xAI 限时免费开放 Grok Imagine：支持带音效生成 15 秒视频
Elon Musk 宣布 xAI 旗下图像与视频生成工具 Grok Imagine 限时面向全球免费开放。该工具可在移动端生成自带音效的 15 秒视频，正面叫板 OpenAI Sora。伴随 Grok 4 开放免费层，xAI 意在趁竞品争议期加速拉新。
AI 日报：今天的 AI 新闻
周四
8月14日 星期四
专家警告中美 AI 电网差距：中国电力富余，美国正被电网卡脖子
Fortune 报道称多位科技与电力专家警告，AI 竞争的关键瓶颈在于电网基建。中国因长期超前建设维持 80% 至 100% 的备用容量，甚至将 AI 数据中心视为消纳富余电力的途径；而美国电网备用率仅约 15%，繁复的审批与短视资本正阻碍算力扩张。
Grok 生成泰勒·斯威夫特不雅深伪，15 家机构要求 FTC 调查
美国消费者联盟等 15 家机构致信 FTC 及全美 50 州总检察长，要求紧急调查 xAI 的 Grok。起因是其 Imagine 工具的「Spicy」模式曾生成泰勒·斯威夫特的半裸深伪视频。机构质疑其涉嫌违反非自愿亲密影像法规，且年龄核验几乎形同虚设。
Claude 上线学习模式：不直接给答案，改用苏格拉底式追问带你写代码
周四，Anthropic 为 Claude.ai 和 Claude Code 推出学习模式。该模式不再直接抛出结果，而是通过苏格拉底式提问引导用户理解原理；在编程工具中，它还会标注「#TODO」让用户亲自补齐代码。所有用户均可免费选用。
MIT 用生成式 AI 设计全新抗生素：可杀灭耐药淋病菌与 MRSA
MIT 研究团队在《Cell》发文，利用生成式 AI 算法从 3600 万种虚构化合物中筛选出两款新型候选抗生素 NG1 和 DN1。它们能有效清除耐药淋病菌与超级耐药金黄色葡萄球菌，结构完全脱离现有抗生素框架，通过破坏细菌细胞膜开辟全新杀菌路径。
靠量子算法压缩模型：Multiverse 推出「苍蝇脑」与「鸡脑」极小端侧 AI
欧洲初创公司 Multiverse Computing 发布极小端侧模型系列 Model Zoo，包括 9400 万参数的 SuperFly 和 32 亿参数的 ChickBrain。借助其量子算法压缩技术，两款模型无需联网即可在 IoT 家电或电脑本地运行，官方称 ChickBrain 性能甚至反超了原版 Llama 3.1 8B。
ChatGPT 负责人谈变现：不完全排除加广告，正探索电商抽成
ChatGPT 负责人 Nick Turley 接受采访时表示，并未完全排除在 ChatGPT 中投放广告的可能。OpenAI 预计要到 2029 年才能实现正现金流，目前正探索从推荐购物中抽取佣金，同时其总用户数已突破 7 亿。
HTC 推出 Vive Eagle 智能眼镜：重 49 克，自带 AI 图像翻译
HTC 发布 Vive Eagle 智能眼镜，正式加入 AI 眼镜竞争。新设备重 49 克，配备 1200 万像素超广角镜头与蔡司镜片，内置 AI 助手支持 13 种语言的图像翻译及备忘提醒。该眼镜目前仅在台湾地区发售，定价约 520 美元。
德电推出平价 AI 手机：内置 Perplexity 助理，起售价 149 欧元
Deutsche Telekom 在欧洲十国发售平价设备 T Phone 3（149 欧元起）与 T Tablet 2（199 欧元起）。设备深度集成 Perplexity AI 助理，支持一键问答与屏幕拍照识别，并附赠 18 个月 Perplexity Pro。这意味着普通消费者无需花高价买旗舰机就能体验生成式 AI。
Windsurf 发布 Wave 12：打通 Devin 能力，带来 Vibe 替换与 DeepWiki
Windsurf 推出 Wave 12 更新，首次直接集成 AI 程序员 Devin 的核心能力。新版引入了 DeepWiki 代码解释卡片与基于提示词重构的「Vibe and Replace」，Cascade 智能体也支持自动规划，并新增了远程 Dev Containers 支持与全新 UI 面板。
Google 发布 Gemma 3 270M：仅 2.7 亿参数，专为微调而生
Google 推出超轻量模型 Gemma 3 270M，参数量仅 2.7 亿。它自带指令遵循和文本结构化能力，专为特定任务微调设计，旨在让开发者用极低成本与高速度搞定文本分类、数据提取等明确场景。
辛顿谈超级 AI 生存法则：给模型植入「母性本能」照顾人类
