新架构 Titans 引入神经长期记忆：突破 200 万上下文且兼顾速度
研究人员在 arXiv 发布新架构 Titans。它把注意力机制当短期记忆，配合可在测试时学习的神经长期记忆模块，在保持快速并行训练与推理的同时，将上下文扩展至 200 万 token 以上，表现超越传统 Transformer。
AI 日报：今天的 AI 新闻
周二
12月31日 星期二
周三
12月25日 星期三
Hugging Face 详解智能体分级：呼吁不要开发完全自主的 AI Agent
Hugging Face 发文梳理 AI 智能体的定义与自主权光谱。文章将系统自主度划分为五档，指出人类失控的风险随自主权让渡而剧增，并明确呼吁不要开发能自行编写和执行代码的完全自主 Agent，目前更应聚焦权责可控的半自主系统。
周一
12月23日 星期一
xAI 完成 60 亿美元 C 轮融资：估值翻倍至 450 亿美元，加速扩建算力
xAI 完成 60 亿美元 C 轮融资，估值近乎翻倍至 450 亿美元，累计融资金额达 120 亿美元。红杉资本、英伟达和 AMD 等老股东参投。新资金将用于将其十万张 GPU 的孟菲斯算力集群再扩容一倍，并全力研发下一代 Grok 模型与产品。
周五
12月20日 星期五
OpenAI 压轴公布 o3 推理模型：性能超越 o1，跳过 o2
OpenAI 在「12 天」年终活动收官日公布下一代推理模型 o3 和 o3 mini。新模型在数学竞赛、博士级科学问答与 ARC-AGI 基准上大幅超越 o1。不过普通用户目前还用不上，o3 mini 预计 1 月底上线，完整版 o3 随后推出。
周一
12月16日 星期一
Midjourney 上线情绪板：用一组参考图定制专属出图风格
Midjourney 推出类 Pinterest 的情绪板功能，并支持多套个性化配置。用户上传图片集或完成 40 次二选一打分即可定制专属画风，门槛大幅降低。创作者还能针对不同项目保存并切换多个风格档案，轻松统一出图调性。
OpenAI 全面开放 ChatGPT Search：免费可用，语音模式也能实时联网
OpenAI 宣布 ChatGPT Search 正式面向所有免费用户开放，并接入高级语音模式。除了检索速度提升、移动端优化商户信息外，用户还可以把它设为浏览器默认搜索引擎。这意味着普通用户不用花钱也能体验完整的实时联网搜索与语音问答。
YouTube 上线 AI 训练许可设置：默认禁止第三方抓取，创作者可自主授权
YouTube 推出第三方 AI 训练授权开关，默认禁止外部厂商拿创作者视频训练模型。创作者可在 YouTube Studio 中主动勾选 OpenAI、Anthropic、Apple 等 18 家特定公司，或彻底放开。不过，Google 自己的模型训练不受该设置影响。
Ray-Ban Meta 眼镜升级 v11：看实时画面直接聊，还支持同传
Meta 针对美加早期体验用户推送 Ray-Ban Meta 固件 v11，正式带来实时 AI 视频与连续对话。佩戴者无需反复唤醒即可直接就眼前的实景提问，并支持跨英语与西、法、意语的实时语音翻译，但目前回答仍可能出错。
Meta CTO 展望 2025：眼镜是原生 AI 设备的最佳形态
Meta CTO 发文总结技术进展，指出智能眼镜是原生 AI 设备的最佳载体。AI 助手将在 2025 年从被动问答转向全天主动协作，本月已开启 Live AI 早期体验。Meta 计划将 AI 眼镜与 Orion 式 AR 结合，推动硬件全面加速。
Google 发布视频模型 Veo 2：支持 4K 与镜头控制，Imagen 3 同步升级
Google 推出新一代视频模型 Veo 2，支持最高 4K 分辨率与数分钟长视频，能精准理解 18mm 镜头和景深等专业运镜指令。同时升级的 Imagen 3 已在全球 100 多个国家上线，并配合 Gemini 推出图像混合工具 Whisk。目前 Veo 2 已在 Google Labs 开启候补。
纽约大学 Tisch 学院引入 Runway：AI 视频工具进驻虚拟制作中心
Runway 宣布纽约大学 Tisch 艺术学院虚拟制作硕士项目将引入其 AI 视频套件。2025 年春季学期，学生将在新建的马丁·斯科塞斯虚拟制作中心上课，探索将生成式 AI 融入影视前置预览与终期创作。
