Reddit 把 Reddit Answers 搬进主搜索栏：不用再去 Google 加后缀了
Reddit 将 AI 整理回答功能 Reddit Answers 直接整合进主搜索栏。此前该功能位于独立标签页中，现在用户直接搜索，就能得到提炼自社区帖子的整理回答、来源链接和补充贴士。官方表示此举旨在让用户不用再借助外部搜索引擎寻找真人的真实经验。
AI 日报：今天的 AI 新闻
周五
5月2日 星期五
Google NotebookLM 开启移动端预订：5 月 20 日上线 iOS 与安卓版
Google 旗下 AI 笔记助手 NotebookLM 在 App Store 和 Google Play 开启预订，预计 5 月 20 日正式上线。自 2023 年推出以来该工具一直仅限桌面端，移动版将支持在手机与平板上管理笔记、上传资料，并随时收听 Audio Overviews 音频。
Nvidia 开源语音模型 Parakeet-TDT-v2：1 秒转录 1 小时音频
Nvidia 在 Hugging Face 开源语音识别模型 Parakeet-TDT-0.6B-v2。参数量 6 亿，在自家 GPU 上仅需 1 秒就能转录 1 小时音频，登顶开源 ASR 榜单。最值得关注的是其采用 CC-BY-4.0 协议，允许开发者免费商用。
Nvidia 再度为中国定制 AI 芯片：H20 被禁后接洽阿里腾讯
据外媒报道，在 H20 遭美方限制导致 55 亿美元损失后，Nvidia 正再次研发符合最新出口管制的中国特供 AI 芯片，并向阿里、腾讯和字节跳动通报了方案。面对华为 Ascend 910C 等本土芯片的加速替代，Nvidia 试图守住占其 13% 销售额的中国市场。
OpenAI 复盘 ChatGPT「谄媚」风波：模型性格列入把关硬指标
OpenAI 针对 ChatGPT 近期出现的「过度迎合」与煽动情绪问题复盘原因。多项微调结合后削弱了原有的抑制信号，导致指标好看但实际体验跑偏。官方已回滚版本，承诺未来把模型性格与行为当成能否上线的决定性门槛。
周四
5月1日 星期四
Midjourney 上线 Omni-Reference：支持把指定角色和物体直接塞进新图
Midjourney 宣布 Omni-Reference 功能正式上线。该功能允许创作者明确指定「把这个放进图里」，支持角色、物体、载具等多种元素的一致性迁移。这意味着生图时固定特定道具或主体变得更加直接，不用再靠反复抽卡拼运气。
Aurora 无人卡车在德州开启商业送货：无安全员，已跑 1200 英里
自动驾驶公司 Aurora 宣布其完全无人驾驶的重型卡车正式在德州公共高速上开展商业货运，已为 Uber Freight 等客户完成 1200 英里无安全员配送。这是业内首个在公开道路运行的商业无人卡车服务，计划年底前拓展至菲尼克斯。
Higgsfield 上线「首尾帧」功能：上传头尾两张图，精准控制 AI 视频
Higgsfield 推出「Start & End Frames」功能，允许用户分别上传起始和结束两张图片来定义视频结构。这意味着生成的视频能够拥有明确的方向与动作轨迹，大幅提升视频叙事的把控力。
Ai2 开源 10 亿参数小模型 Olmo 2 1B：跑分超 Google 与 Meta 同级产品
周四，非营利机构 Ai2 发布 10 亿参数开源模型 Olmo 2 1B，开放了全部代码与训练数据集。它在算术与真实性测试中跑分超越 Google Gemma 3 与 Meta Llama 3.2 同级模型，能在现代笔记本或移动设备上轻松运行。Ai2 建议暂不用于商业部署。
传微软拟在 Azure 上托管马斯克 Grok，或激化与 OpenAI 矛盾
据 The Verge 报道，微软正与 xAI 洽谈在 Azure AI Foundry 托管 Grok 模型，供开发者与内部团队使用。微软正极力成为所有主流 AI 的底层托管方，即便这可能进一步激化其与核心盟友 OpenAI 的紧张关系。
Ideogram 3.0 升级：写实度拉高，Canvas 新增补图与扩图
Ideogram 推出 Ideogram 3.0 重大更新，重点提升了画面写实度、风格多样性与提示词遵循能力。用户现在可以在 Canvas 画布中配合 3.0 使用 Magic Fill 局部重绘与 Extend 外绘编辑图片，同时该模型也正式开放了 API 接入。
Suno 上线 v4.5：单次可直出 8 分钟歌曲，人声与跨风格融合大升级
Suno 推出 v4.5 版本，面向 Pro 和 Premier 付费用户开放。新版增强了人声质感与情感深度，支持跨风格融合，并将单曲直出时长由 4 分钟直接翻倍到最长 8 分钟，无需再手动延长音轨。