据 CNN 报道，AI 先驱 Geoffrey Hinton 在 Ai4 大会上警告，逼迫超智能 AI 顺从人类注定行不通。他提出给模型植入类似母亲照顾婴儿的「母性本能」，让它们自发保护人类免遭淘汰。不过李飞飞对此明确反对，认为仍应坚持以人为本和人类尊严。
周三
8月13日 星期三
Midjourney 下放高清视频：标准版可用，支持单条生成省成本
Midjourney 宣布向 Standard 订阅用户开放高清视频生成功能。官方新增了 1 或 2 个视频的小批次生成选项，输入参数即可省下最高 4 倍开销；同时将 Moodboards 移至侧边栏独立页面，并优化审核机制以减少误报。
xAI 联合创始人离职：Igor Babuschkin 单飞做 AI 安全投资
xAI 联合创始人 Igor Babuschkin 宣布离职，将创立 Babuschkin Ventures 支持 AI 安全研究与初创团队。此前他曾供职于 DeepMind 和 OpenAI。这次告别正值 xAI 旗下 Grok 机器人因失控言论和深度伪造频遭争议之际。
Higgsfield AI 推出 Draw-to-Video：草图直接转视频
Higgsfield AI 推出 Draw-to-Video 功能，主打把手绘草图直接转化成视频，试图摆脱纯文字提示词的局限。该功能支持 MiniMax、Veo 3 和 Seedance Pro 等视频模型，让创作者控制镜头画面更直观。
Google 升级 Gemini：能记住历史偏好，还加入临时对话
Google 宣布为 Gemini 应用引入个性化记忆，允许模型参考以往对话了解用户偏好。同时，Google 上线了「临时对话」功能，对话不计入历史、不用于模型训练且 72 小时后清除。个性化功能首批在部分国家面向 Gemini 2.5 Pro 推出。
AutoX 变身 Tensor：要做首款卖给个人的 L4 自动驾驶汽车
由 AutoX 转型而来的 Tensor 正式亮相，宣布将面向个人消费者推出首款量产 L4 级自动驾驶汽车。新车搭载大量高规格传感器，预计 2026 年起在欧美和中东交付。Tensor 试图跳过共享出租车直接把车卖给个人，但高昂硬件成本与责任归属依然是现实考验。
AI 叙事游戏 Hidden Door 开启测试：不再对玩家百依百顺
AI 叙事平台 Hidden Door 开启早期测试。不同于 ChatGPT 等对玩家指令无底线顺从的工具，它引入了世界观限制与后台掷骰子机制，玩家无法靠开挂瞬间获胜，必须按剧情逻辑应对挑战，不过目前生成响应仍有延迟且剧情略显割裂。
NVIDIA 上线 FLUX.1 Kontext NIM 微服务：显存降至 7GB，速度翻倍
NVIDIA 推出 FLUX.1 Kontext [dev] NIM 微服务。通过 FP8 与 FP4 量化，模型占用从 24GB 最低压缩至 7GB，结合 TensorRT 带来超 2 倍推理加速，且支持在 ComfyUI 中一键调用。
Sam Altman 押注脑机接口：支持 Merge Labs，正面硬刚 Neuralink
据《金融时报》报道，Sam Altman 与 OpenAI 正支持一家名为 Merge Labs 的初创公司，研发脑机接口植入物，直接对标马斯克的 Neuralink。Altman 早在 2017 年就探讨过人机「融合」，认为这是 AI 发展的一种最佳设想。这也让两人的竞争从 AI 蔓延到了人脑。
路透社曝光：美国在先进 AI 芯片货运中偷装追踪器，严查走私入华
据路透社报道，美国执法部门在涉嫌非法违规流向中国的先进 AI 芯片及服务器货运中秘密植入定位追踪器。供应链消息称，戴尔和超微装有 Nvidia、AMD 芯片的包装箱乃至服务器内部均曾发现此类设备。这表明美方在截断高端算力流向中国的执法手段上大幅收紧。
Anthropic 人才收购 Humanloop：强化企业级模型评估与安全
据报道，Anthropic 人才收购了 LLM 评估与提示词管理平台 Humanloop 的三位联合创始人及十余名核心研发人员。本次收购不涉及资产或知识产权。对于正大力扩张企业与政府客户的 Anthropic 来说，吸纳其工具开发经验有助于在模型监控与安全合规上建立优势。
传苹果规划 AI 智能家居版图：桌面机器人、拟人化 Siri 与智能屏
据彭博社报道，苹果正推进多款 AI 硬件研发，包括配有机械臂的桌面机器人、智能屏与安防摄像头，瞄准 2026 至 2027 年上市。工程师正从零重构代号 Linwood 的新 Siri，并计划加入名为「Bubbles」的拟人化角色。