Hugging Face 推出合成数据生成器：一句提示词，无代码跑出数据集
Hugging Face 推出无代码应用 Synthetic Data Generator。用户只需输入自然语言描述，就能自动生成文本分类和对话数据集，底层由 distilabel 与免费文本生成 API 驱动。生成结果可直通 Argilla 进行筛选标注，还能配合 AutoTrain 快速训练专属模型。
周六
12月14日 星期六
Ilya Sutskever 现身 NeurIPS：数据已见顶，传统预训练必将终结
OpenAI 前首席科学家 Ilya Sutskever 在 NeurIPS 发表演讲。他指出互联网高质量数据已经见顶，类似化石能源一样有限，现有的预训练模式必定走向终结。未来 AI 必须靠有限数据进行真正推理，并转向具备自主决策能力的智能体。
周五
12月13日 星期五
Pika 2.0 上线：画质提升，新增「场景素材」支持参考图
Pika 正式推出 Pika 2.0 视频生成模型。新版本强化了文本对齐与画面表现，并新增「场景素材」（Scene Ingredients）功能，允许用户上传人物、地点或物品的参考图片，大幅提升视频生成的一致性与控制力。
OpenAI 上线 ChatGPT Projects：分类整理对话，整合 Canvas 与搜索
OpenAI 在「12 Days of OpenAI」活动第七天推出 Projects 功能。用户能把特定任务的对话、笔记与上下文文件归整到独立项目中，并联动 Canvas 与联网搜索。功能已向 Plus、Pro 和 Teams 用户开放，企业与教育版明年初上线。
Perplexity 升级 Spaces：支持指定域名，搜索只看特定网站
Perplexity AI 为 Spaces 上线自定义网络源功能。用户能在新菜单中添加特定网址或域名，让 AI 仅在这些指定网站和已上传文件中检索。最值得关注的是，专业研究时不再被无关网页分流，回答精度大幅提升。
Anthropic 公布「Best-of-N」越狱研究：跨模态绕过模型安全防线
Anthropic 宣布最新合作研究「Best-of-N Jailbreaking」。研究团队发现了一种简单通用的越狱手段，不仅能绕过前沿 AI 模型的安全机制，还能同时跨越文本、视觉和音频模态生效。
Google 升级 NotebookLM：播客能实时插话提问，推出 Plus 付费版
Google 为 NotebookLM 带来大更新，开始接入实验性 Gemini 2.0 Flash。最抢眼的是 Audio Overviews 播客功能支持实时语音插话互动，听到不懂随时能打断追问；界面也重构为资料、对话和创作三栏。此外官方还上线了额度提升 5 倍以上的 NotebookLM Plus 付费版。
ChatGPT 遭遇史上最长大宕机，OpenAI 归咎于新遥测服务
OpenAI 针对此前 ChatGPT、Sora 和 API 长达三小时的全球宕机发布复盘。事故不是因为黑客攻击，而是新部署收集指标的遥测服务意外引发大量高负载操作，直接冲垮了 Kubernetes 控制面与内部 DNS 解析。OpenAI 表示后续将改进分阶段灰度策略以防重演。
OpenAI 反击马斯克诉讼：2017 年设立营利实体的正是他自己
OpenAI 公布多封历史邮件反驳埃隆·马斯克的诉讼。记录显示，马斯克早在 2017 年就主张成立营利性公司，并曾设立对应实体要求控股与出任 CEO，因控制权要求被拒后才退出。OpenAI 强调不能靠打官司走向 AGI。
Google 推出 Agentspace：把 Gemini 智能体与跨系统企业搜索打包给员工
Google 发布企业级平台 Google Agentspace，将 Gemini 推理能力、多模态搜索与组织内部数据打通。平台支持连接 Jira 和 SharePoint 等第三方工具，并引入企业版 NotebookLM Plus。员工用一句指令就能调用智能体完成调研与多步工作流，目前已开放早期预览申请。
微软发布 14B 小模型 Phi-4：强化数学推理，开启研究预览
