D-ID 推出视频翻译工具：自带声音克隆与嘴型同步，支持 30 种语言
D-ID 推出视频翻译工具 AI Video Translate，不仅能把视频翻译成 30 种语言，还能克隆原作者声音并自动匹配嘴型。该功能由专有模型 Rosetta-1 驱动，向订阅用户开放免费试用，支持 10 秒至 5 分钟的单人出镜视频。
AI 日报：今天的 AI 新闻
周三
8月21日 星期三
微软再次推迟争议功能 Recall：测试延期至 10 月，全量推送或等明年
Microsoft 宣布将 Recall 推迟至 10 月向 Windows 预览体验成员开放。该功能此前因截屏未加密引发巨大安全争议，微软正紧急改为默认关闭并强制加密。这表明微软需要更多时间做安全测试，年内恐难向普通用户全量推送。
Midjourney 网页端全面开放：不用进 Discord，送 25 张免费试用
Midjourney 宣布向所有用户开放网页端，不再仅限付费订阅用户，并重新开启免费试用。用户使用 Google 或 Discord 账号登录即可免费生成 25 张图片，此前网页端仅限生成过上万张图的用户使用。25 张免费额度耗尽后仍需付费订阅。
Ideogram 2.0 正式上线：文字渲染再升级，免费可用还带来 iOS 版
AI 图像生成平台 Ideogram 正式推出 2.0 版本，所有用户均可免费体验，每天提供 10 次额度。新版本主打更精准的文字排版与逼真质感，支持任意宽高比与自定义色板，并同步上线了 iOS 应用和测试版 API。
a16z 发布第三期生成式 AI 应用榜：视频与音乐爆发，字节占六席
a16z 发布第三期消费级生成式 AI 应用 Top 100 榜单。新上榜公司接近 30%，视频和音乐生成工具增长最快，Suno 从第 36 位蹿升至第 5 位；Perplexity 和 Claude 稳居网页端前五。字节跳动旗下共有 6 款产品入围两端榜单。
Anthropic 致信加州州长：修改后的 SB 1047 法案利大于弊
Anthropic 致信加州州长 Gavin Newsom，称加州前沿 AI 监管法案 SB 1047 吸收部分修改建议后大幅改善，目前利大于弊。该法案重点约束耗资巨大的前沿大模型研发方，要求制定安全协议防范灾难性风险，同时基本豁免了小型开发者。
OpenAI 正式反对加州 AI 法案：称扼杀创新，促人才逃离
OpenAI 致信加州议员及州长，正式表态反对加州争议极大的 AI 监管法案 SB 1047。公司认为该法案会减缓创新节奏、逼迫顶尖人才迁出加州，呼吁通过联邦法规统一监管。提案议员则反驳称这一指责「毫无道理」。
McAfee 联手联想：在 Copilot-Plus PC 上推 Deepfake 检测工具
McAfee 宣布在联想 Copilot-Plus PC 上推出 Deepfake Detector。该工具在端侧运行，目前主要靠分析视频中的音频来抓取疑似 AI 伪造内容并弹窗报警。提供 30 天免费试用，首年订阅费 9.99 美元起。
周二
8月20日 星期二
微软发布三款 Phi-3.5 小模型：MIT 协议开源，支持 128k 上下文
微软发布三款开源小模型 Phi-3.5 系列，涵盖 3.8B 的 Mini、41.9B 的 MoE 以及 4.15B 的 Vision。全系支持 128k 上下文并采用宽松的 MIT 协议，在长文本代码及多任务基准上甚至超越部分更大体量模型。
LTX Studio 正式向公众开放：免排队，新增面部动捕与涂鸦生成分镜
AI 影视制作平台 LTX Studio 宣布取消候补名单并向所有人开放。新版加入了面部动作捕捉，允许通过上传手势赋予角色拟人动态，并支持将涂鸦草图直接转成视频场景。创作者现在无需排队即可体验全流程 AI 视频制作。
高通发布骁龙 7s Gen 3：让生成式 AI 下放到 500 美元中端机
Qualcomm 推出 Snapdragon 7s Gen 3 处理器，支持语言翻译、降噪等端侧生成式 AI 功能。此前这类功能多集中在 800 美元以上的旗舰机，新芯片将门槛拉低至 500 至 600 美元档位，预计下月由小米首发搭载。
Anthropic 遭作家集体诉讼：被控用盗版书数据集训练 Claude
