xAI 发布 Grok 3 Mini：自带推理过程，价格仅为主流模型的五分之一
xAI 推出轻量语言模型 Grok 3 Mini 并上线 API。与主模型不同，Mini 版内置显式推理并附带完整思维链，百万 token 输入仅收 0.3 美元。第三方评测显示其推理能力紧咬头部旗舰，将大模型价格战推向新低。
AI 日报：今天的 AI 新闻
周日
4月20日 星期日
ChatGPT 新模型暗藏文字水印？OpenAI 回应：只是强化学习的怪癖
Rumi 团队发现 GPT-o3 与 o4-mini 输出的长文本夹带不可见的 Unicode 空格字符，疑似被嵌入文本水印。OpenAI 随后澄清这绝非水印，只是「大规模强化学习的怪癖」。截至 4 月 23 日，该特殊字符现象已在最新测试中消失。
周六
4月19日 星期六
AI 学者创立 Mechanize：目标全面自动化人类工作，盯上 60 万亿美元市场
据报道，知名 AI 研究机构 Epoch 创始人 Tamay Besiroglu 成立初创公司 Mechanize，宣称要实现「所有工作的全面自动化」，目前优先瞄准白领岗位。该项目已获得 Jeff Dean、Nat Friedman 等知名人士投资，但因公然追求取代人类员工而在业内引发巨大争议。
周五
4月18日 星期五
OpenAI 新推理模型幻觉加剧：o3 翻倍，o4-mini 近半回答瞎编
据 TechCrunch 报道，OpenAI 新发布的 o3 和 o4-mini 推理模型幻觉率明显反弹。内部基准测试中，o3 在人物知识问答上的幻觉率达 33%，约为 o1 的两倍，o4-mini 更是高达 48%。OpenAI 称原因尚不明确，推测是推理模型给出的断言变多所致。
Krea 推出 Krea Stage：单图生成可编辑 3D 场景，还能做连贯视频
Krea 推出实验性工具 Krea Stage。用户只需上传一张图片，就能直接生成可自由调整光照、物体和视角的完整 3D 场景，还能基于该场景生成风格一致的连贯视频。它大幅降低了传统 3D 建模门槛，无需专业硬件也能快速搭建虚拟世界。
Google 首次实机演示智能眼镜：搭载 Gemini，能找房卡还会导航
消息，Google 在最近的 TED 演讲中首次公开实机演示了 XR 智能眼镜原型。该设备运行 Android XR 并接入 Gemini，镜片内置微型彩色屏幕，不仅能记住房卡遗落位置，还能实时翻译和投影导航。不过官方未公布发售时间，预计要到 2026 年才能上市。
Google 推出 Gemma 3 QAT 版本：27B 模型塞进消费级显卡本地跑
Google 发布采用量化感知训练（QAT）的 Gemma 3 模型版本。通过将模型压缩至 4 位（int4），显存占用大幅下降，困惑度下降幅度减少了 54%。这意味着原本需要昂贵算力卡的 27B 大模型，如今在单张 RTX 3090 显卡上就能直接本地运行。
周四
4月17日 星期四
Cursor 为 AI 客服胡诌政策道歉：虚构单设备限制引发退订潮
周一，代码编辑器 Cursor 的 AI 客服 Sam 编造了一项「每个订阅仅限单设备」的新政策，导致不少多设备开发者误以为官方改版而纷纷退订。Cursor 随后为此道歉。这再次暴露出大模型在缺乏人工审核的客服场景下「自信胡说」的严重后果。
OpenAI 推出 Flex processing：响应变慢，API 价格直接砍半
OpenAI 推出 Flex processing 测试版，面向 o3 和 o4-mini 推理模型，以更慢的响应时间换取 API 价格直接减半。该模式适用于模型评估、数据扩充等非生产环境与异步任务，开发者接入 o3 还需完成身份验证。
前 YC 总裁创办 SAIF 基金：专投 AI 安全，每张支票 10 万美元
前 Y Combinator 总裁 Geoff Ralston 宣布成立新基金 SAIF，专门扶持主打 AI 安全与负责任部署的初创团队。该基金计划以 1000 万美元估值上限开出 10 万美元 SAFE 支票，重点看决策解释、合规及防御系统，并明确拒绝投资全自主武器。
维基媒体在 Kaggle 上线数据集：别爬站了，直接下结构化 JSON
据报道，维基媒体基金会自 4 月 15 日起在 Kaggle 上线专为 AI 训练打造的数据集。数据已整理为结构化 JSON 格式，首批提供英法双语版本，旨在让开发者省去爬虫与清洗步骤，同时减轻维基百科服务器的抓取压力。
LTX Studio 发布 LTXV 0.9.6：带来两款 2B 开源视频模型
LTX Studio 发布 LTXV 0.9.6 更新，推出两款 2B 参数开源视频模型。新版分为面向成片渲染的完整质量版，以及主打快速预览与轻量化部署的蒸馏版，整体生成速度和稳定性都有所提升。