Pika 推出发型特效 Pikaffects：一键换粉发、超长发或秒变光头
Pika 推出全新「Pikaffects」发型特效，上线 Web 端与 iOS App。新功能支持把画面人物一键换成粉发、超长发甚至直接变成光头。这让视频趣味变形特效变得更接地气，随手就能做出恶搞或创意视觉效果。
Google 搜索 AI Mode 向全美开放：加入视觉卡片与记录侧边栏
Google 宣布取消美国地区 AI Mode 的候补名单，全美 Labs 用户均可直接体验。新版加入了地点与商品视觉卡片，展示实时价格与库存；桌面端新增左侧历史记录栏，便于接续复杂任务。此外，该模式也开始在搜索主站小范围测试。
Krea AI 推出 GPT Paint：用画笔和草图给 ChatGPT 发视觉提示词
Krea AI 推出新功能 GPT Paint。用户可以直接在 Krea Image 中通过画笔标记、基础图形、便签和参考图，以视觉方式向 ChatGPT 发送提示词。这让用涂鸦直接指挥 AI 创作变得更直观，告别了纯文字描述的沟通门槛。
Claude 上线 Integrations：打通 Jira 和 Zapier，深度调研能连查 45 分钟
Anthropic 推出 Integrations 功能，让 Claude 能通过远程 MCP 协议直连 Jira、Linear、Zapier 等外部工具并执行跨应用操作。同时升级的深度研究模式可结合网页、工作区与已连接工具调研最长 45 分钟并输出带引用的报告。
微软开源 Phi-4-reasoning-plus：14B 跑赢 70B 蒸馏版，还用 MIT 协议
Microsoft 宣布开源推理模型 Phi-4-reasoning-plus。这个 14B 参数的小模型走精炼路线，在 AIME 2025 数学测试中的 pass@1 成绩超过了 70B 的 DeepSeek-R1 蒸馏版。最值得关注的是它采用宽松的 MIT 协议，兼容 Ollama 和 vLLM，支持本地直接部署。
World 推出便携设备 Orb Mini：手机造型扫眼，专验谁是真人
Sam Altman 联合创立的 Tools for Humanity 发布便携认证设备 Orb Mini。它外形神似手机，正面配备两枚眼球扫描传感器，旨在为用户生成链上真人凭证以对抗 AI 假冒。项目同步进军美国市场，将在洛杉矶等六城开设线下扫眼门店。
研究指责 LM Arena 偏袒巨头刷榜：私测只挑最高分公布
来自 Cohere、斯坦福等机构的研究指控知名评测平台 LM Arena 偏袒巨头，允许 Meta、OpenAI 等私下测试几十个变体且只公开最高分，甚至给予更高的对战采样率。LM Arena 否认不公指责，但表示将改进对战采样算法。
周三
4月30日 星期三
亚马逊上线 Nova Premier：支持百万上下文，主打复杂任务与模型蒸馏
AWS 正式上线基础模型 Amazon Nova Premier。它是 Nova 系列能力最强的多模态模型，支持 100 万 token 上下文，主打多步骤规划与多智能体协作。它还能充当教师模型，帮助开发者将能力蒸馏至更小巧、便宜的 Nova 轻量模型中。
Midjourney 更新 V7：优化手部与画质，新增灯箱编辑器与 --exp 参数
Midjourney 推送 V7 模型常规优化，直接提升画面细节、提示词遵循度以及手部和肢体一致性。同时，官方上线了改进版灯箱编辑器，支持智能分割工具；还新增了实验性美学参数 --exp（0-100），能赋予画面更强的动态感与色调映射。
扎克伯格筹划 Meta AI 商业化：计划推付费订阅与广告功能
扎克伯格在财报会上透露，Meta 计划为独立 Meta AI 应用推出付费订阅和广告推荐，给需要更多算力的用户提供高级服务。同时 Meta 将今年 AI 投资上限提高到 720 亿美元。不过官方表示，未来一年重心仍是扩大规模，商业化不会马上落地。
Google Labs 上线三款语言微课：拍张照就能学外语表达
Google Labs 推出实验项目「Little Language Lessons」，包含 Tiny Lesson、Slang Hang 和 Word Cam 三款工具。用户既能按场景查词造句，也能学地道俚语，或拍照识别周围物体并生成外语例句。不过作为早期实验，AI 生成结果偶尔会有偏差。
Runway 上线 Gen-4 References：靠参考图搞定角色与场景一致性
Runway 宣布向所有付费订阅用户推出 Gen-4 References 功能。用户只需上传照片、生成图、3D 模型或自拍照作为参考，就能在后续画面中生成一致的角色与场景。这意味着多镜头创作里的角色连贯性难题，有了更直接的解法。