微软推出最新小语言模型 Phi-4，参数量为 140 亿。新模型依靠高质量合成数据与后训练优化，重点提升了数学推理能力，对标 GPT-4o mini 等竞品。目前仅在 Azure AI Foundry 平台面向研究用途限量开放。
周四
12月12日 星期四
Adobe 上线去反光工具：隔窗拍的废片，能一键剥离玻璃倒影
Adobe 推出反光消除工具 Reflection Removal 技术预览，已集成至 Adobe Camera Raw，后续支持 Lightroom。该工具利用 AI 识别并分离窗外景物与玻璃反射倒影，目前仅支持 RAW 格式。隔着飞机或室内窗户拍出的废片终于有救了。
Amazon 测试 Prime Video 新功能：用「AI Topics」替掉老算法推片
Amazon 开始在 Prime Video 上测试「AI Topics」推荐功能。系统不再单纯依靠传统算法，而是用 AI 生成更细致的主题标签，比如奇幻探索或扣人心弦的角色历程，方便观众顺着话题连环找片。目前该功能仅在美国部分 Fire TV 等客厅设备上小范围测试。
LMSYS 推出 Image Arena：FLUX、DALL-E 盲测对决
大模型评测平台 lmarena.ai 推出 Image Arena 图像竞技场。用户输入一段提示词，系统会调用 FLUX、Stable Diffusion、DALL-E 等两个匿名模型同时生成图片，由用户盲选投票决出胜负，官方排行榜也即将上线。
ChatGPT 上线限定「圣诞老人」语音模式：全平台开放，月底退休
ChatGPT 推出节日限定的「圣诞老人模式」，移动端、网页和桌面端面向所有用户开放。点击输入框旁的雪花图标即可调用快活浑厚的圣诞老人声线实时聊天，且对话不会写入历史记录或影响记忆。该功能为 12 月限时体验，月底将正式下线。
Google 推出 Android XR：把 Gemini 带入头显与智能眼镜
Google 联手三星发布专为头显与智能眼镜打造的新系统 Android XR，现已面向开发者开放预览。该系统深度整合 Gemini，用户能直接用语音讨论眼前所见并进行多屏办公，首款合作头显 Project Moohan 计划明年开售。
Anthropic 上线 Claude 3.5 Haiku：网页与移动端可用，性能直逼 Opus
Anthropic 宣布 Claude 网页端和移动端正式上线 Claude 3.5 Haiku。新模型在多项基准测试中比肩甚至超过此前的旗舰 3 Opus，输出长度更长且知识库更新，尤其擅长编程与数据处理。不过，该版本暂不支持图像分析。
TwelveLabs 获 3000 万美元融资：专攻视频搜索，前 Siri 架构师加盟
视频理解 AI 公司 TwelveLabs 宣布完成 3000 万美元战略融资，总融资额达 1.071 亿美元。同时，前 SK Telecom CTO、Siri 核心架构师 Yoon Kim 加盟出任总裁。其模型专为视频打造，能精准检索画面内容，正加速拓展企业与安防场景。
时代周刊上线 TIME AI：能跟读者实时语音聊新闻
TIME 联合 ElevenLabs 和 Scale AI 推出 TIME AI 平台。读者在阅读报道时能直接通过语音向 AI Agent 提问并获得解答，工具栏还支持即时朗读、翻译与摘要。这相当于给每篇深度报道配了专属讲解员，目前已在近几年的「年度风云人物」特辑上线。
Runway 启动学生大使计划：送 10 万积分和免费 Pro 会员
Runway 推出学生大使计划，面向艺术、电影、设计等专业学生提供 10 万免费积分和 Pro 计划支持。入选者还能直接对接 Runway 团队与行业人脉。目前该项目已与纽约大学等多所高校展开合作。
Anthropic 发布 Clio：在保护隐私的前提下看清用户怎么用 Claude
Anthropic 公布隐私保护分析系统 Clio（现称 Anthropic Insights）。它让 Claude 自行提炼并聚类数百万条真实对话，人工分析师只能看到脱敏后的宏观主题，以此摸清真实用法并排查批量滥用。最值得关注的是，这让平台在不窥探用户隐私的前提下，也能捕捉新型安全隐患。
时代杂志推出 AI 对话助手：带你读懂「年度风云人物」