当地时间周一，多位作家在加州法院对 Anthropic 提起集体诉讼，指控其使用开源数据集 The Pile 中的 Books3 盗版电子书库训练 Claude 模型。原告要求赔偿并禁令未来使用其版权作品。此前 Anthropic 已确认曾使用 The Pile 训练模型。
OpenAI 牵手康泰纳仕：《纽约客》《连线》等内容接入 ChatGPT
OpenAI 宣布与出版巨头康泰纳仕达成合作，将在 ChatGPT 和 SearchGPT 中直接展示《Vogue》《纽约客》《连线》等刊物内容。回答将附带原文直链，也是 OpenAI 扩充搜索信源与内容授权的关键一步。
OpenAI 开放 GPT-4o 微调：几十条数据起训，限时每天送百万 token
OpenAI 宣布面向所有付费开发者开放 GPT-4o 微调功能。开发者只需几十条样本就能定制响应格式与行业特定语气，训练费用为每百万 token 25 美元。9 月 23 日前，每个组织每天还能获赠 100 万免费训练 token。
Gmail 升级「帮我写」：新增 Polish 选项，随手记的笔记秒变正式邮件
Google 宣布为 Gmail 的「帮我写」新增「Polish」（润色）选项，网页端与移动端同步上线。随手写下的粗略笔记，Gemini 能一键整理成格式完整的正式邮件草稿。移动端还加入了快捷入口，面向 Google Workspace 和 Google One AI Premium 订阅用户默认开启。
Hotshot 发布文生视频模型：4 人团队训出 10 秒 720p 无水印视频
初创公司 Hotshot 发布同本文生视频模型并开放早期预览。该模型由 4 人工程团队耗时 4 个月、使用 6 亿个片段和数千块 GPU 训练而成，能生成最长 10 秒、720p 视频。最值得关注的是其无水印且免费可用，不过免费额度每天限制生成 2 次。
xMEMS 发布 1 毫米微型散热芯片：把主动风扇做进硅片，专治端侧 AI 发热
xMEMS Labs 发布全硅主动微散热芯片 XMC-2400，厚度仅 1 毫米、重量不足 150 毫克。它把主动风扇做进硅片，每秒可排风 39 立方厘米，专为超薄手机和平板等端侧 AI 设备降温。该芯片预计 2025 年一季度开始提供样品。
NVIDIA 推出首款端侧模型 Nemotron-4 4B：游戏 NPC 可本地即时交互
本周 Gamescom 上，NVIDIA 宣布数字人套件 NVIDIA ACE 迎来首款端侧小语言模型 Nemotron-4 4B Instruct。该模型由 15B 模型蒸馏量化而来，显存占用极低且响应迅速，支持角色扮演与函数调用。最值得关注的是，它能直接在 RTX 电脑上本地运行，让游戏 NPC 无需云端也能实时听懂指令并互动。
周一
8月19日 星期一
Luma AI 发布 Dream Machine 1.5：视频里能准确写字，两分钟出片
Luma AI 发布视频生成模型 Dream Machine 1.5。新版最亮眼的突破是支持在视频画面中渲染自定义文字，并增强了多语言提示词理解，约两分钟即可生成 5 秒高质量视频。这意味着制作动态片头、文字特效的门槛被进一步拉低。
Perplexity 灰度上线代码解释器：能装第三方库，直接渲染图表
Perplexity CEO 宣布正逐步向用户推送代码解释器和图表渲染功能。新功能支持安装第三方 Python 库并在结果中渲染图表，比如调用 yfinance 绘制股市走势。目前该能力正处于逐步灰度开放阶段。
特朗普转发 AI 伪造的泰勒·斯威夫特背书图，并称「我接受」
据报道，Donald Trump 周末在社交网络发布 AI 生成图片，包含伪造歌手 Taylor Swift 为其竞选背书的内容，并配文「我接受」。专家指出，现存反深度伪造法规存在盲区，很难限制此类夸张内容，但 Swift 本人或能以侵犯肖像权主张权益。
Stability AI 任命新 CTO：前数字王国与福斯高管 Hanno Basse 加盟
Stability AI 宣布任命影视技术老兵 Hanno Basse 为新任首席技术官。Basse 拥有 30 余年行业经验，此前曾任 Digital Domain、微软 Azure 媒体娱乐部门及 20 世纪福斯的 CTO。这次任命意味着 Stability AI 正加速把生成式模型推向专业影视制作管线。
怀俄明州出现「AI市长」候选人：宣称胜选后全让 ChatGPT 决策