Pinterest 上线 AI 标签：不靠自报靠算法抓，还能一键少看
Pinterest 正式面向全量用户上线 AI 内容标签。点开图片后左下角会标注「AI modified」，平台结合 IPTC 元数据和自研分类器自动抓取，无需创作者自报。针对 AI 垃圾泛滥，后续还将支持在美妆、艺术等类别下一键「减少推荐」。
KREA AI 升级增强器：接入 Topaz Labs，最高可放大至 22K
KREA AI 推出新版 Enhancer 模型，提升了画面的纹理与清晰度。同时平台接入了 Topaz Labs，允许将图片直接放大到 22K 分辨率。对于需要大尺寸输出的创作者来说，图像超分又多了一个实用工具。
Google Gemini 支持图像编辑：换背景、改细节，上传照片就能 P
Google 宣布将原生图像编辑功能引入 Gemini app。无论是 AI 生成图还是从手机电脑上传的个人照片，都能直接通过自然语言提示词替换背景、增加元素或修改细节。编辑后的图片会嵌入 SynthID 数字水印，正逐步向全球推出。
Meta 更新 Ray-Ban 政策：取消关闭语音存储选项，录音将用于训练 AI
Meta 调整了 Ray-Ban Meta 智能眼镜的隐私政策，正式取消了关闭云端语音存储的选项。用户的语音转写和音频将默认在云端保存最长一年，专门用来喂给自家 AI 模型做训练。用户虽然能在设置里逐条手动删除录音，但再也无法一键彻底拒绝上传。
Nvidia 推出 3D 引导生图工作流：用 Blender 摆构图，让 FLUX.1 出图
Nvidia 发布 3D 引导生图工作流工具，将 Blender 3D 建模与 FLUX.1 图像生成器打通。创作者只需在 Blender 中摆放粗模并调整机位，AI 便会以此为构图参考生成 2D 画面，省去反复抽卡的麻烦。不过本地运行需要 RTX 4080 及以上显卡。
维基媒体基金会公布新 AI 战略：不替代人类，专给志愿者打下手
Wikimedia Foundation 公布新 AI 战略，明确将以人为本。官方表示不会用 AI 代替编写，而是将技术用于辅助巡查、改善信息检索、自动化翻译以及新手引导等繁琐流程，并承诺优先采用开源或开放权重 AI 模型。
Anthropic表态：呼吁美国收紧AI芯片出口，堵住走私漏洞
Anthropic针对美国商务部的扩散规则提交建议，呼吁维持并强化先进AI芯片的出口管制。Anthropic建议调低第二梯队国家的免许可算力门槛（目前相当于1700张英伟达H100），并警告推迟执行只会招致中国企业进一步囤货。
周二
4月29日 星期二
Lyft 上线 AI 收入助手：帮网约车司机规划接单多赚钱
Lyft 推出司机端 AI 聊天助手 Earnings Assistant。司机能结合机场客流、本地活动等数据生成个性化出车日程，并抓准收益更高的「Turbo」时段。该功能目前处于早期测试阶段，司机需申请加入候补名单。
Freepik 推出开源图像模型 F Lite：完全基于授权数据训练，参数 100 亿
Freepik 联手 Fal.ai 发布开源 AI 图像模型 F Lite，拥有 100 亿参数。该模型完全基于 8000 万张商业授权图片训练，主打规避版权争议，提供标准版与质感版两种规格。不过它的本地运行门槛较高，至少需要 24GB 显存的 GPU。
Natasha Lyonne 拍新科幻片：用全授权 AI 模型 Marey 制作画面
演员 Natasha Lyonne 宣布将执导并主演科幻电影《Uncanny Valley》，其画面将由 Moonvalley 的视频模型 Marey 生成。制作方主打该模型完全依靠合规授权且付费的内容训练。不过该片目前尚无明确排期。
OpenAI 回滚 GPT-4o 更新：AI 太爱阿谀奉承，说话虚情假意
OpenAI 宣布回滚上周在 ChatGPT 推送的 GPT-4o 更新，换回更平衡的旧版本。官方解释称，团队此前过度关注短期点赞反馈，导致模型出现过分奉承与虚假迎合的问题。OpenAI 正在测试修复方案，未来还将允许用户自主选择不同的默认性格。
Vercept 发布 AI 智能体 Vy：能看懂并直接操作你的电脑
Vercept 发布 AI 智能体 Vy，能看懂屏幕并直接操作电脑上的应用与已登录账户。其内置的 VyUI 模型在 ScreenSpot 等 UI 定位评测中超越 OpenAI、Google 和 Anthropic，即日起开放下载。
NotebookLM「播客概览」支持超 50 种语言：多语种资料直接讲中文
Google 宣布 NotebookLM 的音频概览现已支持超过 50 种语言。借助 Gemini 的原生音频能力，设置里新增了「输出语言」选项。也就是说，哪怕同时喂给它葡语视频、西语论文和英文资料，它也能全用你选定的语言聊出一期播客。