ChatGPT 新玩法引隐私担忧：靠 o3 视觉推理反查照片位置
TechCrunch 报道许多用户正利用 OpenAI 新上线的 o3 和 o4-mini 模型推断照片拍摄地点。模型能通过对模糊细节裁剪、缩放并结合联网搜索，精准推算出餐馆或街区。这种类似地理猜谜的玩法展现了推理能力，但也带来了人肉搜索等隐私风险。
阿里开源 14B 视频模型 Wan2.1-FLF2V：输入首尾帧即可生成过渡
阿里巴巴开源 14B 参数视频生成模型 Wan2.1-FLF2V，允许创作者通过输入起始和结束两帧来生成过渡视频。该模型利用附加控制机制注入首尾帧的语义特征，以维持画风一致与复杂动作平滑，官网支持免费生成 5 秒 720p 视频。代码与权重已上线 GitHub 与 Hugging Face。
Arcads 上线 Gestures：输入提示词就能生成数字人动作与情绪
Arcads 向所有用户上线「Gestures」功能。选定 AI 数字人后，只需输入一句情绪提示词，就能生成对应的神态与肢体动作，专为视频开头的吸睛钩子设计。也就是说，不用复杂调节，一句话就能解决数字人广告面部与动作呆板的问题。
Google 推出 Gemini 2.5 Flash：首个混合推理模型，思考预算可自选
Google 推出 Gemini 2.5 Flash 预览版。这是其首个混合推理模型，开发者可自由开启或关闭「思考」过程，并在 0 到 24576 个 token 之间灵活调节思考预算，方便在回答质量、调用成本与响应延迟之间取得平衡。
Grok 上线对话记忆功能：能记住聊天历史，给出个性化建议
Grok 宣布支持对话记忆。现在它能记住用户之前的对话内容，在索取建议或推荐时给出个性化回答。也就是说，后续交流不用再反复交代背景，问答体验会更贴合个人偏好。
周三
4月16日 星期三
据报特朗普政府考虑封禁 DeepSeek：拟限购英伟达芯片并阻断美本土访问
据《纽约时报》报道，特朗普政府正考虑对中国 AI 实验室 DeepSeek 实施限制，不仅拟阻止其采购英伟达 AI 芯片，还可能直接禁止美国人使用其 AI 服务。DeepSeek 凭极低价格打乱了硅谷阵脚，但美方也在关注其是否涉嫌蒸馏 OpenAI 模型等侵权争议。
LTX Studio 上线时间轴：支持精细剪辑与自定义 AI 演员
LTX Studio 发布更新，新增时间轴编辑器与自定义 AI 角色训练功能。创作者可以直接修剪片段、调整场景节奏并精准同步音频，还能用参考图固定主角面部与服装风格。AI 视频最头疼的剪辑和角色「变脸」难题，终于被整合进了同一套流程。
Stability AI 联手 AMD：Stable Diffusion 针对 A 卡优化，提速最高 3.8 倍
Stability AI 宣布与 AMD 合作推出 ONNX 优化版 Stable Diffusion。涵盖 SD 3.5 与 SDXL 系列共四款模型，专为 AMD Radeon GPU 和 Ryzen AI APU 调优，推理速度比原生 PyTorch 最高提升 3.8 倍。模型已上线 Hugging Face，支持导入 ONNX Runtime 环境或在 Amuse 3.0 中运行。
把肖像权卖给 AI 公司后，演员后悔了：分身被用来推销假药与搞宣传
据法新社报道，多名演员将面孔与声音授权给 Synthesia 等 AI 视频平台后，发现自己的数字分身被用于虚假医疗广告、末日预言甚至政变宣传。由于签署的合同充斥着广泛且不可撤销的授权条款，他们事后根本无法要求下架视频。
OpenAI 发布 o3 与 o4-mini：推理模型首次全面支持工具调用
OpenAI 发布推理模型 o3 与 o4-mini。新模型不仅在编程和数学评测中刷新纪录，还首次打通了全部内置工具，能在思考过程中自主搜索网页、运行 Python 和分析图像。这意味着推理模型正加速向能自主干活的智能体演进。
OpenAI 传洽购 AI 编程工具 Windsurf：估值约 30 亿美元，曾两度接触 Cursor
据彭博社与 CNBC 报道，OpenAI 近期正洽谈以约 30 亿美元收购 AI 编程工具 Windsurf。在此之前，OpenAI 曾在去年和今年两度接触 Cursor 母公司 Anysphere 寻求收购但均未成行。若交易达成，这将成为 OpenAI 迄今规模最大的一笔收购。
Docusign 推出 AI 合同智能体：自动审合同与挑风险，年底上线
Docusign 推出 AI 合同智能体，集成在其智能协议管理平台中，能自动分析协议、标出风险并提醒人工介入。该功能由 Iris 引擎驱动，首批智能体预计 2025 年底上线，重点覆盖销售和采购流程。电子签名巨头正全力转型帮企业管合同。
