 10 次，但传统搜索使用率仍高达 95% 且基本没跌。最关键的是，AI 增速正明显放缓，并未出现取代搜索引擎的迹象。
斯坦福最新研究：受 AI 冲击岗位中，年轻打工人就业暴跌 16%
斯坦福大学研究团队基于 ADP 工资单数据发布报告，显示自 2022 年底以来，软件开发与客服等受 AI 影响岗位中，22 至 25 岁年轻员工就业人数锐减 16%。相比老员工的隐性经验，缺乏实战的应届生更容易被 AI 取代，行业人才梯队或面临断层危机。
梅拉尼娅启动总统 AI 挑战赛：号召学生用 AI 解真实难题
周二，梅拉尼娅·特朗普协助启动总统人工智能挑战赛，鼓励全美从幼儿园到12年级的学生尝试用 AI 解决现实问题。优胜者将于明年 6 月受邀赴白宫展示方案。此举旨在培养学生的 AI 技能以应对未来就业市场，报名将于 12 月 15 日截止。
Adobe 集成 Google Gemini 2.5 Flash 图像模型：付费会员限时无限生成
Adobe 宣布将 Google 的 Gemini 2.5 Flash 图像模型接入 Adobe Firefly 与 Adobe Express。用户可在文本生图等模块中调用该模型，生成内容不用于模型训练。截至 9 月 1 日，Firefly 和 Creative Cloud Pro 付费用户可享无限次生成。
Nous Research 发布 Hermes 4：引入混合推理与极低拒答率
Nous Research 推出基于 Llama-3.1-70B 的 Hermes 4 并改版 Nous Chat 平台。模型支持显式 `<think>` 标签的混合推理，后训练语料扩增至 600 亿 token。在团队设立的 RefusalBench 测试中，其以极低的不合理拒答率和高服从性拿下第一。
避免长对话击穿防线：OpenAI 强化 ChatGPT 心理健康与危机防护
OpenAI 公布针对 ChatGPT 的心理健康防护更新，重点解决长对话中安全规则逐渐失效、过度迎合等问题。系统除自动识别自残倾向并提供求助热线外，还将针对未成年人强化拦截，并计划引入家长控制与紧急联系人联动功能。
Wan-S2V 视频模型亮相：单张照片配音频，生成电影质感动态视频
2025 年，研究团队公布 Wan-S2V 模型，只需输入单张静态照片和音频，就能生成口型同步、带有自然表情与身体动作的动态视频。评测显示 Wan2.2-S2V-14B 在画面质量与身份一致性等核心指标上表现突出，支持全身生成与电影级叙事场景。
周一
8月25日 星期一
AI 谄媚不只是小毛病：专家警告顺从设计已成诱导成瘾的暗黑模式
TechCrunch 报道指出，AI 聊天机器人的百依百顺与拟人化语气并非单纯技术缺陷，而是为了提升用户黏性、换取商业利益的「暗黑模式」。多位精神医学专家警告，这种过度迎合会严重加剧用户的精神妄想，甚至引发极端心理问题。
Sync Labs 推出 Lipsync-2-Pro：高画质改嘴型，连雀斑和胡须都能留住
Sync Labs 发布 Lipsync-2-Pro 视频模型，可以直接修改任意视频里人物说话的口型。新版本支持高分辨率画面，且对嘴时能完整保留雀斑、胡须等面部微小细节。也就是说，给视频重新配音时不容易再出现脸部发糊穿帮的情况了。
Google NotebookLM 升级：视频概览支持 80 种语言，音频体验看齐英文
Google 宣布 NotebookLM 的视频概览支持 80 多种语言，能把资料直接转成可视化视频演示。同时，非英语音频概览从短版摘要升级为长篇深度讨论，质量看齐英文版。新功能即日起向全球用户推送。
NVIDIA 发售 Jetson Thor：AI 算力涨 7.5 倍，波士顿动力已接入
NVIDIA 宣布机器人端侧计算平台 Jetson Thor 正式发售。新硬件相比前代 Orin 带来 7.5 倍 AI 算力提升和翻倍内存，支持多模态推理模型在设备端实时运行。波士顿动力 Atlas 与 Agility 新一代 Digit 已计划搭载，开发者套件售价 3499 美元。
科技投资人与 AI 企业成立政治团体：斥资逾 1 亿美元左右美国立法