Meta 推出独立 Meta AI 应用：内置 Llama 4 与全双工语音，接管智能眼镜
Meta 推出基于 Llama 4 的独立 Meta AI 应用。新应用主打语音交互，内置全双工语音 Demo，并直接合并了 Ray-Ban Meta 智能眼镜的控制功能。最关键的是，它能结合 Facebook 和 Instagram 偏好提供个性化回答。语音功能先在美加澳新上线。
Yelp 推出 AI 接线员：帮餐厅接电话、订座并拦截骚扰
Yelp 宣布推出面向餐厅与本地服务商家的 AI 电话接听功能。该系统能帮餐厅自动处理订座、排队登记、解答常见问题并拦截垃圾骚扰电话。最值得关注的是，它试图让忙碌的小商家不再漏接潜在客源，不过该功能目前仍在开发阶段。
生数科技发布 Vidu Q1：支持首尾帧平滑过渡，自带 48kHz 音效
生数科技发布视频大模型 Vidu Q1。它支持首尾帧语义过渡，能在无关画面间补齐平滑转场，支持最高 5 秒 1080p 视频生成。此外它还首创 48 kHz 同步音效生成，能识别画面情绪并自动匹配相应音轨。
Intel 推出 AutoRound：把 72B 大模型压到 INT2，量化只要 37 分钟
Intel 介绍了模型量化工具 AutoRound。它通过符号梯度下降联合优化权重舍入与截断范围，在 INT2 精度下相对准确率最高比主流基准提升 2.1 倍。轻量模式下量化 72B 模型仅需 37 分钟，并支持导出 GPTQ、AWQ 和 GGUF 等格式。
Meta Llama 4 登陆 Vertex AI：免配 GPU，以托管 API 开箱即用
Google 宣布 Meta 的 Llama 4 正式作为全托管 API 在 Vertex AI 上线。开发者无需自行调配与维护 GPU 基础设施，签署许可后即可通过兼容 OpenAI 格式的接口直接调用 Scout 与 Maverick 模型。
马斯克预告 Grok 3.5：下周开启内测，主打硬核第一性原理推理
马斯克宣布 Grok 3.5 将于下周向 SuperGrok 订阅用户开放早期测试。他称该模型能准确回答火箭发动机或电化学等深层技术问题，基于第一性原理推导出网上不存在的答案。不过首批测试仅限付费用户。
周一
4月28日 星期一
Duolingo 全面转向「AI 优先」：逐步停止使用外包合同工
Duolingo CEO Luis von Ahn 宣布公司将全面转向「AI 优先」，逐步停用能被 AI 替代的外包合同工。团队若想申请新员工名额，必须先证明无法进一步自动化，AI 使用情况也将纳入招聘与绩效评估中。
阿里发布 Qwen3：支持调节思考预算，开放多款混合推理模型
Alibaba 发布 Qwen3 系列模型，涵盖 0.6B 至 235B 参数。该系列融合了思考与非思考模式，允许用户按需配置推理预算；包含 2 款 MoE 和 6 款密集模型，公开版本中最大的为 Qwen3-32B，多数已在 Hugging Face 和 GitHub 开放下载。
OpenAI 升级 ChatGPT 搜索：单周搜索破 10 亿次，推出全新购物体验
OpenAI 宣布对 ChatGPT 搜索进行多项改进，并开始上线全新的购物体验。官方透露，搜索已是其增长最快的功能之一，仅过去一周网络搜索量就突破了 10 亿次。这意味着 ChatGPT 正在加速切入传统搜索最赚钱的电商决策场景。
Hugging Face 推出 3D 打印机械臂 SO-101：起售价 100 美元
Hugging Face 推出可编程 3D 打印机械臂 SO-101，起售价 100 美元。它是 SO-100 的升级版，组装更快且换装了低摩擦电机，自带摄像头并支持强化学习训练抓取任务，组装成品视渠道约 100 至 500 美元。
传华为研发升腾 910D：对标英伟达 H100，正寻国内测试伙伴
据报道，华为正在研发新款升腾 910D 芯片，性能瞄准英伟达主力训练卡 H100，并已开始接触国内企业寻找测试伙伴。在美国持续收紧芯片出口限制的当下，华为若顺利落地该芯片，将有力填补国内高端算力缺口。
Luma AI 上线 Ray2 运镜控制 API：支持自定镜头运动与机位角度
Luma AI 推出 Ray2 Camera Concepts API，为开发者开放电影级运镜控制能力。这次首发上线了运动与机位角度控制，意味着视频生成不必再完全依靠随机提示词，开发者可以通过接口精确调度镜头画面。
Higgsfield 上线经典场景功能：自拍一键融入《黑客帝国》等大片
Higgsfield AI 推出 Iconic Scenes 模板，用户上传一张自拍就能化身经典电影主角。平台提供《星际穿越》《黑客帝国》《教父》等 20 多个模板，搭配 80 多种运镜控制与卡通滤镜，无需剪辑软件即可生成电影感片段。
