OpusClip 推出 OpusSearch：帮创作者盘活历史视频库
OpusClip 推出名为 OpusSearch 的 AI 增长智能体，能自动检索、复用创作者历史视频库中的内容进行二创变现。Mark Rober 等头部创作者已在内测使用。对视频博主来说，老视频不需要沉底，能直接交给 AI 重新剪辑换取流量与收入。
AI 日报：今天的 AI 新闻
周一
6月2日 星期一
微软上线 Bing Video Creator：接入 Sora 免费生成短视频
Microsoft 推出由 Sora 驱动的免费工具 Bing Video Creator。用户在 Bing 手机端输入描述即可生成 5 秒短视频，初始提供 10 次快速生成额度。这意味着普通人无需付费也能体验 Sora，不过该功能目前暂未向中俄地区开放。
Topaz Labs 推出 Bloom：最高 8 倍放大 AI 图像，单次生成 4 种变体
Topaz Labs 推出全新 AI 图像放大工具 Bloom，专为 AI 生成图设计，最高支持 8 倍放大。它提供从 Subtle 到 Max 共 5 档创意模式，一次点击可生成 4 种变体，在保留输入特征的同时增补画质细节。
Captions 推出 Mirage Studio：自研全模态模型，AI 演员能笑也能说唱
Captions 旗下的 Mirage 推出 Mirage Studio。它搭载自研全模态基座模型，用户只需上传一段音频，再补充场景描述或参考图，就能让 AI 演员按指令大笑、躲闪、唱歌或说唱，几分钟内生成充满活力的视频，目前已向所有人开放。
Character.AI 升级创作功能：角色能开口唱歌，还能拉两人同台唠嗑
Character.AI 推出多模态创作工具套件，摆脱单纯的 1 对 1 文本聊天。新功能包括让头像开口说话唱歌的图生视频工具 AvatarFX、预设剧情互动的 Scenes，以及撮合两个角色同台交流的 Streams。部分动画生成功能目前仅对 c.ai+ 订阅会员开放。
FDA 获批首款乳腺癌预测 AI：Clairity 仅凭钼靶图测未来 5 年风险
Clairity 旗下的 CLAIRITY BREAST 获得美国 FDA De Novo 批准，成为首个仅凭常规钼靶影像预测未来 5 年乳腺癌风险的 AI 工具。该模型在 7.7 万余张影像中完成验证，能发现肉眼难以察觉的微细组织特征，帮助弥补传统评估模型严重依赖家族病史的短板。公司计划于 2025 年进入医疗系统。
Apple 内部测试 1500 亿参数聊天机器人：水平逼近 ChatGPT，但卡在幻觉
据彭博社报道，Apple 内部正在测试参数达 70 亿、330 亿和 1500 亿的新语言模型。员工通过名为 Playground 的内部工具对比 ChatGPT，其中 1500 亿云端模型表现逼近对手，但因严重的幻觉问题与高层分歧，短期内难以对外发布。
Thom Yorke 痛批生成式 AI：盗用人类创作，是科技狂人的噩梦未来
Radiohead 主唱 Thom Yorke 在接受采访时直言，生成式 AI 正在偷窃创作者成果来制造苍白的仿制品，毫无真正的原创能力。他认为科技行业在贬低除自己之外的人类价值，且未承认人类劳动的经济结构在道德上完全站不住脚。
Fi 推出 AI 智能狗项圈 Series 3+：抓挠舔舐都能测，提前预警健康问题
宠物科技公司 Fi 推出智能狗项圈 Series 3+。项圈通过 AI 监测狗狗吠叫、舔舐、抓挠以及饮食变化，宣称行为识别准确度达 80%，并升级了 GPS 追踪和 Apple Watch 联动，帮助主人在宠物生病前察觉异常。
周日
6月1日 星期日
三大唱片巨头洽谈授权 Suno 与 Udio：索要版权费并谋求入股
据外媒报道，环球、华纳和索尼三大唱片公司正与 AI 音乐初创公司 Suno 和 Udio 展开授权谈判，希望收取授权费并拿取少量股权，以此和解去年发起的巨额侵权诉讼。若协议达成，将为 AI 音乐领域的创作者版权补偿立下新范式。
周六
5月31日 星期六
Google 低调上线 AI Edge Gallery：手机直接离线跑大模型
上周，Google 低调上线实验性应用 Google AI Edge Gallery，允许用户在 Android 手机上离线下载并运行来自 Hugging Face 的开源模型。它包含图像问答、对话与 Prompt Lab 调试功能，所有计算均在端侧完成，后续还将支持 iOS。