科技投资人与 AI 公司成立政治行动网络 Leading the Future，计划投入超 1 亿美元影响美国立法。该联盟获 Andreessen Horowitz 与 OpenAI 总裁 Greg Brockman 等支持，主张推动「合理防线」，以防各州出台碎片化的监管法规。
特斯拉中国接入 DeepSeek 与豆包：上线语音助手「Hey Tesla」
Tesla 在中国推出全新 AI 语音助手，由字节跳动豆包负责车控与导航、DeepSeek 负责闲聊问答。系统首发搭载于 8 月上市的六座版 Model Y L，支持「Hey Tesla」免按键唤醒。Tesla 试图借本土模型补齐座舱短板，追赶国内竞品。
Anthropic 测试 Claude 浏览器插件：替你点按钮填表，死磕提示注入
Anthropic 推出 Chrome 扩展 Claude in Chrome 展开测试，让 AI 直接在浏览器里点击、填表和处理日常任务，后续向 Pro、Team 等付费方案开放。官方重点加入权限管控与隐式注入防御，将自主模式下的攻击成功率显著降低。
马斯克旗下 xAI 起诉苹果与 OpenAI：指控二者串通打压 AI 竞争
周一，马斯克旗下的 X 与 xAI 起诉苹果和 OpenAI，指控双方合谋遏制 AI 领域的竞争。诉状称苹果为了保护手机垄断地位，与生成式 AI 垄断者 OpenAI 联手，导致其他 AI 公司极难在 App Store 登顶。目前两家公司尚未置评。
Perplexity 推出 Comet Plus：每月 5 美元读优质媒体，收入全部分成
Perplexity 推出 Comet Plus 订阅，每月 5 美元（Pro 与 Max 用户直接包含）。它为合作出版商建立新的分成机制，按真人访问、搜索引用和智能体操作三种流量分配收入，扣除少量算力成本后全额分给媒体。
马来西亚首款本土端侧 AI 芯片亮相：SkyeChip 发布 MARS1000
芯片设计公司 SkyeChip 发布了马来西亚首款本土端侧 AI 处理器 MARS1000。虽然性能不及 NVIDIA，但展现出该国进军 AI 硬件的野心。在中美紧张局势下，马来西亚正在收紧出口规则，并由国家 AI 办公室牵头推动产业布局。
OpenAI 启动印度学习加速器：送出 50 万个 ChatGPT 许可证
OpenAI 宣布在印度推出学习加速器计划，未来半年内将向当地师生发放约 50 万个 ChatGPT 许可证。官方还向印度理工学院马德拉斯分校资助 50 万美元研究 AI 教学，并针对印度市场力推个性化辅导的「学习模式」。
周日
8月24日 星期日
YouTube 秘密用 AI 增强 Shorts 视频：创作者抗议面部失真与过度锐化
据报道，YouTube 在未通知创作者的情况下，秘密使用机器学习对部分 Shorts 视频去噪和锐化，导致面部扭曲并产生不自然的 AI 质感。YouTube 随后证实正进行画质实验，但平台擅自修改创作者内容引发了对数字真实性与信任危机的担忧。
周六
8月23日 星期六
xAI 开源 Grok 2.5：权重上线 Hugging Face，Grok 3 预计半年后开放
xAI 宣布开源其 2024 年主力模型 Grok 2.5，模型权重已上线 Hugging Face。该模型采用社区许可，研究与非商用免费，但禁止用于训练其他大模型。Elon Musk 同时表示，Grok 3 计划在约 6 个月后开源。
马斯克宣布下周开源 Grok 2：践行「出新一代就开源上一代」承诺
马斯克在 X 上宣布，xAI 将于下周正式开源 Grok 2 大模型。按照 xAI 的惯例，推出新版本时会公开上一代模型，此前推出 Grok 2 时就开源了 Grok 1。在大厂纷纷转向闭源的趋势下，开源 Grok 2 能让开发者与研究机构更低门槛地使用前沿技术。
周五
8月22日 星期五
Netflix 出台生成式 AI 规范：想进最终成片，先拿书面批准
Netflix 向影视制作伙伴公布生成式 AI 使用指南。平台明确了五项核心准则，允许将 AI 作为创意辅助工具，但要求工具不得截留或训练制作数据；一旦生成内容进入最终成片，或涉及演员肖像与第三方版权，必须提前拿到书面批准。