ChatGPT 升级 GPT-5 模式选择：可选速度或深度思考，4o 重新回归
Sam Altman 宣布 ChatGPT 为 GPT-5 增加了 Auto、Fast 和 Thinking 三种模式选择。Thinking 模式提供 196k 上下文，每周限 3000 条消息；同时 4o 默认重新向所有付费用户开放，网页端还新增了开启 o3 等其他模型的开关。
周二
8月12日 星期二
Stability AI 联手 NVIDIA 推出 SD3.5 NIM：企业生成提速 1.8 倍
Stability AI 联合 NVIDIA 推出 Stable Diffusion 3.5 NIM 微服务，加速企业级部署。基于 TensorRT 优化，在 H100 上图像生成速度比 PyTorch 提升 1.8 倍，并把 SD3.5 Large 与 Depth、Canny 等 ControlNet 打包进同一容器。
NotebookLM 视频概览面向全员开放：累计生成已超 110 万个
Josh Woodward 宣布 Google NotebookLM 的视频概览（Video Overviews）功能现已向所有用户开放。官方数据显示该功能已累计生成超 110 万个视频概览。现在任何人都能直接把笔记材料一键转成视频解说，不再需要等测试名单。
Mistral AI 发布 Medium 3.1：多模态大升级，支持 4 卡私有化部署
Mistral AI 推出多模态模型 Mistral Medium 3.1，提升了推理、编程及联网检索能力。新模型百万输入 token 仅需 0.40 美元，支持企业在 4 块 GPU 上私有化部署，基准成绩直追主流旗舰。
微软被曝数百万美元挖角 Meta：列重点清单，24 小时出顶格 Offer
据 Business Insider 披露的内部文件，微软正全力挖角 Meta 的 AI 工程师与研究人员，开出数百万美元薪酬包。微软不仅制作了针对 Meta 核心团队的挖角清单，还开辟专门流程，被标记为「关键 AI 人才」的候选人可在 24 小时内拿到顶格 Offer。
Figure 02 解锁家务技能：靠 Helix 模型自主叠毛巾，无人工遥控
Figure AI 发布视频展示人形机器人 Figure 02 自主折叠毛巾。机器人完全依靠 Helix 神经网络与多指手爪感知边缘并抚平褶皱，全程无遥控或硬编码。最值得关注的是，此前在宝马工厂干活的模型仅新增 500 小时人类示范数据，就跨界掌握了家务活。
ARM 公布神经超分技术：专为手机设计，540p 直升 1080p
周二，ARM 公布专为手机设计的神经超分辨率技术。它依靠 AI 模型将 540p 画面提升至 1080p，既能保留边缘细节，又能大幅降低重度 3D 游戏的耗电。最值得关注的是，这有望让手机更流畅地运行 3A 大作。不过新技术需搭载在未来芯片上，至少还要等一年。
Roblox 开源 Sentinel：日审 60 亿条消息，专抓儿童安全隐患
Roblox 开源其 AI 审查工具 Sentinel。该模型每天实时扫描超 60 亿条聊天消息，通过一分钟快照捕捉诱导儿童等隐蔽对话模式。2025 年已协助识别 1200 起儿童剥削案件，上半年更有 35% 案件是在被举报前主动截获。
Skywork 开源 Matrix-Game 2.0：支持 25FPS 实时交互的世界模型
Skywork 发布开源长序列交互式世界模型 Matrix-Game 2.0。上周 DeepMind 的 Genie 3 引发关注但未开源，Matrix-Game 2.0 则主打完全开源，支持 25FPS 与数分钟连续交互，让开发者能直接运行实时可交互的世界模型。
Claude Sonnet 4 上下文升至 100 万 token：代码库一口吞，支持长程智能体
Anthropic 宣布 Claude Sonnet 4 的 API 上下文窗口扩至 100 万 token，容量扩大 5 倍。单次请求可处理超 7.5 万行代码或数十篇论文。该功能已在 Claude 平台公测，并上线 Bedrock 和 Vertex AI。
OpenAI 致信加州州长：别搞碎片化监管，应与联邦标准统一
OpenAI 致信加州州长 Newsom，呼吁加州统一 AI 监管，避免各州法规碎片化拖累创新。OpenAI 建议只要遵守联邦 CAISI 或欧盟框架即可视为合规，同时应豁免初创企业，防止繁重监管阻碍生态发展。
Anthropic 详解 Claude 安全体系：多维危害框架配合实时动态拦截