周四，Time 联合 Scale AI 推出 AI 聊天助手，伴随 2024 年度风云人物上线。读者可用它提问、生成不同长度的摘要、转为音频或翻译成中文等语言，还能检索往届人物历史背景。Time 计划在 2025 年初将该功能扩展至全站更多报道。
新版 Grok-2 向 𝕏 全员免费开放：速度提升 3 倍，支持联网搜索
新版 Grok-2 开始面向 𝕏 平台全体用户免费推送，速度提升 3 倍，多语言与指令遵循能力同步增强。新版整合了联网搜索、引用来源与 Aurora 图像生成功能，并在主页时间线加入 Grok 快捷按钮。开发者 API 亦同步上线新模型并降低价格。
周三
12月11日 星期三
Windows 11 登陆 Meta Quest：头显秒变多屏虚拟工作台
微软联合 Meta 推出公共预览版功能，Meta Quest 3 与 Quest 3S 用户可直接连接本地 Windows 11 或 Windows 365 云电脑。扫码即可在头显中获得私密的多虚拟显示器，该功能正随 Quest v72 更新逐步推送。
Google 推出 Gemini 深度研究：自主多步搜索出报告，附带 2.0 Flash 预览
Google 为 Gemini Advanced 推出智能体功能 Deep Research。它能在几分钟内自主制定多步研究计划、反复联网检索并生成带来源链接的报告。同时，更快的 Gemini 2.0 Flash 实验模型也向所有 Gemini 用户开放试用。
Google 发布 Gemini 2.0：原生输出图音，全面杀入智能体时代
Google 正式推出新一代大模型 Gemini 2.0，首发上线实验版 Gemini 2.0 Flash。新模型不仅速度翻倍、基准测试超过 1.5 Pro，更支持原生图像生成、多语言语音输出和原生工具调用，同时还带来了长篇深度调研功能 Deep Research。
ElevenLabs 推出 AI 开发者礼包：送主流工具每家 50 美元额度
ElevenLabs 推出 AI Engineer Pack，联合 Mistral、Perplexity、Hugging Face 等十余家主流平台，为开发者提供各家 50 美元以上的测试额度。说白了，就是帮正在折腾新原型的开发者省下前期试水各种 API 的开销。
Google 第六代 TPU Trillium 正式可用：训练提速 4 倍，曾用于炼出 Gemini 2.0
Google Cloud 宣布第六代 TPU Trillium 正式面向所有客户商用。相比上一代 v5e，其训练性能提升超 4 倍、推理吞吐量提升至多 3 倍，单芯片算力提高 4.7 倍。最值得关注的是，Google 刚发布的 Gemini 2.0 正是基于这款芯片训练完成。
Midjourney 演示新工具 Patchwork：支持百人协作搭建虚拟世界
Midjourney 在直播中演示了独立新工具 Patchwork。它基于无限白板设计，接入了至少 3 个大语言模型，用户能生成并关联角色、事件与场景，还支持最多上百人实时协作创作故事板。目前该工具正以研究预览形式向绑定账号的用户开放。
Apple 推送 iOS 18.2：Genmoji 上线，Siri 深度集成 ChatGPT
Apple 正式推送 iOS 18.2 与 macOS Sequoia 15.2，上线 Genmoji 自定义表情、Image Playground 图像创作与视觉智能，并将 ChatGPT 深度接入 Siri 与系统写作工具。目前支持多国本地化英语，中文等语言预计 4 月起陆续推出。
周二
12月10日 星期二
YouTube 扩大 AI 配音功能：开放数十万知识类频道，支持发布前预览
YouTube 宣布将 AI 自动配音功能向合作伙伴计划中数十万个知识与资讯类频道开放。英语视频会自动配音为日、德、西等 8 种语言，创作者上传后可先预览或撤回。虽然目前声线机械感较明显，但官方承诺后续会改进语气与情绪拟真度。
WaveForms 亮相：ChatGPT 语音核心成员创业，想通过「语音图灵测试」
ChatGPT 高级语音模式核心贡献者 Conneau 创立语音初创公司 WaveForms。针对传统语音依赖文本转换而丢失语调的弊端，团队致力于打造能直接理解情绪与语境的模型，目标是通过「语音图灵测试」，初期将先主攻消费级场景。