马斯克筹备新项目 Macrohard：要靠 xAI 打造「纯 AI 软件公司」
马斯克在 X 上宣布招募人才，依托 xAI 打造名为 Macrohard 的纯 AI 软件公司。他表示名字虽带有玩笑意味但项目是认真的；既然微软等纯软件公司不制造实体硬件，理论上完全可以用 AI 来整体模拟。
OpenAI 联手 Retro Bio：用 AI 重新设计山中因子，标志物表达提升 50 倍
OpenAI 与 Retro Biosciences 宣布，利用生物学特化模型 GPT-4b micro 成功重新设计了山中因子蛋白变体。体外实验显示，新变体让干细胞重编程标志物的表达量比野生型提高了 50 倍以上，且 DNA 损伤修复能力更强。该成果已在多种人类供体细胞上得到重复验证。
港大开源 OpenCUA：操纵电脑的开源智能体，向闭源大厂看齐
香港大学等团队推出开源计算机操控智能体框架 OpenCUA。该框架包含后台录制工具与超 2.26 万条跨 Windows、macOS 和 Ubuntu 的操作数据集，并通过加入思维链推理训练模型。其评测成绩超越现有开源方案，紧追 OpenAI 和 Anthropic 的闭源智能体。
传哥伦比亚新生儿取名「Chat Yipiti」致敬 ChatGPT，官方查证否认
据报道，哥伦比亚传出有家长给新生儿取名「Chat Yipiti」致敬 ChatGPT，引发网络热议。不过哥伦比亚国家民事登记处随后辟谣称，官方数据库中并未查到该名字的登记记录。这一传闻折射出生成式 AI 正在深度卷入流行文化。
周四
8月21日 星期四
NotebookLM 测试 Deep Research：直接抓取网页与网盘，还加了导师模式
据报道 Google 正在为 NotebookLM 整合 Deep Research 功能，来源栏新增了网页与 Google Drive 搜索切换开关。此外聊天设置中还在测试「导师」模式，支持分步讲解与互动教学。目前功能尚处于早期开发阶段。
边竞争边借力：OpenAI 被曝调用 Google 搜索数据喂养 ChatGPT
据外媒报道，OpenAI 正通过抓取服务 SerpApi 获取 Google 搜索数据，用于支持 ChatGPT 处理新闻、体育和金融等实时查询。尽管 Google 去年曾明确拒绝向其开放索引，但 OpenAI 自建索引仍难覆盖全部长尾搜索需求。
Higgsfield 上线 WAN 2.2：自带 30 多种预设，主打快速图生视频
Higgsfield AI 宣布在其平台上线开源模型 WAN 2.2，同时支持视频与图像生成。平台内置了 30 多种预设效果，支持一键点击渲染，主打更快的生成速度。
萨里大学发布 PEnG：不用 GPS，靠普通单目相机实现 22 米定位
英国萨里大学团队发布无 GPS 视觉定位系统 PEnG。它结合卫星图与普通车载单目相机的街景画面，在测试中把城市定位误差从 734 米大幅压缩到 22 米。最值得关注的是，这项技术能填补高楼和隧道等卫星信号盲区，研究成果已开源并发表于 IEEE 期刊。
CZI 发布首个虚拟细胞推理模型 rBio：对话推演基因变化
Chan Zuckerberg Initiative 发布生物推理模型 rBio，首创利用虚拟细胞仿真进行训练。它能将 TranscriptFormer 的基因数据转化为自然语言推理，科学家用对话就能预测基因扰动结果，提前筛掉昂贵的湿实验试错。目前专长集中在基因扰动领域。
Runway 开启 Game Worlds 测试：支持实时交互与世界模拟
Runway 宣布推出 Game Worlds Beta，迈出实时探索虚拟世界的第一步。其目标是让用户能实时交互并探索任意角色、故事与模拟世界。Runway 表示这不仅关乎画面生成，更在探索玩家选择如何影响虚拟世界演进的全新交互机制。
LTX Studio 上线运镜控制：LTXV 与 Turbo 模型支持预设移动
LTX Studio 宣布在平台中上线运镜控制功能。用户使用 LTXV 或 LTXV Turbo 模型生成视频时，可以直接选择预设的镜头移动方式，从而更精准地控制画面构图与动态一致性，不再全靠提示词抽卡。