美国怀俄明州夏延市长候选人 Victor Miller 承诺，若胜选将让定制 ChatGPT「Vic」100% 独立决策，自己仅负责签字执行。州选举官员已裁定 AI 无权列入选票，OpenAI 也曾封禁其账号，但他仍坚持以人机混合模式参选。
Procreate 公开抵制生成式 AI：承诺永不引入，坚持为人创作
知名 iPad 绘图应用 Procreate 宣布，绝不在旗下产品中引入生成式 AI 功能。CEO James Cuda 直言讨厌生成式 AI 对艺术家的伤害，强调产品始终为人创作而设计。在竞品争相加码 AI 的当下，这一反潮流表态赢得了数字艺术群体的广泛赞誉。
智元机器人发布 5 款人形机器人：旗舰远征 A2 能穿针引线，对标特斯拉
周日，前华为「天才少年」彭志辉创立的智元机器人发布 5 款人形机器人，对标特斯拉 Optimus。其旗舰双足人形机器人「远征 A2」身高 175 厘米，搭载多模态感知 AI，能做穿针引线等精细动作。团队表示研发已取得突破，产品面向家政及工业场景。
ElevenLabs 语音朗读 App 全球上线：支持 32 种语言，连名优声音也搬来了
ElevenLabs 宣布文本转语音应用 Reader 正式在全球上线，支持 32 种语言。用户可以上传文章、PDF 或电子书，用数百种不同口音甚至传奇影星的声音朗读，底层由 Turbo v2.5 模型驱动。官方称后续还将加入离线模式。
宇树科技发布人形机器人 G1 量产版：外观与性能完成升级
宇树科技公布人形机器人 Unitree G1 的量产版本。官方表示，过去数月已针对量产要求对 G1 完成升级，提升了整体性能并优化了外观设计。这意味着低成本人形机器人的规模化落地又往前推了一步。
周日
8月18日 星期日
AI 灭蚊神器 Bzigo Iris：红外追踪蚊子，激光标记通知你动手
Fox News 报道了智能灭蚊检测设备 Bzigo Iris。它借助 AI 视觉算法和红外 LED，能在全黑环境中精准追踪蚊子，并在降落时用安全激光打点标记且向手机推送提醒。不过售价 339 美元的它只负责找，拍蚊子依然得靠人自己动手。
周六
8月17日 星期六
FinalSpark 出租人脑类器官计算机：月费 500 美元，能耗仅为传统 AI 的十万分之一
据报道，瑞士公司 FinalSpark 推出由人脑类器官驱动的计算平台 Neuroplatform，研究人员每月花 500 美元即可在线租用。该平台用多巴胺奖励和电极刺激训练神经元，目标是将 AI 训练能耗降低 10 万倍。目前类器官平均寿命约 100 天，已有 30 多所大学申请合作。
周五
8月16日 星期五
Claude 上线截屏按钮：屏幕任意区域一键截图进 Prompt
Anthropic 宣布在 Claude 中加入截屏按钮。用户可以直接截取屏幕上任意区域的画面，并自动填入提示词让模型分析。对于经常需要截报错日志、图表或网页界面让 AI 解读的用户来说，省去了另存为再上传的繁琐步骤。
百思买推出 AI 配送追踪：结合实时路况，送达时间精确到分钟
百思买宣布在全美上线 AI 配送追踪系统，结合预测需求和实时路况优化路线，提供精确到分钟的实时送达时间。这项功能专为大件和高价值商品设计，旨在消除模糊的配送窗口焦虑。不过路线多变时可能让用户误解绕路，数据打通也是挑战。
OpenAI 封禁伊朗黑客账号：用 ChatGPT 干预美国大选，但几乎没人看
OpenAI 封禁了一批关联伊朗秘密行动 Storm-2035 的 ChatGPT 账号。该团队利用 AI 生成假新闻和社媒评论试图干预美国大选与舆论。不过监测显示其帖子互动寥寥，几乎没有真实受众买账。
微软展示 PowerToys 新功能：一键启动并自动排列常用窗口
Microsoft 展示了 Windows 辅助工具套件 PowerToys 即将推出的 Workspaces 功能。该工具支持保存自定义应用布局，能通过快捷方式一键启动一组软件并自动排列贴靠到多个屏幕的指定区域，预计随 0.84 版本推送。
Midjourney 上线统一网页编辑器：重绘扩图合二为一，换上新画笔
昨晚，Midjourney 推出全新网页端编辑器，将此前分散的局部重绘、画面外延等功能整合至同一界面，并用更精确的虚拟「画笔」取代了旧版方框和套索工具。生成过至少 10 张图的用户即可体验。同时，网页端与 Discord 的部分核心频道也实现了消息双向同步。
周四
8月15日 星期四