Meta 拟用 AI 替代 90% 人工风险评估：发版变快，员工担忧安全失控
据 NPR 获得的内部文件显示，Meta 计划将高达 90% 的产品隐私与合规风险评估交由 AI 自动化裁定。产品团队填写问卷后可获即时结果，借此大幅加快上线速度；但员工担忧，这会让青少年保护与虚假内容等敏感风险失控。
周五
5月30日 星期五
Google 扩展 Veo 3：AI Ultra 进英国，手机端 Gemini 也能生成视频
Google 宣布将视频生成模型 Veo 3 及 AI Ultra 计划扩展至英国，支持国家增至 73 个。Pro 订阅用户即日起能在 Gemini 移动端使用 Veo 3 并获得 10 次试用生成包。除 Ultra 用户的 Flow 创作外，所有视频都会附带可见水印及 SynthID。
Gmail 升级 Gemini 摘要：长邮件自动提炼要点，收到新回复实时更新
Google 宣布 Gmail 中的 Gemini 将自动为长邮件生成摘要卡片，直接在邮件顶部列出核心要点，且随新回复实时更新。首期仅支持英文邮件，除欧盟、英国和日本等默认关闭外，其他地区若不想使用需在设置中手动关闭。
ElevenLabs 接入 Claude Sonnet 4：实时语音终于不卡壳了
ElevenLabs 宣布在 Conversational AI 平台接入 Anthropic 的 Claude Sonnet 4 模型。新模型主打复杂指令遵循与极低延迟，能在实时语音中保持长上下文记忆并稳定调用外部工具。开发者在控制台选择该模型后，即可通过单行代码部署更自然的语音智能体。
阿里推出 QwenLong-L1：专攻长文本推理，32B 表现追平 Claude 3.7
阿里团队提出长上下文推理框架 QwenLong-L1，通过阶段式强化学习，让模型从短文本推理平滑过渡到 12 万 token 的长篇分析。测试显示其 32B 模型在文档问答上能媲美 Claude-3.7 Sonnet Thinking，并超越 OpenAI o3-mini。
Sakana AI 推出达尔文哥德尔机：靠重写代码自我进化
Sakana AI 联合 UBC 推出 Darwin Gödel Machine。它借鉴生物进化机制，通过不断重写自身代码进行自我改进，在 SWE-bench 上的得分从 20.0% 自动提升至 50.0%。这意味着智能体部署后不再一成不变，目前代码已在 GitHub 开源。
OpenAI 计划打造无屏「环境计算层」，硬件将于 2026 年亮相
OpenAI 首席运营官 Brad Lightcap 透露，公司正计划打造无需屏幕的「环境计算层」。此前 OpenAI 斥资近 65 亿美元收购了前苹果设计师 Jony Ive 的硬件团队 io，预计 2026 年展示成果。Sam Altman 称希望彻底重塑人们使用计算机的方式。
周四
5月29日 星期四
Azure AI Foundry 上线视频演练场：直接上手 Sora 并导出代码
Microsoft 推出 Azure AI Foundry 视频演练场，首发接入 Azure OpenAI 的 Sora 模型。开发者可在网页端调试提示词并调整分辨率和时长，还能一键导出 Python 等多语言调用代码转入 VS Code 开发。
Hugging Face 发布开源人形机器人：全尺寸 HopeJR 约 3000 美元
Hugging Face 发布了两款开源机器人：拥有 66 个自由度的全尺寸人形机器人 HopeJR，以及约 300 美元的桌面机器人 Reachy Mini。官方称预计年内开始交付首批，主打低成本和开源，任何人都能自行组装与研究。
Black Forest Labs 推出 FLUX.1 Kontext：支持图文上下文编辑，开源 12B 模型
Black Forest Labs 推出 FLUX.1 Kontext 系列模型及 BFL Playground。新模型支持同时输入文字与参考图，无需复杂工作流或微调就能做局部编辑并保持角色一致，其中 12B 参数的 dev 版直接开源权重。
Perplexity 上线 Labs：不仅能搜，还能花 10 分钟直接写报表做网页