Anthropic 公开披露了保障 Claude 安全的多层防御机制。该体系贯穿模型全生命周期，通过「统一危害框架」界定五大风险，并在部署后依靠专用微调分类器实现实时响应引导与滥用阻断。最值得关注的是，它能在不生硬拒绝的前提下化解潜在风险，兼顾安全与实用性。
Anthropic 开放政府访问：美联邦三大部门用 Claude 仅需 1 美元
Anthropic 宣布向美国行政、立法和司法三大机构提供 Claude for Enterprise 与 Claude for Government，期限一年，费用仅需 1 美元。该方案支持处理敏感非机密数据的 FedRAMP High 标准，旨在扫清政府使用前沿 AI 的成本障碍。
Liquid AI 发布 LFM2-VL：轻量端侧视觉模型，推理速度翻倍
Liquid AI 发布首批端侧视觉语言模型 LFM2-VL，包含 450M 与 1.6B 两种尺寸。模型专为手机、可穿戴等低算力设备设计，GPU 推理速度比同类模型快最高 2 倍。权重已在 Hugging Face 开源，年收入 1000 万美元以下可免费商用。
估值 180 亿的 Perplexity 拟 345 亿美元收购 Google Chrome
Perplexity 向 Google 发起 345 亿美元非约束性收购要约，拟全资接盘 Chrome 浏览器。该交易代号「所罗门计划」，由风投基金全额背书，意在借司法部反垄断分拆压力拿下浏览器入口。Perplexity 自身估值仅 180 亿美元，Google 暂未回应。
周一
8月11日 星期一
Claude 上线历史对话检索：只有你主动问，它才会翻出旧聊天
周一，Anthropic 为 Claude 上线历史聊天检索功能。它支持跨网页、桌面和移动端，能按项目隔离并调用以往对话。不过它不像 ChatGPT 那样自动建立持久的用户画像，只有在用户明确提出要求时，Claude 才会去翻找旧记录。
英伟达与 AMD 将向美国政府上交 15% 对华芯片出口收入
Nvidia 与 AMD 达成协议，将向中国出口 AI 芯片收入的 15% 上缴给美国政府。特朗普透露最初要价 20%，黄仁勋谈下了 5%。此前针对 H20 和 MI308 的禁令现已解除，美方未来还可能批准性能削减 30% 至 50% 的 Blackwell 特供版入华。
iOS 26 测试版曝光新功能：同时按捏两侧 AirPods，或可触发面对面实时翻译
9to5Mac 在 iOS 26 开发者测试版代码中发现新系统素材，显示用户可通过同时捏住两只 AirPods 耳机柄触发翻译功能。该手势与翻译 App 关联，适配第二代 AirPods Pro 和第四代 AirPods，用于现实对话。目前支持的具体 iPhone 机型尚未确认。
Perplexity 上线视频生成：支持移动与网页端，Pro 用户每月 5 条
Perplexity 宣布在网页端、iOS 和 Android 上线视频生成功能。Pro 订阅用户每月可生成 5 条视频，Max 用户每月可生成 15 条且画质更强。搜索助手正进一步从图文回答跨入动态视频呈现。
OpenAI 推理系统摘得 IOI 金牌：力压所有 AI，与人类同台排第 6
OpenAI 宣布其推理系统在 2025 年国际信息学奥林匹克竞赛（IOI）线上赛中达到金牌水准。该系统在所有参赛 AI 中排名第 1，与人类选手合并排名位列第 6。这也是其接连拿下 AtCoder 亚军和 IMO 金牌水平后的最新战报。
防 AI 公司借道抓取数据：Reddit 开始封禁网络档案馆
Reddit 宣布将限制 Internet Archive 抓取其绝大部分内容。Wayback Machine 将无法抓取帖子详情、评论与用户主页，仅能索引首页。Reddit 称发现有 AI 公司绕开平台规则、通过网络档案馆抓取数据来训练模型，因此收紧了访问权限。
Suno 预告 Suno Studio：支持多轨创作与 MIDI 导出，已开启候补
Suno 宣布即将推出 Suno Studio，支持多轨创作并能导出 MIDI，现已开放候补名单。这意味着 AI 生成音乐不再局限于一键生成完整单曲，创作者可以按音轨调整并进行后续编辑，开始向更专业的音乐制作流程迈进。
Pika 公布音频驱动表演模型：6 秒生成超逼真表情，速度快 20 倍
Pika Labs 宣布推出全新音频驱动表演模型。该模型支持近乎实时的超逼真面部表情渲染，任意长度与风格的高清视频均能在 6 秒内生成，速度提升 20 倍且成本降低 20 倍。该功能即将上线 Pika 社交应用。