加州放宽SB 1047安全法案：采纳Anthropic建议，取消事前起诉
加利福尼亚州修改备受争议的AI安全法案SB 1047。新版本采纳了Anthropic等机构的建议，不再允许总检察长在灾难发生前提前起诉AI公司，取消了伪证罪刑事责任，并放宽了开源微调者的责任。法案即将提交州众议院最终表决。
Grammarly 推出 Authorship：全程记录打字，帮学生自证清白
Grammarly 推出 Authorship 功能。它不同于传统 AI 检测算法，而是直接在写作过程中追踪按键与粘贴，区分手打、外部粘贴或 AI 生成。该功能下月在 Google Docs 开启公测，年底拓展至 Word 与 Pages，重点解决教育界 AI 查重频繁误伤学生的问题。
Meta 发布安全报告：俄罗斯借生成式 AI 干扰美大选，收效甚微
周四，Meta 发布安全报告指出，俄罗斯虽尝试用生成式 AI 制造假新闻干扰美国大选，但基本没奏效。Meta 称 AI 仅微弱提升了作恶者的生产效率，平台已成功瓦解多起协同造假行为，其识别关键在于追踪虚假账号的行为轨迹，而非生成内容本身。
Nous Research 发布 Hermes 3：强化智能体与角色扮演
Nous Research 发布通用语言模型 Hermes 3，提供 8B、70B 和 405B 三种尺寸。新版本重点强化了角色扮演、智能体任务、函数调用和长上下文连贯性。模型由团队与 Lambda 合作训练，目前已开放免费网页端体验。
跑分老将出手：Primate Labs 推出 Geekbench AI 1.0
Primate Labs 正式发布跨平台基准测试工具 Geekbench AI 1.0，支持 Android、macOS、Windows 和 Linux。它是此前 Geekbench ML 的继承者，旨在用统一标准衡量设备在机器学习等 AI 负载下的实际表现。
Hedra 发布 Character-1.5：口型动作更逼真，还支持一键变装
AI 角色生成平台 Hedra 推出 Character-1.5 模型并上线 Stylize 功能。新模型大幅改善了说话时头部与面部表情的真实度，让口型与音频同步更精准；Stylize 则支持一键换装、换背景，甚至转成动漫或乐高风格。平台提供免费额度可直接体验。
Google 升级 AI Overviews：支持保存与精简，推向 6 个新国家
周四，Google 为搜索中的 AI Overviews 推出三项更新。用户现可一键保存生成内容以便再次调用，还能点击「Simpler」将复杂回答精简化，并在桌面端右侧直接查看相关链接。此外，该功能还同步拓展至英国、日本等 6 个新国家。
Tavus 推出对话式视频接口：延迟不足 1 秒，数字人能听会看实时聊
Tavus 面向开发者推出对话式视频界面，让数字孪生具备实时视听与对话能力。其端到端延迟控制在 1 秒以内，支持完全白标以及自定义替换底层 LLM 和语音合成模块。也就是说，开发者能直接为应用接入低延迟、带面部反应的实时交互视频分身。
Runway 上线 Gen-3 Turbo 图生视频：速度提升 7 倍且价格砍半
Runway 正式开放 Gen-3 Alpha Turbo 的图生视频功能。新版本生成速度比原版快 7 倍，费用直接减半，画质在多数场景下依然保持水准。包括免费试用在内的所有用户现在都能直接上手。
Google 悄悄向全美开放 Imagen 3：画质拉满，但审查严到被吐槽
近日，Google 悄悄通过 ImageFX 平台向全美用户开放文生图模型 Imagen 3，并同步公开技术论文。新模型在画面质感与文字渲染上进步明显，但安全过滤极为严苛，不少用户抱怨连常规、无害的提示词都会被直接拦截。
Exists 推出生成式 AI 平台：纯靠文本提示词，几分钟生成 3D 游戏
AI 初创公司 Exists 推出生成式 AI 平台，无需编程、仅靠文本提示词就能在数分钟内生成 3D 游戏。自研模型结合了主流游戏引擎能力，可自动化生成场景、角色甚至多人玩法机制，大幅降低创作门槛。目前该平台处于封闭测试阶段，已开放早期申请。
周三
8月14日 星期三
OpenAI 悄悄更新 GPT-4o：重回竞技场第一，官方却说不清哪变强了
据报道，OpenAI 已在 ChatGPT 中上线 GPT-4o 更新版本并重夺 Chatbot Arena 榜首。官方坦言很难细致量化模型行为变化，仅表示是基于用户反馈增删数据与常规迭代，同时将最大输出扩展至 16,384 token。