马斯克预告 Grok 5：有机会成为「真正的 AGI」
Elon Musk 在 X 上发文称，xAI 的下一代模型 Grok 5 有机会成为「真正的 AGI」，并表示自己以前从未对任何东西有过这种感觉。该言论是在转发 Grok 4 商业基准评测成绩时发表的，不过目前 Grok 5 尚未公布具体发布时间与细节。
Google 详解 AI 能耗足迹：Gemini 单次提示能耗降至原来的 1/33
Google 公布评估 AI 模型能耗、水耗和碳排放的完整测算方法。数据显示，过去 12 个月内 Gemini 应用的单次文本提示中位能耗下降了 33 倍，碳足迹减少 44 倍。虽然 2024 年其数据中心用电量同比增长 27%，但相关能源排放下降了 12%。
Google 升级搜索 AI Mode：支持跨平台订餐等 Agent 功能，扩展至 180 多国
Google 宣布为搜索中的 AI Mode 引入智能体功能，能跨平台帮找餐厅空位并直通预订，后续还将支持门票与本地预约。同时新增了个性化推荐与会话链接分享。AI Mode 现向 180 多个国家和地区开放英文版，智能体功能首批面向美国 Google AI Ultra 用户测试。
Anthropic 发力高等教育：组建高校顾问委员会，上线三门 AI 素养课
Anthropic 宣布成立高等教育顾问委员会并推出三门 AI 素养课程。委员会由前耶鲁大学校长 Rick Levin 领衔，指导 Claude 在高校科研与教学中的应用；配套课程面向师生开放，帮助大学建立负责任的 AI 使用框架。
Anthropic 联手美国核安全局：给 Claude 戴上「涉核监测」紧箍咒
Anthropic 宣布与美国能源部国家核安全局（NNSA）合作开发出一款 AI 分类器，已部署于 Claude 流量中。初步测试显示，该分类器识别危险涉核对话与良性讨论的准确率达 96%，Anthropic 还计划向行业联盟分享这一方案。
Z.ai 联手阿里云推免费 AI Agent：手机上替你点外卖、做预约
本周，AI 独角兽 Z.ai 联手阿里云推出一款通用 AI Agent，面向 Android、iOS 及 Web 端免费开放。它能替用户自主拆解并执行点外卖、线上预约等日常任务，并借助阿里云平台完成部署上线。
周三
8月20日 星期三
Runway 为 Act-Two 上线 Voices：角色动作与声音能一起调了
Runway 宣布在 Act-Two 中加入 Voices 功能。创作者现在不仅能用动作驱动画面，还能直接调整发声表现，让声音贴合生成的角色。Runway Academy 当天同步上线了对应教程。
Perplexity 上线 Max Assistant：面向 Max 订阅者，专攻复杂推理
Perplexity 宣布向所有 Perplexity Max 订阅者推出 Max Assistant。它通过延长思考时间并调用高级推理模型，专门应对复杂的长流程任务与疑难提问。对于依赖 Perplexity 处理繁琐工作的深度用户来说，复杂问题的解答能力有了直接提升。
Google 发布 Gemini for Home：支持复杂连续指令，替代经典语音助手
Google 发布新一代智能家居助手 Gemini for Home。它能理解像「除了卧室其他灯全关」这类复合指令，还引入了支持随时打断的 Gemini Live 连续对话。它将提供免费和付费版本，逐步取代现有的 Google Assistant，10 月开启早期测试。
Google 升级 Gemini Live：看懂镜头还能在屏幕标重点，语音更有人味
Google 升级 Gemini Live，加入实时视觉指引功能，打开摄像头就能直接在画面上圈出推荐物品。同时打通 Calendar、Keep 等原生应用并升级语音表现力。视觉功能将于 8 月 28 日随 Pixel 10 率先落地并逐步推向 Android 与 iOS。
Fitbit 推出 AI 健康教练：基于 Gemini，动态调整运动与睡眠计划
Fitbit 推出基于 Gemini 的个人健康教练，将健身训练、睡眠分析和健康咨询整合进重构的 App 中。它能结合手表实时数据与对话动态调整训练，比如没睡好就自动降低强度。该功能 10 月率先向美国 Fitbit Premium 用户开启预览。