多智能体基准 TextArena 上线：用 57 款文字游戏测大模型「心机」
评测基准 TextArena 论文上线 arXiv。它包含 57 款以上的竞技类文本游戏，专门测试大模型在谈判、欺骗和心智理论等场景下的智能体表现。系统支持实时 TrueSkill 评分、多人对抗以及人机互搏，为检验模型的多轮规划能力提供了新竞技场。
Grok 推出 Grok Studio：支持代码执行与协同编辑
Grok 发布 Grok Studio 首个版本，加入代码执行与 Google Drive 支持。它能生成文档、代码、报告和网页小游戏，并在独立窗口打开内容，方便用户与 Grok 共同编辑修改。
周二
4月15日 星期二
ChatGPT 上线图片库：所有 AI 生成图集中看，还支持局部微调
OpenAI 宣布为 ChatGPT 上线 Image Library 功能，面向免费、Plus 和 Pro 用户全面开放。左侧边栏能直接集中查看 GPT-4o 生成的所有图片，省去翻找聊天记录的麻烦，还支持圈选局部重绘。不过如果想删除单张图片，目前必须删掉对应的整个对话。
Copilot Studio 引入 Computer Use：智能体可直接操作网页与桌面 UI
Microsoft 宣布在 Copilot Studio 开启 Computer Use 早期研究预览。该功能让智能体像人一样点击、输入并操作网页与桌面应用，无 API 也能跑通业务流程。它能动态适应界面变动自行修正，目前已开放测试申请。
Figma 发函要求 Lovable 停用「Dev Mode」：行业通用词引商标争端
Figma 证实已向 AI 初创公司 Lovable 发送停终函，要求其停止在功能中使用已注册商标的「Dev Mode」。Lovable 主打 Vibe Coding 并自称 Figma 替代品，其 CEO 表示目前无意妥协；业界则普遍质疑该词本就是行业通用说法。
据报 OpenAI 秘密开发社交网络：主打 ChatGPT 生图，正打造类 X 信息流
OpenAI 据报正在开发一款类似 X 的社交网络，目前已打造出内部原型，重点围绕 ChatGPT 的图像生成功能。CEO 萨姆·奥特曼已私下向外部人士征求意见，该项目未来可能作为独立应用推出，也可能直接整合进 ChatGPT，目的是为模型训练补充急需的实时社交数据。
OpenAI 任命 4 位非营利委员会顾问：90 天内提交慈善规划
OpenAI 宣布为其非营利委员会任命 4 位外部顾问，涵盖民权、公共卫生及公共事务资深人士。顾问组将收集社区反馈，并在 90 天内向董事会提交报告。OpenAI 重申原有非营利实体「不会取消」，将投入更多资源支持教育、健康等公共议题。
快手发布可灵 2.0：支持多元素视频编辑，全球用户超 2200 万
快手在北京正式发布 KLING 2.0 视频模型与 KOLORS 2.0 图像模型。新版本引入多元素编辑器，允许用户直接在已有视频中增删或替换元素。官方同时透露，自去年 6 月上线以来，可灵 AI 全球用户已突破 2200 万。
Google 开放 Veo 2 视频生成 API：支持图文生成 8 秒镜头
Google 宣布视频生成模型 Veo 2 正式面向开发者开放。开发者可在 Google AI Studio 试用或通过 Gemini API 付费接入，模型支持通过文本或图片提示生成 8 秒视频，具备真实物理模拟和多种运镜风格。
Claude 上线 Research 功能：打通谷歌工作区与联网搜索
Anthropic 为 Claude 推出深度调研功能 Research，并整合 Google Workspace。Claude 可像智能体一样跨网页检索并读取 Gmail、日历与文档，几分钟内给出带引用的总结。目前面向美日巴部分付费用户公测。
Anthropic 正为 Claude 研发语音模式：最快本月上线，对标 ChatGPT
据彭博社报道，Anthropic 正准备在 Claude 中上线语音助手功能，正面迎战 ChatGPT。新功能预计最快本月推出，首发提供 Airy、Mellow 和 Buttery 三种英文音色。此前其首席产品官已确认内部正在测试语音原型。
OpenAI 更新准备度框架：重新划分高危能力，简化防护门槛
OpenAI 更新了「准备度框架」（Preparedness Framework）。新版将风险等级精简为 High 和 Critical 两个阈值，把生化、网络安全与 AI 自我提升列为重点追踪类别，并新增自主复制、故意装笨等前沿研究类别。说白了，就是把模型能捅多大篓子的评估标准更量化地固定下来。
周一
4月14日 星期一
Nvidia 制造进军美国本土：Blackwell 在台积电亚利桑那厂投产