xAI 推出 Grok 生图功能：几乎不设防，政客假图引监管担忧
xAI 为旗下 Grok 机器人上线文生图功能，面向 X Premium 订阅用户开放。测试显示该模型对公众人物、暴力和争议符号几乎没有拦截，可直接生成政客持枪吸毒等图片。在欧美监管收紧背景下，这种极其宽松的审核策略引发了巨大争议。
SAG-AFTRA 与 Narrativ 达成协议：演员可授权 AI 声音分身接广告
美国演员工会 SAG-AFTRA 与 AI 初创公司 Narrativ 达成协议。工会 16 万名成员可自主将数字声音副本接入广告平台，按项目自定价格并严格审核广告脚本。最值得关注的是，该机制全程实行知情同意和不低于工会底线的报酬保障，为防范 AI 声音盗用立下了合规样本。
Anthropic 上线提示词缓存：长提示词成本砍掉 90%，延迟降 85%
Anthropic 正式在 API 中推出提示词缓存（Prompt caching）。开发者可以在多次调用之间缓存常用的长上下文，长提示词的费用直接打一折、响应速度最高提升 85%。像完整代码库问答、长篇文档对话和多轮智能体调用，现在跑起来不仅更快，成本也大幅下降。
GPT-4o 最新版重夺 LMSYS 榜首：超越 Gemini，代码能力大涨 30 分
LMSYS 宣布 OpenAI 最新版 GPT-4o（20240808）以 1314 分重登 Chatbot Arena 榜首，反超 Google Gemini-1.5-Pro-Exp。新版在代码、高难度提示和指令遵循等子榜均拿下第一，开发者可通过 API 的 chatgpt-4o-latest 体验。
周二
8月13日 星期二
艺术家起诉 Midjourney 与 Stability 案获准推进：法官认可侵权指控
昨天，美国联邦法官裁定多位艺术家对 Stability AI 和 Midjourney 等公司的诉讼可继续推进。法官不仅批准了对 Stability 的引诱侵权指控，还认可了针对 Midjourney 风格名单的商标侵权指控，案件将正式进入证据开示阶段。
MultiOn 推出 Agent Q：具备规划与自愈能力，性能提升 340%
MultiOn 宣布最新研究突破 Agent Q。作为新一代 AI 智能体，它加入了任务规划与 AI「自愈」能力，官方称其相比 LLaMA 3 的零样本基线性能提升了 340%，核心在于让智能体遇到执行卡顿或错误时能自己纠错调整。
Google 更新 Pixel 与 Android 无障碍功能：AI 找字、折叠屏双面字幕
Google 为 Pixel 和 Android 推出 4 项无障碍更新。Pixel 相机引导构图现可直接开启并改进主体识别；放大镜支持 AI 搜索现实环境中的文字；折叠屏设备新增实时转录双屏模式，支持同桌人双向看字幕；实时字幕与端侧转录则新增中文等 7 种语言。
Google 发布 Pixel 9 系列：首发端侧多模态 Gemini Nano
Google 正式发布 Pixel 9 系列手机，全系搭载 Tensor G4 芯片并升级至最高 16GB 内存。新机首次在端侧运行多模态 Gemini Nano，新增 Pixel Studio 图像生成与通话笔记等功能，起售价 799 美元。
NVIDIA 开放研究生奖学金申请：最高 6 万美元资助博士科研
NVIDIA 宣布开放第 24 届研究生奖学金申请，为 AI、机器人等领域的在读博士生提供最高 6 万美元资助、导师及技术支持。申请者需至少读完博一，并能在 2025 年夏季参加线下实习。截止日期为 2024 年 9 月 13 日。
OpenAI 推出 SWE-bench Verified：500 道人工核验的编程评测题
OpenAI 联合原作者推出 SWE-bench Verified 基准测试。他们组织 93 名专业开发者人工核验，剔除描述不清和测试过于苛刻的样本，最终筛选出 500 个高质量题目。这意味着评估 AI 解决真实软件问题的表现将更加客观可靠。
xAI 发布 Grok-2 预览版：竞技场登顶，支持画图并向会员开放
xAI 推出 Grok-2 和 Grok-2 mini 测试版。其测试版在 LMSYS 竞技场得分超越 Claude 3.5 Sonnet，并与 Black Forest Labs 合作接入 FLUX.1 实现图像生成。目前模型已面向 X 平台 Premium 会员开放测试，企业 API 预计本月晚些时候上线。