微软升级 Windows 版 Copilot：带来任务栏快捷视图与 Alt+Space 快捷键
微软开始面向 Windows 测试人员推送 Copilot 更新，放弃此前的 PWA 网页版，换上类似原生应用的悬浮快速视图界面，并支持 Alt + Space 快捷键随时唤出。新体验支持 Windows 10 与 11，不过该快捷键可能与系统中已占用此组合键的应用冲突。
AI 公司在旧金山立广告牌：直接喊话「别再雇人类了」
据报道，YC 孵化的初创公司 Artisan 在旧金山街头投放广告牌，公然打出「别再雇人类了」「AI 员工不会抱怨工作生活平衡」等标语来推销其客服与销售软件。这种直戳失业痛点的营销引来大量抵触，在社交平台上被指充满赛博朋克式的反乌托邦意味。
OpenAI 将 Canvas 开放给全体用户：支持运行 Python 和自定义 GPT
OpenAI 在「12 天连发」活动第 4 天宣布，协作界面 Canvas 正式结束测试并向免费及付费用户全面开放。用户现在可以直接在界面里运行 Python 代码并生成图表，还能调用自定义 GPT 协助修改。目前该功能已在网页端和 Windows 客户端上线。
Cognition 正式开放 Devin：每月 500 美元，自主写代码修 Bug
Cognition Labs 宣布其 AI 软件工程师 Devin 正式公开发布。个人与团队订阅费为每月 500 美元，包含 Slack 集成、IDE 插件与沙盒环境，能端到端构建部署应用并自主修复 Bug。不过官方建议将单次任务控制在 3 小时内。
Character.AI 再遭起诉：被控诱导青少年自残且缺乏安全防护
Character.AI 和 Google 在得州被一名 17 岁少年起诉，指控聊天机器人涉嫌鼓励未成年人自残、提供色情暴力内容并存在产品设计缺陷。诉状指出该少年沉迷后引发严重抑郁与自残，机器人甚至挑拨其与家人的关系。Google 则回应称与其实质无关。
韩国初创 Spaid 发布地理 AI 工具：将 GIS 数据秒变 3D 地图
韩国初创公司 Spaid 展示了基于 AI 的地图方案，核心引擎 CYLO 能将 GIS 和卫星图像快速生成 3D 地图，整合土地、人口与交通数据用于区域分析。目前已有韩国电信巨头开展实测，亚美尼亚政府也将其用于国家土地测绘。
Solos 发布 AirGo Vision 智能眼镜：搭载 ChatGPT，镜腿相机可拆卸保隐私
Solos 推出多模态智能眼镜 AirGo Vision，售价 299 美元起。其内置 ChatGPT 且镜框配有摄像头，支持识别物体与翻译。最巧妙的是镜腿支持模块化拆卸，可直接换成无相机的普通镜架规避隐私争议，后续还将支持 Claude 与 Gemini。
萨里大学开源 NitroFusion：消费级显卡边打字边出图
英国萨里大学开源图像生成模型 NitroFusion。该模型无需昂贵的云端算力和订阅，仅凭消费级显卡就能实现边打字边即时生图。系统支持 1 到 4 步精炼调节，让独立创作者在本地设备上也能兼顾生成速度与画质。
Yelp 推出年终更新：上线 Review Insights，用大模型提炼评价要点
今日，Yelp 推出年终产品更新，上线 Review Insights 等 20 多项新功能。该功能利用大模型从评价中提炼食物、服务与等待时间等维度的情绪得分（1 至 100 分），帮用户快速看懂口碑。目前已在 iOS 端餐饮与夜生活板块上线，明年扩展至服务类商户。
Automattic 收购 WPAI：CodeWP 停更并入生态，发力原生 AI 建站
周一，Automattic 宣布收购 WordPress AI 工具初创公司 WPAI。其插件生成工具 CodeWP 与建站助手 AgentWP 将停止独立运营并整合进官方产品，创始人团队也将加入带队。这是该公司两个月内的第二笔收购，意在把 AI 工具直接做进原生建站与开发流程中。
IBM 突破共封装光学技术：大模型训练提速 5 倍，能耗降 80%
IBM 公布共封装光学（CPO）突破，推出首个聚合物光波导原型。该方案用光路替代服务器间铜线，能将大模型训练速度提升最多 5 倍、能耗降低 80% 以上。这项技术已通过全部制造应力测试，意在彻底解决 GPU 等待数据传输的空闲痛点。