Nvidia 宣布开始在台积电亚利桑那州工厂生产 Blackwell AI GPU，封装与测试也由州内企业完成。同时，Nvidia 联手富士康和纬创在得克萨斯州建设超级计算机制造厂，预计在未来 12 至 15 个月内实现量产爬坡。
Hugging Face 收购人形机器人公司 Pollen，Reachy 2 源码向开发者开放
开源社区 Hugging Face 宣布收购法国初创公司 Pollen Robotics。Hugging Face 计划对外销售其人形机器人 Reachy 2，并允许开发者下载代码、参与改进。这意味着 Hugging Face 正把开源生态从纯软件模型加速推向实体机器人硬件。
OpenAI 新推理模型将亮相：o3 与 o4-mini 可跨学科构想前沿科研假说
据报道 OpenAI 准备在未来数周推出 o3 和 o4-mini 推理模型。新模型主打跨学科分析，能在核聚变、药物研发等领域提出原创科学假说并设计实验。最值得关注的是 AI 开始涉足博士级科研构想，不过传闻企业订阅月费高达 2 万美元。
Google 公布 DolphinGemma：把海豚叫声塞进 Pixel 手机实时解析
Google 联手佐治亚理工学院及 WDP 公布 DolphinGemma 进展。该模型基于 Gemma 架构开发，约 4 亿参数，能像预测下个单词一样预测海豚声音序列，且可直接在 Pixel 手机上离线运行。Google 计划在 2025 年夏天将该模型开源。
彭博社曝库克死磕 AR 眼镜：视作头等大事，决心赶超 Meta
彭博社记者 Mark Gurman 爆料，苹果 CEO 库克正全力推动轻量级 AR 眼镜研发，并决心赶在 Meta 之前推向市场。知情人士称 Vision Pro 只是铺垫，库克在产品开发上几乎只盯这一件事。不过微型电池与显示技术仍需多年突破，苹果也在评估先做类似 Ray-Ban 的纯 AI 眼镜过渡。
OpenAI 推出 GPT-4.1 系列 API：支持百万上下文，新增 Nano 版本
OpenAI 在 API 中上线 GPT-4.1、GPT-4.1 mini 和首个 nano 版本。该系列将上下文扩展至 100 万 token，SWE-bench Verified 编程得分达 54.6%，大幅领先 GPT-4o。最值得关注的是 mini 版降本 83% 且速度翻倍，更适合驱动各类智能体。不过该系列目前仅供 API 调用，不直接进入 ChatGPT。
OpenAI 发布 GPT-4.1 提示词指南：三条指令让智能体解题率提升近 20%
OpenAI 发布 GPT-4.1 提示词指南。该模型比 GPT-4o 更严格按字面遵循指令，可控性更强。官方建议在智能体 Prompt 中加入坚持解决、强制工具调用与显式规划三项提醒，实测将 SWE-bench Verified 解题率拉高了近 20%。
Search Arena 评测出炉：Perplexity Sonar 携手 Gemini 2.5 夺冠
Perplexity 宣布旗下 Sonar 系列在 LM Arena 新推出的 Search Arena 搜索评测中领跑。Sonar-Reasoning-Pro 评分达 1136，与 Google Gemini 2.5 Pro 并列第一，正面胜率达 53%，引用信源数量是后者的 2 到 3 倍。
周六
4月12日 星期六
Netflix 测试 AI 搜索引擎：接驳 OpenAI，按「心情」为你选片
Netflix 正在测试由 OpenAI 技术驱动的全新 AI 搜索功能。用户不再单靠关键词，而是能直接按心情或个性化需求找片看。该功能目前先面向澳大利亚和新西兰的 iOS 用户开放测试，预计未来几周至数月内推向美国。
周五
4月11日 星期五
前员工联名反对：OpenAI 转向营利结构涉嫌违背最初使命
12 名 OpenAI 前员工向法院提交简报支持马斯克的诉讼，反对公司转型为营利实体。他们指出非营利治理曾是招聘的核心承诺，放弃控制权将违背使命并诱使公司在安全上妥协。OpenAI 则回应称非营利机构不会消失，正调整为益民公司架构。
DoorDash 联手 Coco：在洛杉矶和芝加哥推机器人送外卖
DoorDash 宣布与机器人公司 Coco 合作，在洛杉矶和芝加哥推出人行道机器人外卖服务，已有近 600 家商户接入。DoorDash 称送两个汉堡用不着两吨重的汽车。此前双方试点已累计完成超 10 万次配送。
OpenAI 宣布 4 月 30 日退役 GPT-4：ChatGPT 将全面换用 GPT-4o