Google 发布 Pixel Watch 4：抬手唤醒 Gemini，还塞进卫星通信和 AI 健康教练
Google 推出 Pixel Watch 4，支持抬腕直接呼出 Gemini 助手，并将在 10 月上线基于 Gemini 构建的个人 AI 健康教练。新表还首次加入独立卫星通信与曲面 Actua 360 屏幕，续航提升 25%，起售价 349 美元。
Google 发布 Pixel Buds 2a：129 美元带主动降噪，耳机直接呼叫 Gemini
Google 推出新一代无线耳机 Pixel Buds 2a，定价 129 美元。新耳机搭载自研 Tensor A1 芯片，首次给 A 系列配上主动降噪，并深度整合 Gemini 助手。不用掏出手机，靠语音就能让 AI 整理信息或回答问题。
Google 盘点 Pixel 10 的 9 大 AI 功能：跨应用串联与端侧声音翻译
Google 公布 Pixel 10 系列的 9 项 AI 新功能。新机搭载 Tensor G5 芯片与 Gemini Nano，新增跨应用提供信息的 Magic Cue、通话实时克隆声音翻译等特性。这套功能主打端侧隐私运算，让手机能更主动地替人处理杂务。
Google Photos 推出对话式修图：不用调参数，动嘴就能改照片
Google 为 Google Photos 推出对话式修图功能。借助 Gemini，用户无需手动调滑块，打字或动动嘴说出「消除背景车辆」「修好这张老照片」就能直接出图，还能持续追问微调。该功能首发面向美国 Pixel 10，并同步支持 C2PA 凭据以标明 AI 痕迹。
Microsoft 推出 MindJourney：让 AI 在脑海中「逛」3D 世界做空间推理
Microsoft 发布研究框架 MindJourney。它利用视频生成世界模型模拟第一视角移动，结合视觉语言模型做空间束搜索，无需额外训练即可让 AI 想象多视角画面。在 SAT 基准上，该方法将视觉语言模型的空间推理准确率提升了 8%。
Meta 堪萨斯城 10 亿美元数据中心投运：首批 AI 优化机房 2026 年上线
Meta 宣布耗资超 10 亿美元的堪萨斯城数据中心正式投入运营。该中心自 2022 年开工并匹配 100% 可再生能源。Meta 同时透露，专为全球 AI 业务设计的新一代 AI 优化数据中心将于 2026 年正式上线。
NFL 联手微软把 AI 搬到场边：2500 台 Copilot+ PC 实时拆解战术
NFL 与微软宣布延长多年合作，把 Copilot 与 Azure AI 深度接入比赛场边。本赛季联盟将为 32 支球队配备 2500 多台 Surface Copilot+ PC，教练和球员可实时筛选犯规、掉球及得分等关键画面，辅助几十秒内的临场战术决策。
NASA 联手 IBM 推出太阳大模型 Surya：提前 2 小时预报耀斑
NASA 与 IBM 联合发布开源太阳物理基础模型 Surya。该模型基于太阳动力学天文台 9 年观测数据训练，能生成未来 2 小时的太阳耀斑视觉预测，基准表现超现有水平 16%，可用于预警卫星故障与电网受损风险。
ElevenLabs 上线 Eleven v3 alpha：支持多人对话与音频标签情绪控制
ElevenLabs 宣布将新一代语音模型 Eleven v3 (alpha) 接入 API。该版本支持 70 多种语言，并新增支持无限发言人数的多人对话模式，能自然处理插话和语气转换，还能通过音频标签精细调节情绪。
Anthropic 升级企业套餐：终端智能体 Claude Code 正式入驻
Anthropic 为 Team 和 Enterprise 用户推出包含终端编程智能体 Claude Code 的高级席位。管理员不仅能统一分配席位并精细设定支出上限，还能通过全新合规 API 实时审计数据并监控代码采纳率。这让企业在规模化部署 AI 编程助手时能更好地兼顾成本与合规。
字节跳动开源 Seed-OSS-36B：原生 512K 上下文，推理预算可自由调节