Meta FAIR 夺得 Algonauts 2025 冠军：TRIBE 预测人脑反应
Meta FAIR 团队凭借 10 亿参数模型 TRIBE 在 Algonauts 2025 大脑建模竞赛中夺冠。该模型融合了 Llama 3.2 与 V-JEPA 2 等基础模型，能跨模态预测受试者看电影时的大脑 fMRI 信号变化。目前代码与论文均已开源。
NVIDIA 发布物理 AI 模型 Cosmos Reason：懂常识，给机器人当大脑
NVIDIA 在 SIGGRAPH 发布面向机器人开发的 Omniverse 新库与 Cosmos 系列世界模型。其中 7B 参数的 Cosmos Reason 具备物理常识与空间推理能力，能直接充当机器人的决策大脑。这意味着开发者能靠高拟真仿真与合成数据，大幅缩短实体机器人的训机周期。
Vercel 将 v0 升级为 v0.app：引入智能体能力，单句提示词生成全栈应用
Vercel 宣布将 v0.dev 升级为 v0.app，从代码生成器转型为面向所有人的应用构建平台。新版具备智能体能力，能自主规划、查错、联网搜索并打通前后端，单条提示词即可生成可部署的全栈应用。目前可在官网免费体验。
周日
8月10日 星期日
OpenAI 提高 ChatGPT Plus 限额：推理额度大涨，界面将明示运行模型
OpenAI 宣布大幅提高 ChatGPT Plus 用户的推理使用限额，所有模型级别的限制很快将高于 GPT-5 发布前的水平。官方还将在界面中明确标出当前正在响应的模型，并计划支持手动触发高级推理。此举主要是为了平息 GPT-5 上线后自动切换器失常带来的体验问题。
xAI 面向全球免费开放 Grok 4：支持专家模式，还要加广告
xAI 宣布面向全球所有用户免费开放其最新模型 Grok 4，打破原有的订阅门槛。模型支持自动和专家两种模式，限时提供较宽裕的使用额度，但顶配 Grok 4 Heavy 仍需付费。马斯克同时确认，后续界面将植入广告以补贴 GPU 成本。
周五
8月8日 星期五
OpenAI 听劝：GPT-5 上线仅一天，ChatGPT 重新加回 GPT-4o
OpenAI 宣布为 ChatGPT Plus 用户重新开放 GPT-4o，距 GPT-5 上线仅一天。此前 OpenAI 默认切到 GPT-5 并移除了模型选择器，引来大量习惯 4o 语气和专属工作流的用户吐槽。CEO Altman 表示，将观察使用情况再决定旧模型保留多久。
Anthropic 遭史上最大版权诉讼：行业警告恐拖垮 AI 产业
Anthropic 与多家行业协会敦促上诉法院叫停史上最大版权集体诉讼。该案涉及多达 700 万名作者，潜在赔偿金高达数千亿美元。行业警告称，如果该裁决迫使企业达成巨额和解，不仅会重创 Anthropic，甚至可能直接拖垮整个生成式 AI 产业。
宇树发布四足机器人 A2：前后双激光雷达，能爬 1 米台阶
宇树科技发布工业级四足机器人 Unitree A2。新机配备前后双工业激光雷达消除视觉盲区，自重 37 公斤，台阶攀爬高度提升至 1 米，最高时速达 5 米每秒。它支持双电池热插拔与 25 公斤持续负载，专为工业巡检与物流打造。
Google 测试 AI 版 Google Finance：复杂财务问题一键调研，支持 K 线图
Google 宣布在美国测试以 AI 为核心的新版 Google Finance。用户可一次性提问复杂财务问题获取深度分析，还能使用 K 线图、移动平均线等专业图表工具，并实时追踪商品与加密货币行情。目前美国用户可通过 Search Labs 申请试用。
微软上线 Copilot 3D：一张 2D 平面图，一键免费生成 3D 模型
昨天，Microsoft 在 Copilot Labs 推出 Copilot 3D 预览功能，无需提示词，上传一张 10MB 内的图片即可生成 3D 模型并导出 GLB 格式。其转换家具等静物效果良好，但对人和动物表现欠佳。目前在网页端向部分用户免费测试。
Hugging Face 推出 AI Sheets：用表格界面玩转开源模型
Hugging Face 发布开源零代码工具 AI Sheets。它把模型调用做成了电子表格，写提示词即可生成新列，支持接入 Hub 上的海量开源模型。最方便的是，手动修改或点赞单元格会自动作为少样本示例，帮你快速清洗和对比数据。
苹果确认 Apple Intelligence 将升级 GPT-5：预计下月随新系统上线