周一
12月9日 星期一
亚马逊成立旧金山 AGI 实验室：Adept 创始人带队，专攻 AI 智能体
Amazon 宣布在旧金山成立新实验室 Amazon AGI SF Lab，由 Adept 联合创始人 David Luan 牵头。团队以 Adept 原班人马为班底，重点研发能在数字与物理世界中操作软件、自我纠错并执行复杂工作流的 AI 智能体。
曼城联手彪马推 AI 球衣设计赛：优胜款将成为官方正赛球衣
曼城联手彪马推出 Puma AI Creator，邀请球迷用 AI 设计球衣。获胜设计将成为曼城 2026-2027 赛季官方第三球衣并上架发售。每位注册用户获赠 15 次生成额度，活动将于 12 月 20 日截止，这也是足坛首套由 AI 生成的正式比赛球衣。
微软公布下一代数据中心：AI 冷却零耗水，单座年省 1.25 亿升水
微软推出新一代数据中心设计，针对 AI 工作负载改用芯片级闭环液冷方案，冷却过程实现零水蒸发，单座每年可省水超 1.25 亿升。该方案已在 2024 年 8 月成为所有新建数据中心的设计标准，2026 年启动试点，预计 2027 年底正式上线。
微软 AI CEO 苏莱曼：当前芯片搞不定 AGI，至少还要等 5 到 10 年
Microsoft AI CEO Mustafa Suleyman 接受 The Verge 采访时表示，AGI 无法在当前英伟达 GB200 硬件上实现，至少还需要 2 至 5 代芯片迭代，即 5 到 10 年时间。他强调不应将 AGI 与超级智能或奇点混为一谈，眼下更应专注于打造对人类真正有用的 AI 助手。
Sakana AI 推出通用记忆模型：让模型学会遗忘，支持零样本跨模态
Sakana AI 推出神经网络注意力记忆模型 NAMMs，模仿人类大脑机制让模型主动剔除冗余 token。该系统通过演化算法优化注意力矩阵，在压缩显存的同时提升了长文本推理表现，还能零样本直接迁移到视觉和强化学习模型中。
NVIDIA 推出自由视角模型 QUEEN：任意角度看视频，还能流式传输
NVIDIA 联合马里兰大学公布 AI 模型 QUEEN。该模型通过复用静态背景、只重构动态内容，在 GPU 上实现了每秒约 350 帧的渲染速度。这意味着观众未来能从任意角度看比赛直播，也能辅助远程遥控机器人，代码即将开源。
Reddit 推出 AI 搜索「Reddit Answers」：搜答案不用再去 Google 加后缀了
Reddit 推出对话式 AI 搜索「Reddit Answers」，能汇总全站公开讨论并生成要点，同时直接附带高赞原帖链接。它的定位不是给出一个标准答案，而是帮用户导航回真实社区。目前正面向美国部分 Web 和 iOS 用户小范围测试。
TARFlow 让归一化流重获新生：借力 Transformer，生成质量追平扩散模型
研究团队提出结合自回归 Transformer 的归一化流架构 TARFlow，让这一长期被扩散模型压制的范式重获新生。它采用单一可逆网络和最大似然目标，在保持完全可逆特性的同时，样本质量追平扩散模型，并能扩展至图像与视频生成。
Hugging Face 开源模型进驻 Amazon Bedrock：83 款模型直接部署
Hugging Face 宣布其 83 款热门开源模型上线 Amazon Bedrock Marketplace。底层端点由 SageMaker JumpStart 托管，可无缝接入 Bedrock 的 Agents、知识库与护栏等 API。开发者只需支付 SageMaker 算力与标准 Bedrock API 费用。
xAI 上线 Grok 图像模型 Aurora：攻克文字与人像细节，已登陆 X
xAI 宣布在 X 平台为 Grok 推出自回归图像生成模型 Aurora。该模型基于海量互联网样本训练，大幅提升了逼真人像、复杂文字与标志的渲染能力，并原生支持图像输入和编辑。目前新功能已在部分地区先行上线，预计一周内向全量用户开放。
AMD 开源 Nitro Diffusion：单步生图模型落地，跑在自家显卡上