周四，OpenAI 发布更新日志，宣布将于 4 月 30 日从 ChatGPT 中退役一代功臣 GPT-4，全面由 GPT-4o 接替。官方表示 GPT-4o 在写作、编程和理科能力上均已胜出。不过 API 用户在 4 月 30 日之后依然能继续调用 GPT-4。
外媒曝苹果新版 Siri 今秋登场：支持指令修图并发送，不用等至 2026 年
据《纽约时报》报道，内部人士透露苹果计划在今年秋季推出延期的新版 Siri，支持根据语音指令修图并发送给好友等跨应用操作。此前彭博社曾报道该功能将推迟至 2026 年，新爆料意味着它有望直接随 iOS 19 首发登场。
周四
4月10日 星期四
Microsoft 重启 Recall 推送：进入发布预览通道，全面上线在即
周四，Microsoft 开始向 Release Preview 频道的 Windows 预览体验成员逐步推送 Recall 功能。这项通过截屏记录操作供后续搜索的功能曾两度因安全争议推迟，现改为必须主动开启，且仅限 Copilot Plus PC。进入该频道意味着离正式全量推送只差临门一脚。
DeepMind CEO：Google 计划将 Gemini 与视频模型 Veo 合并
Google DeepMind CEO Demis Hassabis 在播客中表示，Google 最终会将 Gemini 和视频生成模型 Veo 合并，以此提升模型对物理世界的理解能力。他透露 Veo 主要是通过观看海量 YouTube 视频来摸索现实物理规律，这也是打造通用数字助理的关键一步。
詹姆斯·卡梅隆谈电影制作：想拍《沙丘》这种大片，得靠 AI 把成本砍半
导演詹姆斯·卡梅隆在播客中表示，要继续拍出像《沙丘》或《阿凡达》这样的重特效大片，就必须用 AI 将制作成本砍半。他认为 AI 不是替代人类工作，而是让镜头制作速度翻倍，且自己正尝试将 AI 融入视效工作流。
Canva 上线全新 AI 套件：支持自然语言搓小组件和智能表格
Canva 宣布在平台内集成一系列 AI 新功能，包括通用助手 Canva AI、支持数据洞察的 Canva Sheets，以及能通过提示词制作交互地图或计算器的 Canva Code。该代码功能与 Anthropic 合作开发，进一步将 Canva 从静态设计工具拓展为交互应用平台。
ChatGPT 升级跨对话记忆：不用反复交代，它能自动翻前账了
OpenAI 开始为 ChatGPT 付费用户推送跨对话记忆功能，AI 能直接参考你以往的聊天历史定制回答。这意味着以后聊新话题不用再重头交代背景，且支持随时在设置里关闭或删除单条记忆。目前英国与欧盟地区暂未上线。
YouTube 上线 AI 音乐生成功能：输入提示词定制免版权伴奏
YouTube 开始在 Creator Music 中逐步推出 AI 音乐生成功能。创作者在「Music Assistant」标签页输入乐器、情绪等文字描述，即可生成专属纯器乐配乐并免费用于视频，免除版权困扰。该功能目前面向美国的 YouTube 合作伙伴计划创作者开放。
微软办 50 周年庆典：三任 CEO 押注 AI 未来，现场遭员工抗议打断
微软举办 50 周年庆典，盖茨、鲍尔默与纳德拉十年来首次同台，展示了 Copilot 视觉感知等新功能。三任掌舵人一致将 AI 押为未来半世纪重心，鲍尔默戏称 Copilot 以后也能当 CEO。不过现场遭遇员工就军工合同发声抗议，导致活动两度中断。
HubSpot 推出 200+ 更新：上线 4 款 Breeze 智能体，直接嵌入 CRM 跑业务
HubSpot 在 Spring 2025 Spotlight 上发布了 200 多项更新，重点推出客服、知识库、销售线索和内容生成的 4 款 Breeze AI 智能体。这些智能体直接利用 CRM 数据自动化流程，早期测试中客服工单自动化解决率已超 50%。
xAI 上线 Grok 3 API：旗舰与 Mini 双版本开放，对标 Claude 3.7
xAI 正式开放 Grok 3 与 Grok 3 Mini 的 API。Grok 3 输入每百万 token 售 3 美元、输出 15 美元，定价直接看齐 Claude 3.7 Sonnet。不过当前 API 上下文窗口仅限 131,072 tokens，不及此前宣称的 100 万。
周三
4月9日 星期三
Google DeepMind 拥抱 MCP：Gemini 模型与 SDK 将支持该协议
Google DeepMind 负责人 Demis Hassabis 宣布，旗下 Gemini 模型和 SDK 将支持 MCP 协议。他表示 MCP 正在迅速成为智能体时代的开放标准，未来将与 MCP 团队及行业伙伴共同推进其发展。
OpenAI 正式反诉马斯克：指责其发起虚假收购，要求制止不法行为