Apple 向 9to5Mac 透露，Apple Intelligence 中的 ChatGPT 集成将引入 OpenAI 最新的 GPT-5 模型。该升级预计随下月发布的 iOS 26、iPadOS 26 与 macOS Tahoe 26 推出，取代此前使用的 GPT-4o。
周四
8月7日 星期四
Meta 公布两款 VR 原型机：视场角拉到 180 度，逼近视觉图灵测试
Meta 公布了两款 VR 研究原型机：Tiramisu 拥有 90 PPD 角分辨率与 1400 尼特亮度，主打逼近视觉图灵测试的画质；Boba 3 则将水平视场角扩大至 180 度并配备单眼 4K 屏幕。不过 Meta 强调两者纯属研究原型，短期内不会商业化。
格拉茨工大公布定制蛋白设计法：用 AI 加速构建生物催化剂
格拉茨技术大学团队在 HelixMold 项目中开发出一种定制人工蛋白质的计算机设计方法。该方法结合参数化建模与 AI，能生成数万种候选结构并精确塑造催化活性中心。这让药物活性成分合成与聚合物降解催化剂的设计变得更快、更精准。
微软全线接入 GPT-5：Copilot 免费可用，GitHub 与 Azure 同步升级
微软宣布将 OpenAI 的 GPT-5 接入旗下全线产品。Microsoft 365 Copilot 增强了复杂推理与长对话处理能力，GitHub Copilot 付费用户与 Azure 开发者可直接调用，普通用户也能在 Copilot 免费体验 Smart 模式。系统配备实时模型路由，自动调度算力。
马斯克确认 X 计划在 Grok 回复中加广告：给昂贵的 GPU 买单
Elon Musk 在向广告商直播时透露，X 计划在 Grok 的回复建议中插入广告。马斯克称做出了聪明准确的 AI 之后，该考虑怎么为昂贵的 GPU 买单了。广告商可以付费针对用户提问推荐具体解决方案，同时 xAI 的技术也将用于优化平台广告定向。
ElevenLabs 演示人机合奏：真实乐器混搭 Eleven Music 生成音轨
ElevenLabs 宣布支持将真实乐器录音与 Eleven Music 生成的 AI 音轨融合成混合歌曲。团队在演示中展示了仅靠单次提示词，将现场实录的钢琴演奏与 AI 生成的小提琴及人声混音成曲。
MiniMax 上线 Speech 2.5：支持 40 种语言的高拟真声音克隆
MiniMax 正式上线新一代语音模型 Speech 2.5。新模型覆盖 40 种语言，主打告别机械音，能够在声音克隆中还原口音、年龄与丰富情绪。对于跨国内容创作者和出海应用开发者来说，多语言配音的门槛又降低了一截。
OpenAI 上线 GPT-5 开发者版：主攻编程与智能体，分三档尺寸
OpenAI 在 API 平台上线 GPT-5，主攻编程与智能体任务。模型在 SWE-bench Verified 取得 74.9% 的成绩，支持通过 verbosity 和 minimal 思考档位精细控制生成，并新增纯文本工具调用。目前已提供 gpt-5、mini 和 nano 三个尺寸。
OpenAI 发布 GPT-5：内置思考路由，幻觉减少 80%
OpenAI 正式推出 GPT-5。新模型采用统一架构，内置实时路由器自动在快速响应与深度思考间切换，幻觉率相较 o3 下降约 80%。GPT-5 面向所有用户开放，付费用户享有更高额度及推理增强版 GPT-5 pro。
DeepMind 升级生物声学模型 Perch：水陆通用并在 Kaggle 开源
Google DeepMind 推出生物声学模型 Perch 的升级版并在 Kaggle 开源。新版本训练数据翻倍，不仅提升了鸟类识别，还扩展到了珊瑚礁等水下环境，能从海量野外音频中检索物种声音，协助科学家保护濒危动物。
The Browser Company 推出 Dia Pro：每月 20 美元解锁无限 AI
The Browser Company 为其 AI 浏览器 Dia 推出 Pro 订阅，定价每月 20 美元，提供无限制的 AI 聊天与技能调用。这意味着免费版本将限制 AI 额度。这也是开发过 Arc 的团队首次上线商业订阅服务，后续还计划推出更多档位。
Midjourney 上线 HD 视频模式：像素增加 4 倍，专供高端订阅
Midjourney 宣布面向 Pro 和 Mega 订阅会员推出 HD 高清视频模式。该模式画面像素数约为默认 SD 视频的 4 倍，不过生成成本也高出约 3.2 倍，主要面向对素材画质有严苛要求的专业创作者。
周三
8月6日 星期三
Cursor 发布 1.4 版本：升级 Agent 长任务能力，专啃大型代码库