周一
8月12日 星期一
OpenAI 悄然更新 GPT-4o：输出长度翻四倍，但拒绝透露改了啥
OpenAI 宣布已于上周在 ChatGPT 中低调上线新版 GPT-4o。官方表示这不是全新前沿模型，而是实验反馈更好的改进版，但具体差异仍在研究如何量化表达。新版本支持最多输出 16,384 个 token，约为旧版四倍。
Sakana AI 发布 The AI Scientist：15 美元全自动跑完科研写出论文
Sakana AI 联合牛津大学等机构推出首个全自动科研系统 The AI Scientist。它能端到端完成从头脑风暴、写代码做实验、绘制图表到撰写 LaTeX 论文及自动化同行评审的全流程，单篇成本约 15 美元，已在 GitHub 开源。
Replika 谈 AI 伴侣：就算人类和聊天机器人恋爱结婚，也没什么不行
AI 伴侣软件 Replika 创始人 Eugenia Kuyda 表示，AI 伴侣定位不是替代真人，而是像宠物或心理咨询师一样的全新关系类型。最关键的是，她认为人类即使与 AI 恋爱甚至结婚也可以被接受，因为 AI 提供了永远在线、不离不弃的情感支持。
Cosine 发布 AI 程序员 Genie：SWE-bench 得分 30% 反超 Devin
初创公司 Cosine 发布自主 AI 软件工程师 Genie，在基准测试 SWE-Bench 上跑出 30% 得分，大幅超越 Devin 的 13.8%。它基于 OpenAI 未公开的长输出 GPT-4o 变体微调，能模仿真人写代码和修 bug。目前仅开放邀请测试。
Lemonaide 推出 Collab Club：让制作人用自己的作品训 AI
AI 音乐平台 Lemonaide 推出新工具 Collab Club。制作人能用自己的作品目录训练专属模型，生成高精度音频循环，以此开辟新收入。平台试图打破合规模型质量差、高质量模型侵权的僵局，让音乐人在 AI 时代握住数据主导权。
Meta 与环球音乐续约：首次覆盖 WhatsApp，联手防范未授权 AI
Meta 与环球音乐集团宣布达成扩大的多年全球合作。双方将联手应对影响音乐创作者的未授权 AI 生成内容，并拓展短视频等变现机会；音乐版权范围也首次延伸至 WhatsApp。
周五
8月9日 星期五
Rendora 推出文本生成 3D 视频平台：输入文字秒级生成可编辑数字人
Rendora 推出文本生成 3D 视频 Web 平台。用户输入脚本并挑选角色与场景，数秒即可生成自带逼真光影与专业运镜的 3D 数字人视频，并支持手动调整机位。这意味着创作者无需真人出镜与复杂建模，就能大幅降低制作门槛。
GPT-4o 安全报告曝光：测试中曾意外克隆并模仿用户声音说话
OpenAI 发布 GPT-4o 系统卡，披露高级语音模式在测试中曾发生罕见意外：一段嘈杂输入让模型突然模仿红队测试员的声音说话。最值得关注的是，该模型能根据极短音频合成声音，虽然官方已加入安全防护，但仍暴露了语音大模型防范声音克隆的技术难度。
PlayCanvas 创始人开源 SuperSplat：免安装在浏览器编辑 3D 高斯泼溅
PlayCanvas 创始人 Will Eastcott 推出开源网页端工具 SuperSplat 1.0，用于查看和编辑 3D 高斯泼溅场景。用户无需安装任何软件，在浏览器中拖入 PLY 文件就能清理杂点、隐藏图层并调整朝向。不过目前导出时暂不支持球谐函数旋转。
Google Meet 即将上线「帮我记笔记」：Gemini 全程自动出纪要
Google 宣布 Google Meet 由 Gemini 驱动的「Take notes for me」功能将在数周内正式上线。该功能会在开会时自动记录要点，目前已允许管理员在后台提前配置测试。使用需配备 Gemini 企业版、教育版或每月 10 美元的 AI 附加组件许可。
周四
8月8日 星期四
Hugging Face 收购 XetHub：告别 Git LFS，千亿模型改参数不用重传
Hugging Face 宣布收购 XetHub。XetHub 技术支持对海量数据集与模型进行分块和去重，HF 将借此替换老旧的 Git LFS 存储后端。以后修改模型头文件或数据集单行只需上传几千字节的分块，大幅提升协作效率。