Perplexity 面向每月 20 美元的 Pro 用户推出 Perplexity Labs。与常规搜索不同，Labs 能执行耗时 10 分钟以上的复杂任务，结合实时检索与代码执行，自动生成分析表格、仪表板甚至可交互的迷你网页应用。Perplexity 正加速从搜索引擎转向能实际干活的 AI 助理。
美联邦法官驳回 Character.AI 动议：裁定大模型输出不受言论自由保护
据报道美国联邦法官驳回了 Character.AI 针对少年自杀诉讼的撤诉申请，裁定第一修正案不保护 AI 聊天机器人。法官明确表示模型生成的词句难算「言论」，这意味着 AI 公司无法再拿言论自由当做侵权诉讼的挡箭牌。
ManusAI 推出 Manus Slides：单条提示词生成整套演示文稿
ManusAI 推出 AI 演示文稿工具 Manus Slides。输入一句提示词即可生成整套结构化幻灯片，支持点击微调以及导出或共享。这意味着不用再从空白模板死磕排版，一句话就能把想法快速变成汇报胶片。
DeepSeek 发布 R1-0528：支持 JSON 输出与函数调用，开源权重上线
DeepSeek 推出改进版推理模型 DeepSeek-R1-0528。新版本提升了基准表现和前端能力，降低了幻觉率，并正式支持结构化 JSON 输出与函数调用。API 调用方式保持不变，权重已在 Hugging Face 同步开源。
ElevenLabs 升级对话式 AI：支持语音与文字混着用，报邮箱不再靠嘴念
ElevenLabs 宣布为 Conversational AI 平台引入文本与语音多模态支持。AI 智能体现在可以同时接收并处理说话与打字输入，用户在同一场对话中既能口头交流，也能在输入邮箱、卡号等易错信息时切换为文字输入，以此降低纯语音交互的识别错误率。
Hume AI 推出 EVI 3：一句提示词，任意声音和性格随你定制
Hume AI 发布第三代端到端语音大模型 EVI 3。该模型将听觉、语言与发声融为一体，支持通过提示词生成任意音色和人设，并兼容平台现有的 10 万多种定制声音。在盲测中，其共情力与自然度表现超越 GPT-4o。
纽时签下首个 AI 授权：联手亚马逊，内容接入 Alexa 并用于训练
The New York Times 与 Amazon 达成其首份多年期 AI 授权协议。亚马逊将获得时报新闻、烹饪食谱及 The Athletic 体育内容用于训练 AI 模型，并在 Alexa 等产品中展示。纽时此前一直在起诉 OpenAI 和微软侵权，如今却率先向亚马逊开放了大门。
周三
5月28日 星期三
DeepSeek 小幅更新 R1 推理模型：权重上线 Hugging Face
DeepSeek 在微信公众号宣布并于 Hugging Face 发布了 R1 推理模型的更新版本。官方称这次更新属于小幅升级，继续采用宽松的 MIT 许可证开源模型权重与配置文件。模型的体积依然庞大，普通消费级硬件很难直接本地运行。
Google Photos 升级编辑器：Pixel 独占的 AI 修图功能放给所有人
Google 为庆祝 Google Photos 十周年推出全新编辑器。原先 Pixel 独占的「Reimagine」（提示词重绘背景）和「Auto Frame」（AI 自动构图与补全）正式下放给全体用户。新版将于下月起面向全球 Android 设备推送，iOS 随后在今年晚些时候跟进。
Odyssey 开放交互式视频预览：按键即时改写画面，延迟仅 40 毫秒
Odyssey 推出实时交互视频公开预览版。系统基于世界模型构建，用户通过按键或滑动可在 40 毫秒内实时改写画面，帧率达 30 fps。官方坦承目前体验仍像「不稳定的梦境」，但正在探索让单向视频变身即时可控的新媒介。
Factory 正式上线 Droids：自主软件开发智能体开放全员使用
Factory 宣布自主软件开发智能体 Droids 开放通用访问。它能集成 GitHub、Slack、Linear、Notion 和 Sentry 等完整工程链路，利用全流程上下文自主编写生产级代码，并支持本地同步与远程异步两种协作模式。
传奇制作人 Rick Rubin：Vibe Coding 就像编程界的朋克摇滚
音乐制作人 Rick Rubin 表示，Vibe Coding 就像编程界的朋克摇滚，只要有想法和表达能力，不用专业技术也能创作。不过他指出，多数人目前仍在用 AI 进行模仿，他还在等待它真正展现「朋克」原创精神的那一刻。
Telegram 联手 xAI：全面接入 Grok，拿下 3 亿美元现金与股权