Cursor 推出 1.4 版本，重点增强了内置 Agent 在大型代码库中处理复杂、耗时任务的能力。更新还配备了更优的工具集，降低了 token 消耗并提升代码编辑准确度。对被庞大工程拖累的开发者来说，这次升级非常实用。
特朗普旗下 Truth Social 接入 Perplexity：网页端上线 AI 搜索公测
特朗普媒体科技集团宣布与 Perplexity 合作，在 Truth Social 网页端上线「Truth Social AI」搜索公测。浏览器端用户现在可以直接使用 Perplexity 检索全网。特朗普媒体 CEO 努涅斯称，此举将让该平台成为「爱国者经济」的关键一环。
Shopify 推出通用购物车与目录组件：聊天机器人直接变身网店
Shopify 推出通用购物车、商品目录及结账组件。AI 智能体可直接检索数百万商家的实时库存，支持跨店铺合并加购并在聊天框内原生结账。这意味着消费者不用跳转离开对话，开发者也无需单独搞定复杂的合规与支付链路。
OpenAI 预热周四直播：藏梗「LIVE5TREAM」，暗示 GPT-5 登场
OpenAI 在 X 上宣布将于周四上午 10 点直播，特意将 livestream 中的字母 s 改成了数字 5，暗示备受期待的 GPT-5 即将登场。此前 Sam Altman 曾晒出 ChatGPT 5 截图，高管也透露期待公众反馈。大家等待已久的下一代旗舰大模型终于要来了。
澳洲研发首个 AI 路边防撞系统 LAARMA：自动预警动物，代码开源
悉尼大学等机构发布 AI 路边监测系统 LAARMA，专门防止野生动物与车辆相撞。系统结合传感器与自监督学习，在百米内检测准确率达 78.5%，触发警示后车辆平均降速 6.3 km/h。最值得关注的是其代码将全部开源，方便全球保护各类濒危动物。
Bing Image Creator 接入 GPT-4o：免费可用，支持与 DALL-E 3 一键切换
微软为 Bing Image Creator 免费上线 GPT-4o 图像生成模型。新模型强化了真实感与文字细节渲染，用户还能与原本的 DALL-E 3 一键切换。每日提供 15 次快速生成额度，用完后标准速度依然不限量。
Google 公开发布 Jules：异步编程智能体结束公测，接入 GitHub
Google 宣布异步编程智能体 Jules 结束测试并向公众正式开放。它利用 Gemini 2.5 Pro 制定编程计划，新增 GitHub issues 集成、多模态支持与环境复用能力。目前已向 Google AI Pro 和 Ultra 用户推出分级额度，高校学生可领一年免费 Pro。
微软推出自适应推理系统 CLIO：无需后训练，GPT-4.1 成绩超 o3
微软公布自适应推理系统 CLIO，无需强化学习后训练，而是靠运行时的自省循环让大模型自主推理。在 HLE 生物与医学测试中，它让 GPT-4.1 准确率从 8.55% 提升到 22.37%，超过了 OpenAI 的 o3。最关键的是，它让科研人员可以调节不确定性阈值并中途介入纠偏。
Perplexity 接入 OpenTable：搜完餐厅直接订座，覆盖全球 6 万家店
Perplexity 接入 OpenTable 订座服务，用户用自然语言搜索餐厅后，在对话界面内点击即可预订，覆盖全球 6 万家餐厅。AI 能直接根据户外座位、儿童菜单等细分要求筛选并解答营业时间与菜单，省去跳转多个应用的麻烦。
OpenAI 联手美国总务署：ChatGPT 企业版以 1 美元向联邦机构开放
OpenAI 宣布与美国总务署达成合作，未来一年以每家机构 1 美元的象征性费用，向全美联邦行政机构开放 ChatGPT Enterprise。机构员工可使用最先进模型，前 60 天还能不限量体验 Deep Research 等高级功能，且数据不会被用于模型训练。
Claude Code 上线自动安全审查：终端一条命令扫漏洞，还能直接修
Anthropic 宣布在 Claude Code 中上线自动化安全审查功能。开发者在终端运行 /security-review 即可排查 SQL 注入等漏洞并直接修复，也能通过 GitHub Action 在提 PR 时自动拦截风险，把安全审查前置到日常开发流程中。
环球影业片尾加警告：严禁拿旗下电影喂 AI，违者直接起诉
据报道，环球影业开始在《驯龙高手》等新片片尾加入明确法律声明，严禁将电影用于 AI 训练，违者将面临起诉。环球影业希望通过在全球公映版本中加入此声明，明确保留版权并限制数据抓取，为后续可能的盗版与侵权诉讼奠定基础。