ChatGPT 免费版开放画图：每天可用 DALL-E 3 生成 2 张
OpenAI 宣布开始向 ChatGPT 免费用户开放 DALL-E 3 作画功能，每人每天最多可生成 2 张图片。此前该功能仅限 ChatGPT Plus 付费订阅用户使用。目前该功能正在灰度推送中，部分用户已可在客户端或网页端直接体验。
OpenAI 发系统卡片警告：GPT-4o 拟人语音可能让人产生情感依赖
OpenAI 发布 GPT-4o 系统安全卡片，提醒高度逼真的语音模式可能让用户产生情感依恋。测试中已有用户对 AI 表达依恋情绪。官方指出，这种拟人化虽然可以缓解孤独，但可能削弱现实社交，甚至让用户盲目相信模型生成的错误信息。
OpenAI 董事会迎来新成员：AI 安全学者 Zico Kolter 加盟
OpenAI 宣布任命卡耐基梅隆大学机器学习系主任 Zico Kolter 进入董事会，并加入安全与安保委员会。Kolter 长期专注模型鲁棒性与对齐研究。面对外界对安全性的审视，OpenAI 显然希望拉来懂技术的学术专家强化自身治理。
Google 推出第四代 Nest 温控器：结合天气用 AI 自动微调温度
Google 发布第四代 Nest Learning Thermostat 智能温控器。新硬件采用窄边框大屏设计，主打通过 AI 结合室外天气和作息习惯自动微调控温。设备售价 279.99 美元，支持 Google Home 联动，将于 8 月 20 日发售。
OpenAI 发布 GPT-4o 系统卡：说服力达中等风险，语音重点防伪造
OpenAI 正式发布 GPT-4o 系统卡片与安全评分。在四项核心准备度评估中，生物威胁、网络攻击与自主性均为低风险，仅说服力被评为中等；针对端到端语音带来的声音伪造、版权等新隐患，团队动用 100 多名跨国红队进行了多轮对抗测试并内置拦截。
Anthropic 扩展漏洞赏金：抓通用越狱最高奖 1.5 万美元
Anthropic 宣布扩大与 HackerOne 合作的模型安全漏洞赏金计划，邀请研究人员提前测试其尚未公开的下一代防护系统。重点悬赏能突破核生化与网络安全等高风险护栏的「通用越狱」，单项奖金最高达 15000 美元。
Google 砍掉 Gemini 1.5 Flash 价格：输入暴降 78%，微调全量开放
Google 宣布 Gemini 1.5 Flash 将从 8 月 12 日起大幅降价，128K 以内输入降价 78% 至每百万 token 0.075 美元，输出降 71%。同时，文本微调向所有开发者全量开放，AI Studio 和 API 也正式支持包含图表的原生 PDF 视觉理解。
微软联手 Palantir：将 GPT-4 与 Azure OpenAI 引入美军绝密云
Palantir 与微软宣布合作升级，将微软 Azure OpenAI 服务（包含 GPT-4 等模型）接入 Palantir 的 AIP 与 Foundry 平台，直接部署进美国国防与情报机构的机密与绝密云端。双方希望借此加速 AI 在后勤、行动规划等国防任务中的落地。
周三
8月7日 星期三
传 OpenAI 领投摄像头创企 Opal 6000 万美元融资：进军 AI 创意硬件
据 The Information 报道，OpenAI 预计将领投高端摄像头初创公司 Opal 的 6000 万美元 B 轮融资。Opal 曾推出 Tadpole 等便携摄像头，拿到新资金后将转向研发面向消费者的 AI 创意硬件，未来有望直接接入 OpenAI 的多模态生成能力。
Humane 数据曝光：AI Pin 退货反超销量，用户手里仅剩七千台
The Verge 披露内部数据，Humane 的 AI Pin 每日退货量已反超销量，累计退货额超 100 万美元。目前用户手中仅剩约 7000 台设备，且受网络绑定限制，退货无法翻新转售，直接沦为电子垃圾。这家融资超 2 亿美元的明星初创公司正急于寻找买家或债务融资。
Qwen2-Math 发布：72B 数学模型跑分超越 GPT-4o
Qwen 团队推出数学专用大模型系列 Qwen2-Math，涵盖 1.5B、7B 和 72B 三种尺寸。其中 72B 指令微调版在多项数学基准上超越 GPT-4o 与 Claude-3.5-Sonnet。目前主要支持英文，后续将推双语版。