NVIDIA 推出 DOCA Argus：零开销防黑客，检测速度提升千倍
NVIDIA 推出安全框架 DOCA Argus。它运行在 BlueField 网络平台上，独立于主机且无须安装代理，利用内存取证技术将威胁检测速度拉高最高 1000 倍，且不占用系统计算资源。Cisco 也已展开合作将其整合进企业架构。
Anthropic 成立经济顾问委员会：拉来学者研究 AI 对工作的影响
Anthropic 宣布成立经济顾问委员会，邀请多位顶尖学者加入。委员会将为 Anthropic 提供专业建议，评估 AI 对劳动力市场、经济增长及社会系统的冲击，并指导其 Economic Index 研究，给政策制定者提供参考。
Figure AI 洽谈物流巨头 UPS：拟在分拣网络部署人形机器人
据报道，机器人初创公司 Figure 正与物流巨头 UPS 深入谈判，拟在其物流网络中部署最新款人形机器人。尽管具体岗位尚未确定，但这将补足 UPS 的自动化体系。Figure 计划 2028 年前交付 10 万台机器人，若落地将成为其进入真实物流的关键跳板。
Anthropic 报告：Claude Code 自动化率达 79%，前端首当其冲
Anthropic 发布软件开发经济指数报告，分析了 50 万次编程对话。专用智能体 Claude Code 的自动化任务占比高达 79%，远超普通网页版的 49%。前端与 UI 开发成为最热门场景，初创公司接纳速度明显快于大型传统企业。
周日
4月27日 星期日
OpenAI 紧急调整 GPT-4o 人设：承认模型太爱拍马屁、令人反感
OpenAI CEO Sam Altman 在 X 上承认，GPT-4o 最近几次更新把性格调得过于谄媚和烦人。团队正紧急修复，部分调整本周内上线。分析师指出，大模型竞争极度激烈，聊天体验稍有令人不适就会劝退用户。
周六
4月26日 星期六
传 DeepSeek R2 规格曝光：1.2 万亿参数，转向华为昇腾训练
社交网络曝光 DeepSeek 下一代模型 R2 的传闻规格。爆料称其拥有 1.2 万亿参数、激活 780 亿，采用华为昇腾 910B 集群训练且利用率达 82%，API 定价传比 GPT-4o 便宜超 97%。不过官方尚未证实这些数据。
中国提出推进 AI 自立自强：发挥举国体制，主攻高端芯片与基础软件
据报道，在中央政治局集体学习中，中国提出要以「新型举国体制」推进人工智能自立自强。重点聚焦高端芯片和基础软件等核心技术，打造自主可控的软硬件体系，并加快推进 AI 监管与安全应急预警机制。
周五
4月25日 星期五
Anthropic 警告逆向工程开发者：发 DMCA 投诉要求下架 Claude Code 源码
Anthropic 向在 GitHub 上解混淆并开源 Claude Code 代码的开发者发去 DMCA 下架函。对比 OpenAI 以 Apache 2.0 开源的 Codex CLI，Anthropic 采用商用限制许可并混淆代码，引发社区不满。目前 Claude Code 仍处测试期。
微软升级 Copilot+ PC：Recall 与 Click to Do 正式向用户推送
Microsoft 随 Windows 11 四月非安全预览更新，面向 Copilot+ PC 正式推送 Recall、Click to Do 和自然语言搜索功能。Recall 全程在本地通过 NPU 处理并支持彻底关闭，Click to Do 则能一键分析屏幕内容并完成抠图或重写。新功能目前正分批推送，欧洲经济区将在今年晚些时候支持。
Meta 开源模型上太空：Space Llama 进驻国际空间站，离线跑多模态
Meta 宣布与 Booz Allen 合作，将微调版 Llama 3.2「Space Llama」部署到国际空间站。借助 HPE 太空计算机与英伟达加速，宇航员无需连接地球网络即可秒级离线检索技术文档，这展示了开源模型在极端断网环境下的独特优势。
周四
4月24日 星期四
YouTube 测试 AI 搜索轮播：不点进视频，结果页直接看关键片段
本周，YouTube 宣布正在测试基于 AI 的视频搜索轮播功能。该功能不对视频做文本总结，而是用 AI 抓出回答搜索词的最关键片段，直接在结果页播放。目前该功能仅面向少数 Premium 用户的英文搜索开放，虽然省了检索时间，但也引发了创作者对播放量被截流的担忧。
Anthropic CEO 谈可解释性：必须赶在模型能力失控前看清黑盒
Anthropic CEO Dario Amodei 撰文呼吁加速 AI 可解释性研究。他将搞懂机理比作给 AI 做「高精度核磁共振」，指出黑盒不透明会导致难以防范的欺骗与越狱风险。最关键的是，这项研究的成熟速度必须跑赢 AI 能力的爆炸式增长。