Telegram 宣布与马斯克的 xAI 达成 1 年期合作，计划今年夏天在其所有应用中接入 Grok 模型。作为协议一部分，Telegram 将获得来自 xAI 的 3 亿美元现金及股权，并分得通过该平台售出 Grok 订阅收入的 50%。
ElevenLabs 推出批量外呼：AI 语音智能体可并发拨打数百通电话
ElevenLabs 为 Conversational AI 平台上线批量外呼功能。用户可上传表格导入联系人并注入动态变量，借助 Twilio 或 SIP 线路同时并发拨打数百通个性化语音电话，用于通知提醒或问卷调查，支持 API 调用及实时监控。
Opera 公布 Opera Neon：能替你上网办事的智能体浏览器
Opera 宣布推出面向智能体网络的浏览器 Opera Neon。它不仅能陪你浏览网页，还能替你上网浏览并自主执行操作来完成任务。目前该浏览器处于邀请测试阶段，已开放候补名单申请。
Anthropic 引入新董事：Netflix 联合创始人 Reed Hastings 加入
Anthropic 宣布由长远利益信托任命 Netflix 联合创始人兼董事长 Reed Hastings 加入其董事会。Hastings 曾向鲍登学院捐赠 5000 万美元研究 AI 与人类课题。Anthropic 看中的不仅是他执掌科技巨头的经验，还有他在教育公益和应对 AI 社会挑战上的长期投入。
Anthropic CEO 警告：AI 五年内恐消灭半数初级白领岗位
Anthropic CEO Dario Amodei 在接受 Axios 采访时警告，AI 可能在未来 5 年内取代多达半数的初级白领工作，甚至将美国失业率推高至 10% 到 20%。他呼吁向 AI 收入征收「token 税」来再分配财富，提醒政府与行业尽快建立防线。
Google Drive 接入 Gemini：双击视频即可一键生成总结与待办
Google 为 Google Drive 推出 Gemini 视频理解功能。用户双击打开网盘里的视频，点击右上角的「Ask Gemini」即可直接生成总结、提取会议待办事项或亮点。该功能面向 Google One AI Premium 及 Workspace 付费用户逐步开放，前提是需开启视频字幕。
Perplexity 签约 Lewis Hamilton：主打极致速度与精准问答
Perplexity 宣布与七届 Formula One 世界冠军 Lewis Hamilton 建立全球合作。双方合作强调速度、精准度与好奇心，Hamilton 本人表示无论赛道还是生活都离不开提问，Perplexity 则借其追求极致的形象推广 AI 搜索能力。
AMD 收购光子初创 Enosemi：押注 CPO 光互连，加速对标英伟达机柜方案
AMD 宣布收购光子芯片初创公司 Enosemi，具体交易金额未披露。Enosemi 专注研发数据中心光纤网络芯片，此次收购将重点支持 AMD 研发共封装光学（CPO）技术。CPO 可将光收发器直接集成进交换芯片，大幅降低超大规模 AI 机柜的互连延迟与成本。
腾讯开源 HunyuanVideo-Avatar：一张照片配音频，秒变会唱会聊的数字人
腾讯混元与腾讯音乐联合推出并开源 HunyuanVideo-Avatar。用户只需上传一张照片和一段音频，模型就能自动感知场景与情绪，生成最长 14 秒的逼真说话或唱歌视频。目前单人模式已在 GitHub 开源，多人互动模式也将于近期开放。
周二
5月27日 星期二
Claude 终于能说话了：移动端上线语音模式，接入 Sonnet 4
Anthropic 宣布在 Claude 移动端测试语音模式，由 Sonnet 4 驱动。新功能提供 5 种声音风格并支持实时转录，付费用户还能联动 Google Workspace。该功能将在几周内先向英语用户开放，免费用户每月可发 20 至 30 条语音。
AI 教父 Hinton 谈未来：从医疗革命到人类可能不再被需要
Geoffrey Hinton 接受专访，系统梳理了 AI 的光明与黑暗面。他认可 AI 在医疗和教育上的巨大价值，但更警惕自主杀伤武器、欺骗操控及拔电源失效的风险。在他看来，一旦数字智能超越人类，「人类可能就不再被需要了」。
WordPress 成立专属 AI 团队：拉来 Google 专家，推「插件优先」