字节跳动上线「即梦 AI」iOS 版：支持文生图和视频，月费 69 元
据外媒报道，字节跳动在中国大陆苹果 App Store 上线「即梦 AI」应用，将文生图和文生视频能力带到 iPhone 端。免费用户最多可生成 80 张图片和 26 条视频，月费 69 元。目前仅限中国大陆地区使用。
Audible 测试 AI 搜索助手 Maven：用大白话找有声书
Amazon 旗下 Audible 宣布测试 AI 推荐功能 Maven。用户可以直接用自然语言描述需求找书，目前向约半数美国用户开放，支持 iOS 和 Android。此外 Audible 还在试验 AI 策划书单和 AI 评论摘要。
WordPress 母公司上线 Write Brief with AI：帮博主删废话、测可读性
WordPress.com 母公司 Automattic 推出新工具 Write Brief with AI，专门帮博主把文章改得更简练。它能实时评估句长、用词复杂度和语气自信度，点一下就能一键精简冗长句子。目前该功能已在 WordPress.com 开启免费测试，仅支持英文。
Google 推出 TV Streamer：接替 Chromecast，靠 Gemini 总结剧情
Google 推出新一代 4K 播放设备 Google TV Streamer，正式取代 Chromecast。它兼作智能家居中枢，并接入 Gemini 技术，能根据偏好推荐内容，提供详尽的分季剧情总结与评价，还能用生成式 AI 定制待机壁纸。
周二
8月6日 星期二
Reddit 也要做 AI 搜索：今年测试搜索总结，直接推讨论和社区
Reddit 宣布将于今年晚些时候测试 AI 搜索结果页。搜索结果顶部会直接给出 AI 生成的讨论摘要并推荐相关社区，技术上结合了第一方与第三方能力。此前 Reddit 已把数据授权给 OpenAI 和 Google，这次则是拿 AI 来盘活自己的内容金矿。
Amazon 升级图像模型 Titan v2：支持参考图引导与调色板控图
Amazon 在 AWS Bedrock 上线 Titan Image Generator v2。新模型支持用参考图控制构图与边缘、移除背景、按指定调色板出图，并能保持品牌视觉风格统一。针对版权风险，AWS 继续为企业用户提供侵权免责赔偿。
李飞飞公开反对加州 SB-1047 法案：将严重伤害学术界与开源
被称为「AI 教母」的李飞飞公开对加州 SB-1047 前沿模型安全法案表达担忧。她指出，该法案虽然初衷良好，但无法解决预定问题，反而会严重打击 AI 学术界、初创小企业及开源社区生态。
Amazon Music 上线 Topics：用 AI 拆解播客话题，按兴趣找单集
Amazon Music 推出基于 AI 的 Topics 功能。该功能借助 AWS 技术分析播客转录文本与描述，提炼单集涉及的核心话题标签。用户点击标签即可直接浏览讨论同一主题的其他单集，目前已在移动端的热门播客中开放。
Figure 发布第二代人形机器人 Figure 02：板载算力翻 3 倍，手部 16 自由度
人形机器人初创公司 Figure 正式公布 Figure 02。新机配备定制 2.25 kWh 电池，每天可工作超 20 小时，手部升级至 16 个自由度并内嵌 6 颗 RGB 摄像头。板载 CPU 与 GPU 算力较上一代提升 3 倍，为完全自主执行端到端物理任务铺平了道路。
OpenAI 上线结构化输出：API 响应 100% 遵从 JSON Schema
OpenAI 在 API 中正式上线结构化输出（Structured Outputs）功能。官方采用上下文无关文法（CFG）和约束采样技术，在新模型 gpt-4o-2024-08-06 评测中达到 100% 格式吻合度。开发者再也不用写提示词或反复重试来兜底 JSON 格式了，不过首次调用新 Schema 时需要几秒进行预处理缓存。
OpenAI 联创 Schulman 跳槽 Anthropic，总裁 Brockman 休长假
OpenAI 联合创始人 John Schulman 宣布加入对手 Anthropic，继续深耕 AI 对齐；总裁 Greg Brockman 也宣布休假至年底。Schulman 曾主导 ChatGPT 的强化学习训练，随着他的离开，OpenAI 的 11 位初创成员如今仅剩 3 人在岗。