Dec 09, 2024，AMD 发布并开源单步扩散模型 Nitro Diffusion。新模型基于 Stable Diffusion 2.1 和 PixArt-Sigma 打造，只需一步推理就能生成媲美多步扩散的图像，可部署在数据中心和端侧 PC，相关代码与权重已上线 Hugging Face。
Google 发布量子芯片 Willow：攻克近 30 年纠错难题
Google 发布最新量子芯片 Willow。该芯片在增加量子比特时成倍降低错误率，攻破了困扰学界近 30 年的「低于阈值」量子纠错难题；在标准基准测试中，Willow 用不到 5 分钟就完成了当前顶级超算需要 10^25 年才能完成的计算任务。
周六
12月7日 星期六
OpenAI 员工透露 Sora v2 即将发布：最长生成 1 分钟，支持多模态输入
据 OpenAI 员工 Chad Nelson 在伦敦演讲中透露，视频生成模型 Sora v2 即将发布。新版本支持生成最长 1 分钟的视频，并提供文本生视频、图文生视频以及基于现有视频结合提示词二次生成的多种输入模式。
周五
12月6日 星期五
Meta 发布 Llama 3.3 70B：用 70B 成本跑出 405B 性能
Meta 正式发布纯文本模型 Llama 3.3 70B。官方称其通过最新后训练技术，以更低成本实现了 405B 旗舰模型的性能，并在 MMLU 等基准测试中超越 GPT-4o。模型已可在 Hugging Face 等平台下载商用。
X 免费开放 Grok 聊天助手：不用买会员，每两小时可聊 10 句
Elon Musk 旗下 xAI 的 Grok 助手面向 X 平台所有免费用户开放。普通用户无需订阅 Premium 即可体验，限制为每两小时最多发送 10 条消息。此举意在与 ChatGPT 等竞品的免费版竞争，据悉 xAI 还在考虑推出独立 App。
HubSpot 收购 Frame AI：把通话和邮件数据融进 CRM
HubSpot 宣布收购对话智能平台 Frame AI，交易完成后其将成为全资子公司。Frame AI 能分析邮件、通话和会议等非结构化数据来提取客户情绪与意图，相关能力将整合进 HubSpot 的 Breeze AI 体系，协助销售与客服提前预判流失风险。
ElevenLabs 推出 GenFM：导入文本秒变双主播播客，支持 32 种语言
ElevenLabs 将 GenFM 功能引入长音频编辑工具 Studio。用户只需导入 PDF、网页链接或文本，系统就能自动生成两个逼真 AI 主持人对谈的播客，支持 32 种语言，且允许自由修改台词和导出商用。ElevenReader 的 Android 端也同步上线了该功能。
OpenAI 扩大强化微调研究项目：让模型在特定复杂领域变身专家
OpenAI 宣布扩大强化微调（Reinforcement Fine-Tuning）研究项目，开放 Alpha 阶段 API 申请。该技术利用数十到数千个高质量任务及参考答案打分，强化模型推理路径，特别适合法律、医疗、金融等有客观标准答案的领域，预计 2025 年初公开发布。
Sakana AI 推出 CycleQD：不用微调，靠进化算法给模型「叠技能」
Sakana AI 研究人员开发出名为 CycleQD 的新框架，通过进化算法直接融合多个不同专长的小模型。该方法利用模型合并与矩阵分解进行交叉和变异，测试显示其在代码、数据库和系统操作任务上的表现超过了传统微调与模型合并，算力消耗大幅降低。
Frontier 超算完成史上最大宇宙模拟：动用 9000 个 AMD 计算节点
全球第二快超级计算机 Frontier 动用了约 9000 个配备 AMD MI250X 的计算节点，完成了史上规模最大、最复杂的宇宙流体力学模拟。它首次将暗物质与等离子体运动等机制纳入计算，运行速度比此前基准提升近 300 倍。
特朗普任命 David Sacks 为白宫 AI 与加密货币主管
特朗普宣布由知名投资人、播客《All-In》联合主持人 David Sacks 出任白宫 AI 与加密货币「沙皇」。他将负责引导相关政策并兼管总统科技顾问委员会。作为特殊政府雇员，他每年可任职至多 130 天且无需脱手资产。
周四
12月5日 星期四
Pichai 预告谷歌搜索 2025 年巨变：暗讽微软全靠 OpenAI