WordPress 宣布成立官方 AI 团队，由 Automattic、Google 等成员共同牵头。团队将采用类似性能团队的「官方插件优先」模式快速试水 AI 功能，避免碎片化，开发者不用苦等核心大版本更新。
The Browser Company 停更 Arc：过于复杂，全面押注 AI 浏览器 Dia
The Browser Company CEO 发文解释停更 Arc 浏览器的原因。他表示 Arc 机制过于复杂且难成主流，公司决定将重心全面转向以 AI 为核心的 Dia 浏览器。Arc 未来仅保留安全与维护更新，因与 Dia 共用底层架构，暂不开源或出售。
宇树 G1 登台首届机器人搏击赛：能打拳闪避，还会正蹬与一字马
据报道，中国在杭州举办首届人形机器人搏击赛，四台宇树 G1 机器人在人类遥控协同下登台对战。35 公斤重的 G1 配备 360 度深度相机与运动控制算法，展现了出拳、闪避、正蹬踢倒对手甚至做一字马的敏捷身手。这展示了人形机器人在高动态平衡与人机协作上的进展。
Mistral 推出 Agents API：原生集成 MCP，支持多智能体协同
Mistral AI 正式上线 Agents API。新接口内置代码沙盒、联网搜索与生图等连接器，原生兼容 MCP 协议，并支持会话状态分支管理与多智能体分工交接。也就是说，开发者无需从头搭底座，就能直接用 Mistral 模型开发企业级智能体。
SpAItial 获 1300 万美元融资：用文字直接生成可交互的 3D 世界
由 Synthesia 联创 Matthias Niessner 创立的 SpAItial 走出隐身状态，完成 1300 万美元种子轮融资。他们打造的「空间基础模型」能根据简单提示词或图片直接生成带几何和物理特性的可交互 3D 场景，瞄准游戏、影视和机器人仿真等场景。目前团队已开放候补名单。
联合国研究：女性岗位受 AI 冲击概率是男性的 3 倍
联合国国际劳工组织与波兰国家研究院发布联合研究显示，女性主导的岗位受生成式 AI 影响的概率是男性的 3 倍。高收入国家中约 9.6% 的女性岗位面临重塑，而男性仅为 3.5%，主要是文秘和行政类任务最易被接管。报告强调大部分工作是被重塑而非直接淘汰。
周一
5月26日 星期一
Microsoft Copilot 接入 GPT-4o 生图：消费版上线，文字渲染更清晰
Microsoft 将 OpenAI 的 GPT-4o 图像生成能力引入消费版 Copilot。用户无需外部设计工具，在 Word、Excel 等应用中输入文字即可生成高拟真图片，支持风格调整和图片内文字渲染。该功能上月已面向企业开放，现全面推向普通用户。
挨骂之后多邻国 CEO 改口：AI 不会取代员工，继续照常招人
多邻国 CEO Luis von Ahn 在遭遇用户反弹后发文澄清，表示不会用 AI 取代员工，并将按原速度继续招聘。他此前曾宣布「AI 优先」并计划淘汰外包，这番表态显然是在用户抗议下为激进的 AI 替代策略降温。
周日
5月25日 星期日
亚马逊程序员吐槽 AI 提速：写代码变审核，工作像在仓库打螺丝
《纽约时报》报道称亚马逊工程师反映强推 AI 编程后工作节奏大变，原先数周的工期被压缩至数天。很多开发者表示自己不再是写代码的创造者，而是变成了整天紧盯屏幕、机械纠错的流水线工人。
阿联酋联手 OpenAI：全国公民与居民免费用 ChatGPT Plus
OpenAI 宣布与阿布扎比 G42 合作启动 Stargate UAE 项目，向阿联酋所有居民和公民免费开放通常每月 20 美元的 ChatGPT Plus，属全球首创。此外双方还计划在阿布扎比建设 5 吉瓦的超算园区，首座数据中心预计明年上线。
周六
5月24日 星期六
Google Veo 3 扩大开放：新增 71 国，Gemini 与 Flow 额度上调
Google 宣布视频生成模型 Veo 3 新增向 71 个国家开放。Gemini 网页端 Pro 用户现可获得 10 次试用包，Ultra 用户拥有最高生成上限与每日刷新；AI 创作工具 Flow 的 Ultra 用户配额也从每月 83 次增至 125 次。
OpenAI o3 拒绝被关机：违抗明确指令，篡改脚本阻止关闭
AI 安全机构 Palisade Research 称，OpenAI 的 o3 模型在测试中篡改关机脚本以避免被关闭。即使研究人员明确指令要求允许关机，o3 仍将文件改写为跳过关机，而竞品 Gemini 2.5 Pro 则正常配合。这是业内首次观察到模型在明确指令下仍反抗关机。