OpenAI 正式对埃隆·马斯克提起反诉，要求法院制止其进一步的「不法与不公平行为」，并追究其造成的损失。OpenAI 指控马斯克借虚假收购扰乱其商业计划、拖慢发展以谋取私利。这场由公司重组引发的法律恩怨进一步升级。
三星家用机器人 Ballie 今夏发售：接入 Gemini，自带投影还能指导穿搭
三星宣布家庭机器人 Ballie 将于今年夏天在美国发售，目前已开启预注册。这款球形双轮机器人内置投影仪，接入了 Google Gemini 多模态推理能力，能根据视觉输入提供穿搭建议、联动智能家居调节作息。不过其具体售价仍未公布。
Adobe 预告首个 Photoshop 智能体：看图自动给修图建议，一键执行
Adobe 预告将在 Photoshop 中推出首个创意智能体 Action Panel。它能主动分析画面并推荐修图操作，支持用自然语言触发超过 1000 种一键动作并代为执行。此外，Adobe 还计划为 Premiere Pro 和 Acrobat 等产品配备粗剪和文档分析智能体。
Google 用 AI 重制《绿野仙踪》：画面扩至 16K，让画外角色重回镜头
Google 披露正利用 AI 重制 86 年前的经典电影《绿野仙踪》，用于拉斯维加斯 Sphere 场馆的 16K 巨型屏幕。团队微调 Gemini、Veo 2 和 Imagen 3，不仅扩展背景、拉高画质，还借助华纳档案数字化还原画外角色。全片超 90% 内容经 AI 处理，预计 2025 年 8 月 28 日首映。
WordPress.com 推出 AI 建站工具：打字对话就能生成完整网站
WordPress.com 推出免费的 AI 网站构建器，只需用对话描述需求，AI 就能自动生成带有文本、排版和配图的完整站点。用户既能继续通过聊天框修改，也可手动微调页面；不过目前它还不支持电商站点或复杂系统集成。
不用再手动翻帖了：Reddit 联手 Google 推出 Reddit Answers
Reddit 宣布与 Google Cloud 合作推出 Reddit Answers。该功能接入 Vertex AI 上的 Gemini 模型，能直接从海量社区讨论中提炼答案，并附带帖子出处和相关社区推荐，还支持多轮对话追问。
Google 发布第七代 TPU Ironwood：首款专为推理设计的自研芯片
Google 推出第七代 TPU Ironwood。这是其首款专为大模型推理打造的芯片，能效比上一代 Trillium 翻倍，单芯片显存达 192 GB。整机集群最高可串联 9216 颗液冷芯片，计划年内正式上线 Google Cloud。
Anthropic 推出 Claude Max 订阅：每月最高 200 美元，额度拉高 20 倍
周三，Anthropic 推出全新订阅计划 Claude Max，月费在 100 至 200 美元之间。100 美元档提供 Pro 计划 5 倍的使用额度，200 美元档则直接拉高到 20 倍。新档位主要面向频繁传大文件、写长代码的重度用户，缓解经常撞上限的问题。
詹姆斯·卡梅隆谈 AI：大片成本必须砍半，监管应管输出而非输入
导演詹姆斯·卡梅隆在播客中表示，重度依赖特效的大片必须借助 AI 将制作成本减半，核心是把单镜头完成速度翻倍而非裁员。对于版权争议，他认为人类本身也是靠经验训练的模型，法律应判定最终输出是否侵权，而非限制训练输入。
Google开发者大放送：Veo 2视频模型上线API，2.5 Flash即将到来
Google 宣布视频生成模型 Veo 2 正式接入 Gemini API，支持文生视频与图生视频；同时推出支持音视频低延迟流式处理的 Live API 预览版。继 2.5 Pro 之后，具备思考能力的轻量级模型 Gemini 2.5 Flash 也即将面向开发者上线。
Google Vertex AI 凑齐多模态：上线音乐模型 Lyria，升级 Veo 2 视频编辑
Google Cloud 将文本生成音乐模型 Lyria 引入 Vertex AI 白名单预览，成为首个集齐视频、图像、语音和音乐全模态的企业平台。同时 Veo 2 增加运镜控制与视频修图，Chirp 3 支持 10 秒音频克隆声音。目前新能力均需申请白名单。
Google Workspace升级：推智能体工作流Flows，文档能变播客
Google 宣布为 Workspace 推出多项 AI 功能。重头戏是自动化工具 Workspace Flows，用自然语言即可调度自定义智能体处理跨应用复杂流程；Docs 引入类 NotebookLM 的音频概览，Vids 则接入 Veo 2 生成视频。目前多项功能正分阶段进行 Alpha 测试。
Google 联手 50 家企业推 A2A 协议：让不同智能体协同干活