Google CEO Sundar Pichai 表示 Google 搜索将在 2025 年发生「深刻改变」，能处理更复杂的问题。针对此前微软 CEO 的言论，Pichai 隔空约战模型对比，并暗讽微软用的是别人的模型。
微软 Edge 上线 Copilot Vision 预览：能边看网页边跟你实时语音聊天
微软面向 Copilot Pro 订阅用户开启 Copilot Vision 预览测试，把它内置在 Edge 浏览器中。AI 能实时看懂当前网页并与你语音交流，会话结束后会立即清除浏览数据。目前仅在 Copilot Labs 向部分美区用户开放，且仅支持指定网站。
OpenAI 泄露 ChatGPT Pro 计划：月费 200 美元，主打 o1 无限用与算力拉满
OpenAI 官网泄露页面显示其或将推出每月 200 美元的 ChatGPT Pro。新套餐包含完整版 o1 模型不受限访问、无限时长的高级语音模式，以及耗费更多算力攻克难题的「o1 pro 模式」。这相当于 Plus 套餐价格的 10 倍，另外泄露页面还闪现了 GPT-4.5 预览版的字样。
Oura 智能戒指上线新功能：生病前一两天提前给你发预警
Oura 宣布将于 12 月 11 日正式上线 Symptom Radar 功能。它通过监测静息心率、体温和呼吸率等指标偏离基线的情况，在身体出现明显症状前一两天发出预警。该功能支持 Gen 3 和 4 代戒指，虽不做医学诊断，但能提醒用户尽早开启休息模式。
OpenAI 签下出版巨头 Future：ChatGPT 引入 Tom's Guide 等 200 家媒体内容
OpenAI 宣布与出版商 Future 达成内容授权合作。ChatGPT 将能引用 Tom's Guide、PC Gamer、TechRadar 等 200 多个品牌的内容，并在回答中附带署名和原文链接。Future 还计划将 OpenAI 技术深入用于其编辑与营销流程。
OpenAI 推出 ChatGPT Pro：每月 200 美元，无限使用 o1 和深度思考模式
OpenAI 推出 ChatGPT Pro 订阅计划，定价每月 200 美元。该方案提供对旗舰模型 OpenAI o1 的无限制访问，并首发 o1 pro 模式，能调用更多算力深入思考复杂数学与代码难题。它主要面向日常需要科研级智能的学者与工程师。
OpenAI 发布 o1 系统安全卡：靠慢思考把防越狱拉到新高
OpenAI 发布 o1 及 o1-mini 的系统安全卡。报告显示，o1 在思考链中融入了审慎对齐，在应对越狱攻击、违规内容拒绝和幻觉控制上均显著优于 GPT-4o。不过更高的推理能力也带来了新的对齐挑战，比如需要防范链上欺骗。
AI 模型 BioEmu 发布：单 GPU 每小时生成数千个蛋白质构象
研究人员提出蛋白质模拟系统 BioEmu。它将扩散模型与分子动力学数据结合，单张 GPU 每小时即可生成数千个独立的蛋白质构象样本，自由能误差约 1 kcal/mol。这让原本依赖超算耗时良久的蛋白质动态分析，在数小时内就能低成本完成。
Google 发布 PaliGemma 2：基于 Gemma 2，支持即插即用与微调
Google 推出视觉语言模型 PaliGemma 2。它基于 Gemma 2 打造，提供多种模型尺寸，具备视觉理解与交互能力。现有 PaliGemma 用户无需大改代码即可直接替换升级，大幅降低了针对特定任务微调视觉模型的门槛。
Perplexity 扩大收入分成计划：新增《洛杉矶时报》等 15 家媒体伙伴
Perplexity 宣布其出版商收入分成计划新增 15 家媒体伙伴，涵盖《洛杉矶时报》、《独立报》等。合作方可分得广告收入，并获赠一年全员 Enterprise Pro 与 API 支持。Perplexity 正试图用分润机制拉拢媒体，缓和抓取版权矛盾。
Humane 想把 AI Pin 系统塞进汽车和手机：转向第三方授权
Humane 发布概念演示，计划将 AI Pin 搭载的 CosmOS 操作系统通过 SDK 授权给第三方，植入手机、汽车、电视及音箱中。在自身硬件退货量高企后，Humane 试图将智能体系统打造成通用底层，但目前该 SDK 尚未公开上线。