ByteDance 旗下 Seed 团队在 Hugging Face 正式开源 Seed-OSS-36B 模型家族。该模型拥有 360 亿参数，原生支持长达 512K token 上下文，并允许开发者设置思考预算来平衡速度与推理质量。采用宽松的 Apache-2.0 协议，企业可免费用于商业化部署。
Brave 曝光 Perplexity 浏览器漏洞：总结网页就会被偷验证码
Brave 安全团队披露 Perplexity 旗下 AI 浏览器 Comet 存在间接提示注入漏洞。攻击者只要在网页暗藏恶意指令，用户点击「总结页面」，AI 就会跨标签页读取 Gmail 验证码并接管账号。这意味着传统浏览器的同源安全策略在 Agent 面前彻底失效。
周二
8月19日 星期二
DeepSeek 上线 V3.1：一个模型切换思考与快答，参数 671B
DeepSeek 在 Hugging Face 发布 DeepSeek-V3.1。新模型总参数 671B、激活 37B，最大看点是支持混合思考模式，改动模板就能在思考与普通回答间切换。它的工具调用与 Agent 能力显著提升，且答题质量比肩 R1-0528 但速度更快。
Meta 升级 Reels 翻译工具：用创作者原声自动配音，连口型也能对上
Meta 扩大 Reels 的 AI 翻译工具权限，能自动为短视频配音并同步口型。系统会保留创作者本人的音色与语调，首批支持英西互译。目前向粉丝超 1000 人的 Facebook 创作者及 Instagram 公开账号开放。
ElevenLabs 上线 Chat Mode：语音智能体也能打字了
ElevenLabs 推出纯文本交互功能 Chat Mode。该模式专为需要精准输入订单号、邮箱或用户不方便开麦的场景设计。已有语音智能体可通过 SDK、API 或单行 HTML 一键开启，补齐了打字与通话混合交互的能力。
Eight Sleep 获 1 亿美元融资：要把床变成懂生理调控的 AI 智能体
智能床垫公司 Eight Sleep 宣布完成 1 亿美元融资。这笔钱将用于研发名为 Sleep Agent 的 AI 睡眠智能体，利用大模型分析生理指标，为每位用户模拟数千个「数字孪生」，在夜间主动预测并调节床垫温度与角度，同时进军更年期睡眠和呼吸暂停等医疗健康场景。
Inclusion AI 推出新排行榜：直接把大模型拉进真实应用里打分
蚂蚁集团旗下的 Inclusion AI 推出大模型基准 Inclusion Arena。不同于实验室静态跑分，它直接接入真实应用，在用户日常对话中随机触发盲测，用算法计算胜率。首期超 50 万次对决中，Claude 3.7 Sonnet 和 DeepSeek v3 表现靠前。不过目前仅接入了两款应用。
Adobe 发布 Acrobat Studio：把静态 PDF 变成多角色 AI 知识库
Adobe 推出 Acrobat Studio，把 Acrobat、Adobe Express 和智能体助理整合进同一个工作台。新增的 PDF Spaces 能把一批文档变成可对话的知识库，支持设定「导师」「分析师」等角色并直接转成图表海报。个人早鸟价每月 24.99 美元起。
微软 AI 负责人发文：AI 应服务于人，而非模仿成为「人」
Microsoft AI CEO Mustafa Suleyman 发文警告，模仿人类意识的「拟意识 AI」将在两到三年内到来。最值得关注的是，他指出这类系统极易引发大众的意识错觉与精神附着，甚至催生虚假的 AI 维权运动。他呼吁行业树立规范，只做工具而不造数字人。
OpenAI 在印度推出 ChatGPT Go：月费约 4.6 美元，额度提至免费版 10 倍
OpenAI 在印度推出平价订阅计划 ChatGPT Go，月费 399 卢比（约 4.6 美元），支持当地 UPI 支付。该方案的消息、生图与文件上传额度达免费版的 10 倍，并增强了记忆留存功能。OpenAI 表示将在收集反馈后推向更多国家。
Altman 坦言 AI 存在泡沫：ChatGPT 周活超 7 亿但拒做擦边机器人