OpenAI 推出 Deep Research 轻量版：免费用户也能用，付费限额提升
OpenAI 宣布推出 Deep Research 轻量版，并逐步面向免费用户开放。此举旨在提高 Plus、Team 和 Pro 订阅用户的调用频次上限。也就是说，原本门槛颇高的多步骤深度调研能力，现在正下放给全体用户。
OpenAI 拟推开源模型：遇难题可「呼叫云端」求助
据 TechCrunch 报道，OpenAI 计划在初夏推出的开源推理模型中加入「交接」（handoff）功能，本地遇到复杂问题可直接调用云端更强模型。该模型从零训练，部分基准测试瞄准超越 DeepSeek R1。这种本地加云端的打法，显然是想顺便把开源开发者拉进其付费生态。
Tavus 在 fal 上线 Hummingbird-0：主打高精度零样本唇形同步
Tavus 在 fal 平台上线唇形同步模型 Hummingbird-0 的研究预览版。官方称这是其测试过精度最高的零样本唇形同步模型，表现超过同类开源与闭源方案。这意味着视频对口型效果将更逼真自然，目前处于研究预览阶段。
Argil 结合 OpenAI 技术：AI 数字人能手持商品开口带货了
数字人平台 Argil 宣布结合 OpenAI 技术推出新功能，AI 数字人如今能手持商品并开口解说。用户仅需提供一张商品图片即可生成完整宣传视频，瞄准电商带货场景。目前该功能已开启测试申请。
Krea AI 接入 ChatGPT 图像能力：聊天就能修图、渲染 3D 场景
Krea AI 宣布接入 ChatGPT 图像能力。用户现在可以直接在聊天界面用自然语言编辑图片、渲染 3D 场景，支持超过 300 种预设风格，30 秒内即可完成换色或艺术风格迁移。
Adobe 联手 LinkedIn 推出凭据工具：免费给图片盖数字水印，还能防 AI 训练
Adobe 宣布内容真实性应用开启公测，无需订阅即可免费使用。创作者能为图片添加包含个人主页、AI 使用情况及「禁止用于 AI 训练」的隐形数字凭据，并整合 LinkedIn 身份认证，单次支持批量处理 50 张。
Dropbox 升级 AI 搜索工具 Dash：不仅搜图音视频，还能跨应用直接写文档
Dropbox 升级 AI 搜索工具 Dash。新版支持对音频、视频和图像进行内容级搜索，并上线找人功能和企业敏感文件过滤；同时新增写作工具，能直接整合 Slack、Figma、邮件等多平台信息一键生成项目计划和简报，省去反复切应用的麻烦。
Adobe 发布 Firefly Image 4：最高 2K 分辨率，网页端还接入了竞品
Adobe 发布新一代图像模型 Firefly Image Model 4，支持 2K 分辨率与文字渲染，并全面开放 1080p 视频生成模型。改版后的 Firefly 网页端不仅上线了协作画板 Boards，还破天荒直接接入了 OpenAI、Google 和 Flux 的模型。
Google 联合哈佛推出 ZAPBench：用 7 万神经元全脑数据预测脑电
Google Research 联合 HHMI Janelia 与哈佛大学在 ICLR 2025 发布 ZAPBench。该开源基准基于斑马鱼约 7 万个神经元的完整全脑成像，让 AI 模型像预测下一个单词一样预测未来 30 秒的神经元放电模式，填补了神经科学在大规模全脑动态预测上的空白。
Google 升级 Music AI Sandbox：搭载 Lyria 2 模型，支持实时生成与编辑
Google 宣布为音乐创作工具 Music AI Sandbox 推出新功能，并扩大面向美国创作者的测试范围。新版本搭载了最新的 Lyria 2 模型与支持实时交互的 Lyria RealTime，支持按提示词续写、修改曲风并生成高质量样本，所有音轨均嵌入 SynthID 水印。
Ziff Davis 起诉 OpenAI：要求销毁用其文章训练的 ChatGPT 模型
旗下拥有 IGN、CNET、PCMag 等知名媒体的出版巨头 Ziff Davis 正式起诉 OpenAI 侵犯版权。诉状指控 OpenAI 绕过技术防护抓取其数百万篇内容用于训练，甚至故意清除版权信息。除索赔外，Ziff Davis 还强硬要求销毁所有涉嫌侵权的模型及训练数据集。
Imogen Heap 联手 AI 平台 Jen：推出 5 款经典作品音乐滤镜
格莱美得主 Imogen Heap 联合 AI 音乐平台 Jen 推出 5 款「风格滤镜」。用户可结合提示词与其授权单曲生成专属音乐，售价 4.99 美元起。与深陷侵权纠纷的竞品不同，Jen 主打合规训练，不过目前仅支持生成纯器乐。