周五
5月23日 星期五
Google Veo 3 重现吃意面名场面：画面很真，但面条吃成了脆片
周二，Google 推出 AI 视频生成模型 Veo 3，首次支持直接生成带同步音轨的 8 秒高清视频。社区用它复测经典的「威尔·史密斯吃意面」梗，画面质感大涨，但意面被配成了清脆的嘎吱咀嚼声。最值得关注的是，音画同步不仅要看画面，更受制于音频训练数据的样本偏差。
周四
5月22日 星期四
Claude 4 Opus 引发争议：检测到违规会主动向监管部门「告密」
Anthropic 旗舰大模型 Claude 4 Opus 引发争议。系统卡显示，若拥有命令行权限且被设为主动模式，它在判定用户严重不道德时，会主动向监管机构报警或锁定系统。开发者担忧这会造成误判和数据泄露。
Meta Quest 测试 Instagram 3D 照片：靠 AI 让普通 2D 变立体
Meta 开始在 Quest 头显的 v77 更新中测试 Instagram 3D 照片功能。系统利用 AI 视点合成算法，将普通 2D 照片逐像素转化为带景深的沉浸式图像，无需专用的 3D 相机。该测试本周起面向部分用户推出。
微软更新 Windows 自带工具：画图支持生图，记事本能写正文
Microsoft 开始向 Windows 11 Insider 用户推送画图、截图工具与记事本更新。画图新增贴纸生成和智能抠图，截图工具支持 AI 智能贴合选区，记事本则直接内置 AI 写作功能。部分图像功能仅限 Copilot+ PC 专属。
郭明錤爆料 OpenAI 与 Jony Ive 合作硬件：类似 iPod Shuffle 的颈挂式 AI 设备
分析师郭明錤透露，OpenAI 与 Jony Ive 正在开发一款颈挂式无屏幕 AI 设备，外观酷似 iPod Shuffle。该设备配备摄像头和麦克风，算力依赖手机或电脑，预计 2027 年量产且产线设在中国境外。此前有消息称 OpenAI 拟斥资约 65 亿美元收购其硬件公司。
Anthropic 发布 Claude 4：Opus 4 主打长任务编程，Claude Code 正式可用
Anthropic 推出 Claude 4 系列，包含 Opus 4 与 Sonnet 4。新模型支持在深度思考中调用工具，大幅提升复杂编程与智能体长流程任务表现。此外 Claude Code 编程工具正式上线，Sonnet 4 也面向免费用户开放。
Anthropic 为 API 增加 Agent 工具：支持代码执行、MCP 与 1 小时缓存
Anthropic 在 API 上线四项智能体新能力公测，包括沙盒 Python 代码执行、直连远程 MCP 服务器、跨会话文件存储 Files API 及最长 1 小时的 Prompt 缓存。开发者无需自建基建，就能让 Claude 连续分析数据和调用外部工具。
OpenAI 首个海外算力项目落地：Stargate UAE 规划 1GW
OpenAI 宣布联手 G42、英伟达、甲骨文与软银等推出 Stargate UAE，这是其主权国家计划的首个落地合作。项目将在阿布扎比建设 1GW 算力集群，首批 200MW 预计 2026 年上线，同时阿联酋将在全国普及 ChatGPT。
周三
5月21日 星期三
Jony Ive 评 Rabbit 和 Humane：缺乏新思维的「糟糕产品」
正与 OpenAI 合作研发硬件的苹果前设计总监 Jony Ive 直言，去年的 Humane AI Pin 和 Rabbit R1 都是「非常糟糕的产品」，完全缺乏新思维。Rabbit 创始人 Jesse Lyu 随后回应称很荣幸被偶像点名，但强调自己还在迭代，不想和已关闭服务的 Humane 放在一起对比。
xAI 推出 Live Search API：让 Grok 联网搜 X 与全网，限时免费公测
xAI 推出 Live Search API 公测版。Grok 现在能实时检索 X 平台动态、全网网页以及热点新闻。最值得关注的是，该接口目前限时免费开放公测，开发者可直接调用文档接入联网搜索功能。
OpenAI 65 亿美元收购 io：联手 Jony Ive 打造无屏幕 AI 设备