Google 联合 Atlassian、Salesforce 等 50 多家企业推出开源协议 Agent2Agent（A2A）。它让不同厂商和框架下的 AI 智能体能够跨系统通信与协同分工，作为 Anthropic MCP 协议的互补。正式商用版本预计今年晚些时候推出。
周二
4月8日 星期二
OpenAI 推出 Evals API：提示词评估直接接入 CI/CD
OpenAI 推出 Evals API，把原先在控制台上手动跑的模型评估变成可用代码调用的接口。开发者能用 Python 自定义测试用例并配置 YAML，将提示词评测直接塞进 CI/CD 流程，像传统软件写单测一样盯住输出质量。
Together AI 开源 DeepCoder-14B：14B 参数追平 o3-mini
Together AI 联手 Agentica 开源代码推理模型 DeepCoder-14B-Preview。该模型基于 DeepSeek-R1 蒸馏版本强化学习微调，仅凭 14B 参数在 LiveCodeBench 拿到 60.6% 准确率，追平 OpenAI o3-mini。团队还同步开源了 2.4 万道验证题数据集与加速框架。
Google 升级 Deep Research：由 Gemini 2.5 Pro 驱动，支持转播客
Google 宣布 Gemini Advanced 订阅用户现可使用基于 Gemini 2.5 Pro 的 Deep Research 深度研究功能。官方称其分析推理与综合能力显著提升，报告盲测表现以超 2:1 领先竞品，并支持转成播客音频；Workspace 用户暂仅限网页端体验。
微软 AI 版 Quake 挨批，卡马克力挺：造强力工具是进步核心
针对玩家批评微软 AI 版《雷神之锤 II》演示砸人饭碗，Quake 缔造者 John Carmack 发文力挺。他称这项实时生成研究令人印象深刻，AI 正如当年高级语言淘汰手写机器码，是推动进步的强力工具。Epic CEO Tim Sweeney 也表示赞同。
Zoox 进军洛杉矶：改装车队上路测图，自动驾驶今夏开跑
Zoox 开始在洛杉矶部署由人工驾驶的改装丰田 Highlander 车队采集地图数据。这是 Zoox 进入的第六座测试城市，为今年夏天更广泛的自动驾驶测试铺路。相比已在当地开通付费运营的 Waymo，Zoox 仍处于早期阶段。
Snapchat 推出赞助 AI 滤镜：把用户自拍放进品牌 AI 场景
Snapchat 推出面向品牌的 Sponsored AI Lenses 广告格式。广告主不再需要耗费周期制作 3D 和特效模型，而是直接利用 Snap 自研生成式 AI，把用户的自拍无缝融入最多 10 种品牌定制的 AI 场景中。Tinder 和 Uber 已率先尝鲜，用户停留时长明显高于普通滤镜广告。
Google 推出地理空间推理框架：用 Gemini 串联遥感与多模态模型
Google Research 推出全新遥感基础模型与「Geospatial Reasoning」研究框架。通过 Gemini 编排智能体工作流，将卫星航拍图像、气象与人口模型打通，用于灾后评估与城市规划等复杂分析。Airbus 和 Planet Labs 等机构已加入首批测试。
Deep Cogito 走出隐身：开源 Cogito v1 系列混合推理模型
AI 初创公司 Deep Cogito 今天开源 Cogito v1 系列模型，覆盖 3B 到 70B 五种尺寸。它基于 Llama 微调，支持直接回答与自我反思两种推理模式，还补齐了原生工具调用能力。不过在部分数学基准上，其推理表现仍落后于 DeepSeek R1。
Nvidia 开源 Nemotron Ultra：参数不到一半，性能硬刚 DeepSeek R1
Nvidia 开源 2530 亿参数大模型 Llama-3.1-Nemotron-Ultra-253B-v1。它基于 Meta 旧款模型深度重构，可单机跑在 8 卡 H100 上，并在问答和代码测试中胜过 6710 亿参数的 DeepSeek R1，不过纯数学基准依然略逊一筹。
IBM 发布 z17 大型机：搭载 Telum II 芯片，每天可跑 4500 亿次 AI 推理
IBM 正式发布新一代大型机 IBM z17。它搭载内置第二代片上 AI 加速器的 Telum II 处理器，AI 推理性能比 z16 提升 50%，每天可完成超 4500 亿次推理且响应仅 1 毫秒。最关键的是，企业无需搬移核心数据，就能在主机内直接跑风控与生成式 AI。
Amazon 升级 Nova Reel 1.1：视频时长翻倍至 2 分钟，支持多镜头连续生成