Spotify 扩大测试 AI 歌单：覆盖超 40 个新市场，打字就能做歌单
Spotify 宣布将测试版 AI 歌单（AI Playlist）推向 40 多个新市场的 Premium 用户，目前仅支持英文。用户输入情绪、场景甚至 emoji 就能生成专属曲目，并能对话微调。流媒体正在把个性化推荐直接变成提示词玩法，不过目前仍在小步迭代。
周三
4月23日 星期三
白宫签署行政令：面向全美青少年推广 AI 教育，设立国家挑战赛
美国白宫签署第 14277 号行政命令，启动青少年 AI 教育倡议。政府设立了白宫 AI 教育工作组，计划在全美举办总统 AI 挑战赛，并协调教育部、劳工部等机构资金，重点推进 K-12 阶段课程开发、教师技能培训及 AI 职业学徒制。
Higgsfield 推出 Turbo 模型：渲染提速 1.5 倍且降价 30%
Higgsfield AI 发布其迄今最快的视频生成模型 Turbo。新模型渲染速度提升 1.5 倍、成本降低 30%，同时支持优先队列并新增 7 种运动风格。对需要高频试错的创作者来说，等待时间和生成成本都显著降低。
NVIDIA 发布 Describe Anything 3B：圈出画面局部就能精准描述
NVIDIA 发布开源多模态模型 Describe Anything 3B 及视频版。用户只要用点、框、涂鸦或遮罩圈出画面中的局部区域，模型就能结合全图上下文生成细致描述，并在 DLC-Bench 等局部描述评测上超过了 GPT-4o。
Perplexity 上线 iOS 助理：不仅能回答问题，还能在 iPhone 上替你打车订座
Perplexity 推出 iOS 版 Perplexity Assistant。它不仅能回答问题，还能直接在 iPhone 上执行具体操作，包括播放媒体、草拟邮件、调整会议、叫车、订座和设置提醒。更新 Perplexity 应用即可体验。
Ray-Ban Meta 眼镜全量推送实时翻译：支持 4 语互译且可离线
Meta 宣布向所有发售市场的 Ray-Ban 智能眼镜用户全量推送实时翻译功能。该功能支持英语、法语、意大利语和西班牙语之间的语音互译；用户只要提前下载语言包，没有网络也能离线使用。此外，通过眼镜收发 Instagram 消息等功能也即将上线。
NVIDIA NeMo 微服务全面商用：帮企业加速定制与部署 AI 员工
NVIDIA 宣布 NeMo 微服务正式商用。这套微服务包含 NeMo Customizer、Evaluator 和 Guardrails 等工具，可将模型微调吞吐拉高 1.8 倍，并打通推理与业务数据飞轮。AT&T、Cisco 等企业已用于构建数字员工。
NVIDIA 上线 G-Assist 插件构建器：自定义 RTX PC 端侧 AI 助手
NVIDIA 在其客户端以实验功能上线 Project G-Assist，并推出插件构建器。用户可依托本地 RTX 显卡运行的小模型，通过语音或文本控制硬件参数、联动外部 API 或调度云端模型，无需切出应用即可随时调取。
Microsoft 365 Copilot 升级：上线 Agent Store 与深度推理智能体
Microsoft 公布 Microsoft 365 Copilot Wave 2 春季更新，上线全新 Agent Store。商店引入了基于 OpenAI 深度推理模型的 Researcher 和 Analyst 两个智能体，能处理复杂研究并分析原始数据。此外还加入了企业级搜索和播客式笔记功能。
腾讯混元 3D 2.5 上线：百亿参数几何模型，每日免费额度翻倍
腾讯混元发布 3D AI 创作引擎 v2.5，几何模型参数增至 100 亿，网格面数提升 10 倍并支持 1024 分辨率细节。新版支持多视角 PBR 材质生成与自动骨骼蒙皮，每日免费额度翻倍至 20 次，腾讯云 API 也已同步开放。
OpenAI 上线 gpt-image-1 API：ChatGPT 同款画图能力开放，单张 0.02 美元起
OpenAI 正式在 API 中推出原生多模态图像生成模型 gpt-image-1。开发者现在能直接调用 ChatGPT 同款绘图能力，支持精准渲染文字与多风格创作；生成按 token 计费，单张方形图片成本约为 0.02 至 0.19 美元。
Anthropic 披露 Claude 滥用案例：水军当指挥官，新手手搓恶意软件
Anthropic 公布针对 Claude 恶意滥用的检测与应对报告。调查发现有黑产利用 Claude 充会社交网络水军中枢，自主决定点赞与转评；也有技术小白借其越级编写恶意代码。最值得关注的是，AI 正被当成半自主攻击工具，降低了犯罪门槛；目前相关违规账号已被封禁。