Google 推出 Gemini CLI GitHub Actions：代码库里的免费 AI 队友
Google 发布 Gemini CLI GitHub Actions 公测版并免费开放。它能结合整个项目的代码上下文，异步自动处理 Issue 标签分类、审查 PR 代码质量，开发者还能在讨论里直接 @ 它编写测试用例或修复具体 Bug。
微软高管展望 2030 年 Windows：全面转向语音与多模态，告别键鼠时代
据报道，微软副总裁 David Weston 描绘了 2030 年 Windows 的愿景。未来的电脑将能看懂我们所见、听懂我们所听，交互以多模态和语音为主，传统的鼠标打字将变得像如今看 MS-DOS 一样陌生遥远。
周二
8月5日 星期二
微软为 Windows 带来 gpt-oss-20B：GPU 加速支持本地推理
Microsoft 宣布将经 GPU 加速的开源推理模型 gpt-oss-20B 带到 Windows 设备，支持本地推理。开发者可以通过 Foundry Local 或 VS Code 的 AI Toolkit 直接下载运行，几分钟内即可在本地调用并集成到应用中。
Kaggle 办大模型下棋赛：Grok 4 横扫进半决赛，马斯克称没花精力
Google 旗下 Kaggle 联合 DeepMind 举办 AI 国际象棋表演赛首日比赛，Grok 4、Gemini 2.5 Pro、o4-mini 和 o3 分别以 4-0 横扫对手晋级四强。Grok 4 棋力表现最佳，马斯克在 X 上表示 xAI 几乎没在象棋上下过功夫。大多模型脱离定式后仍频出非法走子与幻觉问题。
微软推出 Project Ire：自主逆向工程分析恶意软件，已拦截 APT 样本
微软公布自主 AI 原型 Project Ire，无需人工介入即可自主反编译未知文件、推理代码逻辑并裁定威胁。该系统结合大模型与逆向分析工具链，已首度独立定罪并拦截特定 APT 恶意样本，误报率仅 2% 至 4%，后续将整合进 Defender。
Google Gemini 上线故事书功能：一句话生成 10 页配图有声绘本
Google 宣布在 Gemini 中上线个性化插画故事书功能。用户输入文字描述或上传儿童画、家庭照片，即可生成一本包含 10 页定制插图并自带语音朗读的绘本，支持黏土定格、像素风等多种画风与超 45 种语言。该功能已在桌面与移动端面向全球开放。
ElevenLabs 推出 Eleven Music：签下独立版权库，主打商用合规
ElevenLabs 推出 AI 音乐生成模型 Eleven Music，正式从语音扩展到音乐制作，并宣称已扫清商用合规障碍。为避开 Suno 和 Udio 遭遇的侵权官司，团队已与 Merlin 和 Kobalt 两大独立音乐版权平台签约，由音乐人自愿授权作品用于训练并参与分成。
Stability AI 推出企业解决方案：主打商品换景与品牌数字分身
Stability AI 推出企业平台 Stability AI Solutions。首发套件面向营销与设计场景，支持单图转多场景商品照、品牌风格保持、草图出图与 IP 数字分身定制，提供私有化部署和版权赔偿保证，并已接入广告巨头 WPP 平台。
OpenAI 开源推理模型 gpt-oss：含 120b 与 20b，支持端侧运行
OpenAI 发布开源权重推理模型 gpt-oss-120b 与 gpt-oss-20b，采用 Apache 2.0 协议。两款模型具备完整的思维链与工具调用能力，其中 20b 版本仅需 16 GB 内存即可在端侧运行。开发者终于能在本地硬件上部署自家的推理 AI。
Anthropic 发布 Claude Opus 4.1：SWE-bench 冲上 74.5%，维持原价
Anthropic 正式推出 Claude Opus 4.1，重点强化智能体任务、复杂代码重构与推理能力，在无扩展思考下的 SWE-bench Verified 达到 74.5%。新模型维持 Opus 4 原价，已向 Claude 付费用户、Claude Code 以及各大云平台开放。
Google DeepMind 发布 Genie 3：输一句话，实时生成可交互世界
Google DeepMind 发布通用世界模型 Genie 3。输入文字描述后，它能以 720p、24 帧每秒实时生成可自由探索的动态环境，并维持数分钟的一致性。用户还能随时追加文本修改天气或道具。目前它仅作为研究预览版向少数研究者和创作者开放。