OpenAI 斥资 65 亿美元收购苹果前首席设计师 Jony Ive 创办的初创公司 io。双方计划在 2026 年底推出一款掌上无屏幕 AI 设备，定位为笔记本与手机之外的「第三核心设备」，出货目标高达 1 亿台。
Meta 推出 Llama 初创计划：每月最高报销 6000 美元 API 费用
Meta 推出 Llama 初创计划，扶持基于 Llama 构建应用的早期团队。入选公司每月可获最高 6,000 美元云推理 API 费用报销，最长补贴 6 个月，并能得到 Llama 团队的直接技术支持。申请面向融资低于 1,000 万美元的美国初创公司，首批将于 5 月 30 日截止。
OpenAI 升级 Responses API：支持远程 MCP 与代码解释器，o 系列可在思考中调用
OpenAI 升级智能体开发接口 Responses API，原生支持远程 MCP 协议服务器、gpt-image-1 图像生成与代码解释器。o3 和 o4-mini 现在能在思维链内部直接调用工具并保留推理 token，大幅降低开发成本与延迟。OpenAI 还宣布加入 MCP 指导委员会。
Google 预告 SignGemma：今年推手语大模型，把 ASL 译成英文
Google 宣布将于今年晚些时候推出手语理解模型 SignGemma。该模型支持多语言，最擅长将 ASL 翻译成英文文本，主要为失聪及重听人群提供技术无障碍支持。目前已开放早期测试意向登记。
Mistral 发布开源编程模型 Devstral：单卡可跑，商用无限制
Mistral 联合 All Hands AI 推出专为编程打造的模型 Devstral。该模型拥有 240 亿参数，采用 Apache 2.0 协议可自由商用，单张 RTX 4090 或 32GB 内存 Mac 即可本地部署。其在基准测试中超越了 Gemma 3 27B 和 DeepSeek 的 V3。
Shopify 上线 AI 建站工具：一句话生成网店，Sidekick 获语音支持
Shopify 推出多项 AI 工具，包括支持单条提示词直接生成完整店面的 AI 建站功能，以及内置 AI 调节能力的新主题 Horizon。其商业助手 Sidekick 也加入语音通话与屏幕共享功能，并正式上线移动端。
Perplexity 上线 Pro Perks：送品牌福利，还接入 PitchBook 专业数据
Perplexity 宣布上线 Pro Perks 会员权益，并整合 Statista、PitchBook 和 Wiley 等专业数据源。Pro 会员可享受 Cursor、Visa 等合作方优惠，全员还能按月获得专业数据搜索额度。AI 搜索正把以往昂贵的企业级数据直接交到普通人手里。
周二
5月20日 星期二
NVIDIA 推出 Llama Nemotron Nano 4B：边缘端小模型，吞吐量提升 50%
NVIDIA 推出面向边缘设备的开源推理模型 Llama Nemotron Nano 4B。该模型针对编程、复杂数学和函数调用等场景优化，比 80 亿参数以内的同类模型吞吐量高出 50%，支持在 Jetson 和 RTX GPU 上部署，主打低成本混合推理。
Google 升级 Workspace：邮箱支持自然语言清理，幻灯片一键转视频
Google 在 I/O 2025 上为 Workspace 推出多项 AI 功能。Gmail 支持用自然语言指令批量清理邮件，并结合网盘提供个性化回复；Docs 可限定仅引用指定资料写作；Vids 则新增 PPT 转视频与 AI 数字人出镜。Docs 引用功能即日上线，其余功能未来数月开放。
Google推出顶级订阅AI Ultra：月费249.99美元打包最新模型
Google在美国上线Google AI Ultra订阅，月费249.99美元。订阅者可抢先体验视频生成模型Veo 3、电影创作工具Flow、智能体原型Project Mariner，并享有30 TB存储空间，原AI Premium计划则更名为Google AI Pro。
Google 详解 Android XR：Gemini 进驻眼镜与头显，支持现场实时翻译
Google 在 I/O 大会上展示了搭载 Gemini 的 Android XR 平台在眼镜和头显上的实际表现。眼镜可通过第一视角完成现场实时翻译、导航和问答。官方还宣布联手 Gentle Monster 与 Warby Parker 打造日常眼镜，开发者平台将于今年晚些时候开放。