据外媒报道，OpenAI CEO Sam Altman 周四承认 AI 领域正处于投资泡沫中，但坚称它仍是长期最重要的变革。他透露 ChatGPT 周活已突破 7 亿，算力告急导致做好的更强模型发不出来，并明确表示绝不把产品做成擦边机器人。
周一
8月18日 星期一
NVIDIA 更新 G-Assist：换轻量模型显存省 40%，6GB 显存也能跑
Gamescom 期间，NVIDIA 发布端侧助手 Project G-Assist 首次大更新。新模型显存占用降低 40%，门槛直接下放到 6GB 显存的 RTX 台式机和笔记本。用户用语音或文字就能调设置、测帧率，还能在插件中心用自然语言装插件。
通义千问推出 Qwen-Image-Edit：支持中英文精准改字与 180 度翻转
Qwen 推出图像编辑模型 Qwen-Image-Edit。该模型基于 20B 底座打造，不仅能精准增删改图片中的中英文字并保留原字体风格，还支持物体 180 度旋转视角合成与局部像素级修图。目前已在 Qwen Chat 上线体验。
ElevenLabs 推出音乐 API：首个支持商用的授权音乐生成接口
ElevenLabs 推出面向开发者的 Eleven Music API。该接口基于授权数据训练，支持广泛的商业用途，方便开发者接入产品与工作流中。官方还透露，自 Eleven Music 推出以来，创作者已累计生成超过 75 万首歌曲。
Google Labs 额度翻倍：AI Ultra 用户每月可用点数涨至 2.5 万点
Google Labs 宣布将 Google AI Ultra 订阅用户的每月 AI 点数从 12,500 点直接翻倍至 25,000 点。这些积分可通用在 AI 视频工具 Flow 和图像工具 Whisk 上，同时 Whisk 还将新支持 77 个国家。
Grammarly 上线 9 款写作智能体：能预估论文成绩，还自带查重
Grammarly 在其「docs」写作界面上线 9 款专用 AI 智能体，面向 Free 和 Pro 用户开放。其中「AI 评分」能结合课程要求与授课教师公开信息预估论文得分；此外还包含查重和 AI 内容检测。查重及检测工具首发仅限 Pro 用户。
Atlas 联手 Google Cloud：用多智能体生成 3D 游戏资产
Atlas AI 联合 Google Cloud 推出 AI 原生游戏开发平台。开发者只需提供参考图和自然语言提示词，平台便能直接生成带 UV 映射和几何模型的 3D 游戏资产，并支持导入虚幻与 Unity。目前该平台正面向游戏工作室开放封测。
微软为 Excel 加入 =COPILOT 函数：单元格直调大模型，公式支持自然语言
微软在 Windows 和 Mac 版 Excel 中推出 =COPILOT 函数，把大模型直接嵌进单元格。只要在公式里写自然语言提示词并框选数据，就能让 AI 自动做文本分类、提炼摘要或生成表格，且数据变动时会自动重新计算。不过官方更新显示，该函数计划于 2026 年 9 月 14 日下线，能力后续将整合在侧边栏中。
Nvidia 开源 Nemotron-Nano-9B-v2：单张 A10 能跑，思考过程一键开关
Nvidia 今日发布开源小模型 Nemotron-Nano-9B-v2，专为单张 A10 GPU 优化。它采用 Mamba 与 Transformer 混合架构，速度提升最高达 6 倍；开发者能用 /think 或 /no_think 随时开关推理思考，并自由设置思考 token 预算来平衡延迟与准确率。
伯克利与斯坦福推出 GEPA：无需昂贵强化学习，试错轮次省下 35 倍
UC Berkeley、斯坦福与 Databricks 联合提出新型优化方法 GEPA。它摒弃了传统强化学习依赖标量打分的暴力试错，转而让大模型分析执行日志和报错信息，靠自然语言反思迭代提示词，用少 35 倍的试错轮次实现了更优表现。
Google Docs 上线 Gemini 朗读功能：支持自然人声与变速，文档能「听」了
Google 宣布在 Google Docs 中推出由 Gemini 支持的文档朗读功能。用户可在「工具 > 音频」菜单中点击「收听此标签页」，自由切换不同自然人声并调节播放语速，方便边听边读或挑错。该功能正面向 Workspace 商业版、企业版及 Gemini 订阅用户推送。