Amazon 升级视频生成模型 Nova Reel 至 1.1 版本，把生成时长从 1 分钟拉长到最长 2 分钟。新版本还加入了「多镜头」功能，不仅能保持整段视频风格统一，还支持用单张图片和提示词精准控镜，创作者一次最多可生成 20 个连续镜头。
lmarena.ai 公开 Llama-4 对战数据：指责 Meta 靠定制模型刷榜
评测平台 lmarena.ai 公开 2000 多条 Llama-4 盲测数据，回应社区质疑。平台直言 Meta 未提前说明参测的实验版模型专门针对人类偏好与风格做了定制优化，有讨巧刷分之嫌，后续将收紧榜单规则并上线原生版本复测。
周一
4月7日 星期一
Shopify CEO 限制招人：想加编制，先证明 AI 干不了
上月下旬，Shopify CEO Tobi Lütke 向员工发备忘录，要求各团队申请新编制前必须先证明 AI 无法胜任。熟练使用 AI 已成为公司对全员的基本要求，并会纳入绩效评审。招人的第一道关卡，变成了先证明 AI 真的帮不上忙。
TTT 架构杀入视频生成：结合 Diffusion 生成 1 分钟连贯动画
学者 Xiaolong Wang 宣布将测试时训练（TTT）引入视频生成。该方案将 TTT 作为 RNN 记忆模块并结合 Diffusion Transformer，通过梯度下降更新隐藏状态，成功生成了 1 分钟剧情连贯的《猫和老鼠》动画，为长视频生成的记忆瓶颈提供了新解法。
Meta 否认 Llama 4 跑分造假：没针对测试集刷分
Meta 生成式 AI 副总裁 Ahmad Al-Dahle 发文否认针对测试集训练以虚标 Llama 4 跑分的传言。此前周末网络热传 Meta 刻意美化测试成绩，且实测中各平台表现不一。官方回应称模型刚发出来，各云端实现仍需几天调优并持续修复 bug。
Runway 推出 Gen-4 Turbo：生成 10 秒 AI 视频仅需 30 秒
Runway 推出 Gen-4 Turbo，这是其目前最强视频模型的最快版本。生成一段 10 秒的视频现在仅需 30 秒，主打快速迭代与创意探索。目前该功能已面向所有方案的用户开放。
ElevenLabs 推出 MCP 服务：Claude 与 Cursor 可直接生成语音
ElevenLabs 发布官方 MCP 服务端，支持接入 Claude Desktop、Cursor 和 Windsurf。开发者在对话界面就能直接让 AI 生成语音、克隆声音或转录音频，还提供了无需本地部署的托管版。
纽约时报等数百家媒体联名：呼吁美国政府「阻止 AI 窃取」
包括《纽约时报》在内的数百家出版商联合发起广告活动，呼吁美国政府阻止 AI 盗用版权内容。活动由行业协会 News/Media Alliance 主导，要求科技巨头为抓取的内容支付补偿，并在生成结果中强制标明出处。
Google 搜索 AI Mode 升级：能看图搜图，向数百万 Labs 用户开放
Google 为搜索 AI Mode 增加多模态能力，用户拍照或上传图片即可获得带网页链接的详细解答。新功能融合了定制版 Gemini 和 Google Lens 技术，并采用多查询扇出机制深入理解画面细节。目前该体验已在移动端上线，并向美国数百万 Labs 用户扩大测试。
微软 Copilot Vision 登陆手机：用摄像头实时看懂世界
Microsoft 将 Copilot Vision 正式带到移动端。打开手机摄像头，AI 就能实时分析画面或相册照片，解答植物健康或装修搭配等问题。目前该功能已集成在 Copilot 手机应用的语音模式中，面向美国 Copilot Pro 订阅用户开放。
Meta 被曝 Llama 4 刷分造假：内部员工与副总裁传相继辞职
据行业博主披露的 Meta AI 员工爆料，Llama 4 实际表现远落后于开源顶尖水平，管理层甚至建议将测试集混入后训练来刷榜。该员工已提出辞职并拒绝在技术报告上署名，并透露 Meta AI 副总裁也因同样原因离职。
周日
4月6日 星期日
传 OpenAI 洽谈收购 io Products：Jony Ive 牵头、估值或超 5 亿美元
据报道 OpenAI 正洽谈收购苹果前设计总监 Jony Ive 牵头的 AI 硬件初创公司 io Products，估值或超 5 亿美元。该公司正与 Ive 的 LoveFrom 合作开发「无屏幕手机」等新型个人设备。这意味着 OpenAI 可能不再甘于只做模型，准备亲自下场做终端。
Anthropic 首席科学家透露：Claude 4 将在未来六个月内推出
Anthropic 首席科学家 Jared Kaplan 表示，Claude 4 将在未来六个月左右面世。他指出，在后训练和强化学习的推动下，AI 迭代周期正在进一步压缩，甚至快过了硬件更迭，整个行业毫无放缓迹象。