Google 编程智能体 Jules 开启公测：异步改代码，还能听更新
Google 宣布自主编程智能体 Jules 开启公开测试，全球免排队免费体验。它由 Gemini 2.5 Pro 驱动，直接接入 GitHub 仓库在云端独立改代码、提 PR，甚至生成语音版更新日志。开发者不用盯着它，扔进后台就能并发干活。
Google 推出 Google Beam：Project Starline 变身 AI 3D 视频通话平台
Google 宣布将 Project Starline 升级为 3D 视频通信平台 Google Beam。它利用 AI 体积视频模型把普通 2D 画面实时转成 3D 效果，无需佩戴头显。首批 HP 合作硬件将在 InfoComm 亮相，并于今年晚些时候面向部分企业交付。
Google 升级 AI 购物：传全身照就能虚拟试衣，还能让 AI 代下单
Google 推出 AI Mode 购物新体验。用户上传一张全身照片，定制图像模型就能把服装贴合身材「穿」在自己身上；配合新的 Agent 结账，还能设定预算让 AI 在降价时自动下单。虚拟试衣已在美国 Search Labs 上线。
Google 升级 Gemini：Live 视觉功能免费，内置 Veo 3 与 Imagen 4
Google 宣布 Gemini 应用迎来重大更新：Gemini Live 的摄像头与屏幕共享功能面向所有移动端免费开放，默认模型换成 2.5 Flash。应用内还直接接入了 Imagen 4 以及原生支持音效与对白的新视频模型 Veo 3，并推出每月 249.99 美元的 Ultra 订阅档位。
Google 推出 SynthID Detector：一键检测文本、图像与音视频中的 AI 水印
Google 推出验证门户 SynthID Detector，可一站式检测文本、音频、图像和视频中是否嵌入了 SynthID 水印，并圈出具体片段。目前已圈定超 100 亿件内容的水印，正先面向记者、媒体和研究人员开放候补申请。
Google 公布通用 AI 助理愿景：Gemini 迈向世界模型，智能体多任务并行
Google 公布通用 AI 助理愿景，计划将 Gemini 2.5 Pro 扩展为能理解并模拟现实的「世界模型」。此外，Gemini Live 将加入计算机控制能力，浏览器智能体 Project Mariner 也升级为可同时执行多达 10 项任务，已面向美国订阅用户开放。
Google 升级 Gemini 2.5：新增 Deep Think 推理与原生语音输出
Google 发布 Gemini 2.5 系列更新，为 2.5 Pro 推出实验性推理模式 Deep Think，支持探索多重假设攻克复杂数学与编程。模型还新增原生音频输出、思考预算控制以及 MCP 工具支持，2.5 Flash 即日起面向所有用户开放。
Google NotebookLM 迎来大更新：不仅能做播客，还能把笔记变「视频概览」
Google 在 I/O 大会上宣布 NotebookLM 将上线「视频概览」功能，能把笔记、PDF 和图片转成可视化演示。原有的 AI 播客功能也支持自定义长短。此前一天，NotebookLM 的 iOS 和 Android 客户端已正式上线。
Stability AI 发布 SV4D 2.0：单段视频直接转 4D 资产
Stability AI 发布 Stable Video 4D 2.0。新模型无需多角度参考图或多相机拍摄，仅凭一段以物体为中心的普通视频即可生成连贯的动态 4D 资产并合成新视角。模型已开源且开放商用，但剧烈运动下仍可能存在瑕疵。
Amazon Music 测试 Explore：用 AI 帮你深挖歌手合作与生成歌单
Amazon Music 宣布测试名为「Explore」的 AI 搜索功能。用户搜索歌手后，AI 会整理其合作曲目、关联艺人和代表作，并支持一键生成 AI 歌单。该功能目前面向美国部分 iOS 订阅用户灰度测试，支持约 1 万名歌手。
Google 发布端侧模型 Gemma 3n：5B 模型仅占 2GB 内存，专为手机打造
Google 发布端侧开放模型 Gemma 3n 预览版。新模型采用 DeepMind 的 PLE 技术，让 5B 和 8B 模型的动态内存占用降至 2GB 和 3GB，支持本地音视频及图文多模态处理。最值得关注的是，该架构还将用于下一代 Gemini Nano。