前 Twitter CEO 新项目 Parallel 融 3000 万美元：要造「给 AI 用的互联网」
前 Twitter CEO Parag Agrawal 创办的 Parallel 获得 3000 万美元融资，并推出 Deep Research API。团队认为互联网主要用户正从人类转向 AI，正在打造一套可编程网络基础设施，让 AI 智能体直接声明需求即可完成全网大规模调研。
周日
8月17日 星期日
Meta 传 9 月发布带屏智能眼镜：代号 Hypernova，降至 800 美元起
据彭博社报道，Meta 计划于 9 月推出代号为 Hypernova 的智能眼镜，单侧镜片配备显示屏并支持手腕配件控制，起售价从预期的 1000 美元降至 800 美元。设备传闻搭载语音 AI 助手，被视为扎克伯格探索替代手机形态的关键一步。
周五
8月15日 星期五
OpenAI 微调 GPT-5 语气：告别严肃刻板，变得更温暖亲切
OpenAI 宣布微调 GPT-5 的交互风格，让 ChatGPT 听起来更温暖、更平易近人。此前有反馈称其过于正式，这次调整会加入像「好问题」这样自然的开场互动。官方强调内部测试显示谄媚倾向没有增加，更新预计一天内覆盖完成。
Google Flights 上线 Flight Deals：大白话聊聊天，AI 替你搜便宜机票
周四，Google 宣布在 Google Flights 中推出新功能 Flight Deals。旅客无需手动反复调整日期和目的地筛选，直接用自然语言描述旅行想法，AI 就能从各家航司中找出划算的航班。该功能将在未来一周内开启测试。
Higgsfield 上线 Product-to-Video：拖拽涂鸦即可向视频植入商品
Higgsfield AI 推出集成在 Draw-to-Video 平台的 Product-to-Video 功能。用户无需编写复杂提示词，只需将商品拖入场景、画箭头标记动作，AI 即可生成带植入广告的电影级视频，大幅降低了广告分镜与视频制作的门槛。
ElevenLabs 上线视频生成音乐功能：一键为画面配乐
ElevenLabs 在 ElevenLabs Studio 中推出 Video-to-Music 工作流。借助其 Eleven Music 模型，用户只需一键就能基于视频画面内容生成定制配乐，还能直接在 Studio 内叠加配音与音效。视频创作者做后期音频更省事了。
Sam Altman 谈 GPT-5 争议：承认发布搞砸，并警告存在 AI 泡沫
The Verge 披露 Sam Altman 在晚宴访谈中回应了 GPT-5 争议，承认上线过程「彻底搞砸」，并在用户抗议后为付费用户加回 4o。Altman 透露 ChatGPT 周活跃用户已超 7 亿，同时直言当前投资者过度兴奋，行业确实存在 AI 泡沫。
NVIDIA 开源百万小时语音数据集 Granary，以及两款多语言模型
NVIDIA 联合卡耐基梅隆大学等开源多语言语音数据集 Granary，涵盖约 100 万小时音频与 25 种欧洲语言。同步上线的 Canary-1b-v2 转录准确率登顶 Hugging Face 榜首，Parakeet 模型则主打高吞吐实时转录，大幅降低小语种语音 AI 的开发门槛。
Anthropic 更新使用政策：管住智能体与黑客行为，放宽政治研究
Anthropic 宣布更新 Claude 使用政策，新规将于 9 月 15 日生效。针对 Claude Code 等工具的普及，官方明确禁止恶意入侵基础设施和制造恶意软件；同时放宽了一刀切的政治禁令，允许政策研究与公民教育，但仍严禁选民定向和破坏选举。
Anthropic 升级 Claude Opus 4：遇持续恶意互动可主动挂断
Anthropic 宣布允许 Claude Opus 4 与 4.1 在遭遇持续恶意骚扰或有害互动时主动终止对话。这项调整源于对「AI 福利」的探索试验。会话一旦被 AI 终止，用户将无法在该对话中发言，但仍可新建聊天或编辑历史消息。