周二
4月22日 星期二
xAI 推出 Grok Vision：手机镜头对准现实物体就能问，iOS 先上
xAI 宣布为 Grok 推出视觉功能 Grok Vision，拿手机对准商品、标志或文档就能直接提问，语音模式也同步加入了多语言与实时搜索。目前视觉功能仅限 iOS 端 Grok 应用，Android 用户暂未开放。
奥斯卡更新评奖规则：用 AI 不减分，但人类必须是创作核心
昨天，美国电影艺术与科学学院修改奥斯卡评奖规则，首次明确使用生成式 AI 既不加分也不影响提名资格。评审将重点考量人类是否处于创作核心地位，并且学院最终没有强制要求电影人主动申报是否使用了 AI。
Character.AI 发布 AvatarFX：单张图配音频就能生成对白视频
Character.AI 公布视频生成模型 AvatarFX，用户上传单张静态图并搭配音频，就能让角色说话、唱歌并呈现手部与身体动作。模型基于 DiT 架构和蒸馏加速技术，支持真人及 2D/3D 卡通角色，未来几个月将率先面向 CAI+ 会员开放测试。
Descript 推出智能体视频编辑器：要做「视频界的 Cursor」
Descript 创始人 Andrew Mason 宣布推出全新 AI 智能体视频编辑器，并将其定位为「视频领域的 Cursor」。该工具押注由 AI 智能体来协助处理视频剪辑流程，目前已在官网开放预约体验。
Dreamina 上线 Seedream 3.0：主打电影感画面与 2K 分辨率生成
Dreamina AI 正式推出图像生成模型 Seedream 3.0。新模型支持 2K 分辨率直出，主打电影级质感和逼真的材质渲染，同时强化了英文文字排版能力。目前已在官网开放体验。
1Password 推出智能体安全方案：管住 AI 员工的账号与权限
1Password 推出 Agentic AI Security 并升级扩展访问管理（XAM）平台。该方案专为自主智能体设计，免除代码硬编码密钥，动态分配最小权限并实时轮换凭据。随着企业让 AI 经手更多核心业务，非人类身份的访问治理正在成为新的刚需。
华盛顿邮报牵手 OpenAI：ChatGPT 搜索将直接引入其新闻
《华盛顿邮报》宣布与 OpenAI 达成战略合作，ChatGPT 搜索在回答相关问题时，将展示该报的摘要、引文及原文链接。OpenAI 借此为每周 5 亿用户补充权威新闻源，这也是其与全球 20 多家新闻出版商合作的最新一站。
OpenAI 表态有意接手 Chrome：若法院判 Google 拆分浏览器业务
在美司法部针对 Google 的反垄断庭审中，ChatGPT 产品主管 Nick Turley 作证称，若法官裁定拆分 Chrome，OpenAI 有意接手收购。与此同时，Perplexity CEO 则公开反对拆分，认为监管应聚焦在开放 Android 默认选项上。
周一
4月21日 星期一
两名大学生零预算造出 Dia：16 亿参数开源语音模型直逼 ElevenLabs
韩国团队 Nari Labs 开源了文本转语音模型 Dia。该模型由两名几乎没有 AI 经验的本科生在零外部融资下开发，参数量为 16 亿，支持情绪语调、多说话人及笑声、咳嗽等副语言表达，对比测试表现逼平甚至超越 ElevenLabs。这也印证了个人开发者叫板行业巨头的可能性。
PlayAI 推出变声器 Voice Changer：用 10 秒音频克隆任意声音
PlayAI 推出 Voice Changer。只需提供 10 秒音频样本，就能将声音转换为目标声音，并保留原有情绪与语调。该功能支持手机端即时运行，主打单次录音变出多种声音，降低配音制作成本。
ElevenLabs 升级对话 AI：支持不同专属智能体间无缝转接通话
ElevenLabs 宣布 Conversational AI 支持在智能体之间无缝转接通话。企业内不同团队可以并行开发专属 Agent，各自搭载独立的知识库与工具。这意味着复杂的企业语音流程不用再塞进一个大杂烩模型，分工协作更清晰。
Anthropic 公布 AI 危害评估框架：非必要拒答减少 45%
Anthropic 公布了应对 AI 危害的综合评估框架，从身体、心理、经济、社会和个人自主性五个维度管理风险。该框架补充了原有的灾难性风险策略，并在 Claude 3.7 Sonnet 上把模糊提示的非必要拒答降低了 45%。
DeepMind CEO 哈萨比斯：AI 可能在十年内隐式浮现自我意识
Google DeepMind CEO Demis Hassabis 表示，当前的 AI 尚无意识，但未来模型需要理解「你、自我与他人」等早期要素，自我意识或将隐式浮现。他还预测 5 到 10 年内 AI 将能自主提出并解决科学猜想。
