OpenCode 推出神秘模型 Ox Alpha：100 万上下文且零数据保留，限时免费
OpenCode 推出神秘多模态模型 Ox Alpha，并开启为期一周的免费公测。新模型具备 100 万 token 上下文并承诺零数据保留。官方配备了每天 100 万亿 token 的承载能力，以近乎不限量的调用额度来进行大规模压力测试。
AI 日报：今天的 AI 新闻
周四
8月20日 星期四
OpenAI 升级 GPT-Image-2：API 支持直接生成透明背景图
OpenAI 宣布在 GPT-Image-2 API 中推出透明背景生成预览功能。开发者无需再借助后期抠图，即可直接生成能够无缝嵌入任何背景的设计素材，适用于电商产品图、平面排版和网页原型。该功能目前处于预览阶段。
应对 AI 吞噬流量：Google 推出「首选来源」按钮帮媒体拉回读者
Google 面向媒体推出可嵌入网站的「首选来源」按钮，读者点击后即可在搜索、Discover 及 AI 概览中提高该站的曝光频次。Google 称首选来源的点击率可翻倍，此前已有超 34.5 万个独立来源被标记。此外，Discover 也即将支持用自然语言定制推荐内容。
ChatGPT 推出 Mac 版苹果短信插件：搜记录、补进度、代发消息
OpenAI 为 Mac 桌面端 ChatGPT 推出 Apple Messages 插件，支持搜索短信记录、梳理漏看对话，并直接起草或发送回复。它还能联动日历提议会议时间、挑出垃圾信息，目前已在桌面端的 ChatGPT Work 和 Codex 上线。
4DAnyone：一段普通视频，转成能自由旋转的 4D 角色
开源项目 4DAnyone 发布，只需输入一段单目人物运动视频，就能重建出可任意角度观察的 4D 高斯泼溅模型。它通过提取骨骼引导多视角生成，细节和一致性优于以往同类方案，目前已开源代码及约 12GB 模型权重。
Black Forest Labs 推出 FLUX 视频超分：可重绘至 4K 并修复伪影
Black Forest Labs 推出 FLUX Video Upscale，支持通过 API 和 Playground 将 480p 起步的视频重新生成至最高 4K。它能针对性修复面部模糊与水面草地网格伪影，提供兼顾一致性的 Precise 与补充细节的 Creative 两种模式。
Pew 研究：ChatGPT 发布后上线的新网页，超三分之一由 AI 撰写
Pew Research 报告指出，ChatGPT 发布后上线的英文网页中，有 35% 存在 AI 撰写或深度编辑痕迹。其中商业 .com 站点的 AI 比例是 .edu 与 .gov 的近 10 倍。这意味着随着机器人流量反超人类，网络内容正加速走向由 AI 生产和消费的循环。
Ramp 推出大模型路由服务 Router：支持多厂商 API，年底前免费
企业支出管理平台 Ramp 推出模型路由服务 Router。该服务基于其三年内部实践，允许企业通过统一 API 调用 OpenAI、Anthropic 和 DeepSeek 等模型，并提供基于基准测试的分流策略与成本看板。目前仅限美国使用，2026 年底前免平台费并赠送 26 美元额度。
Murf AI 上线语音模型 Falcon 2：每分钟 0.01 美元，延迟低于 100 毫秒
印度初创公司 Murf AI 上线语音模型 Falcon 2。其生成费用为每分钟 0.01 美元，仅为 ElevenLabs 的五分之一，响应延迟低于 100 毫秒。它在 Artificial Analysis 基准中表现超过 OpenAI 部分系统，支持 35 种语言与上万路并发。
Meta 上线 AI 游戏应用 Pocket：用提示词做小游戏，摇晃手机就能玩
Meta 旗下 AI 游戏创作应用 Pocket 正式面向美国所有用户上线。用户输入提示词即可生成支持触屏、倾斜感应与音乐音效的互动小游戏，并发布到信息流供人试玩或二次创作。该应用基于此前收购的 Gizmo 团队打造。
Sakana Translate 升级新一代 Namazu 模型：深挖日本文化语境
Sakana AI 宣布免费翻译服务 Sakana Translate 接入新一代 Sakana Namazu 模型。更新后支持日、英、中双向翻译与润色质疑，更擅长理解「お宮参り」等日本特有文化背景词汇。在 160 项日英测评中胜率超 50%。
Google Ads 为 AI Max 推出 A/B 测试与业绩规划工具
Google 宣布为 Google Ads 中的 AI Max 增加跨搜索广告系列 A/B 测试与业绩规划师功能。广告主可以在单次实验中跨多个系列对比不同预算与 ROI 目标，且品牌与地区限制仍可保持生效，新功能定于 9 月上线。
Anthropic 正式上线 Computer Use：新增网页操作与技能 API
Anthropic 宣布 Computer Use、Skills API 与 Files API 在 Claude Platform 正式可用。新版 Computer Use 新增 Browser Use 工具，通过读取网页代码结构精准定位元素，并支持单轮执行多个动作以大幅提速；同时符合 HIPAA 医疗合规。配合托管指令集的 Skills API 与提供 1 TB 存储的 Files API，帮助开发者构建生产级智能体。
Apple Music 将上线「Made With AI」标签：要求标注 AI 歌曲
据 Variety 报道，Apple Music 将于今年晚些时候为平台上的 AI 生成曲目添加「Made With AI」标签，要求唱片公司和分销商主动标记实质由 AI 创作的内容。Apple Music 此前透露平台超三分之一上传曲目为全 AI 生成，此举旨在规范行业透明度。
Adobe Firefly 音频套件正式上线：一键生成免版税商用配乐与音效
Adobe 宣布 Firefly 音频工具正式全面开放，支持一键生成具备商业安全许可的原创音乐、配音与音效。语音功能可选 ElevenLabs，同时平台引入 Google Gemini Omni Flash 模型，并为 AI Assistant 开放每日免费生成额度。
Salesforce 推出 Slack Code：把 AI 编程做成团队「多人协作」
Salesforce 推出 Slack Code，把 AI 编程搬进 Slack 专用频道。团队成员能与 Claude、Devin、GitHub Copilot 等编程智能体协作，在频道内查看代码变更、实时预览并审核上线，无需切出应用。所有 Slack 方案均可使用，但需自备合作方智能体权限。
周三
8月19日 星期三
Meta AI 推出 macOS 应用：长按 fn 即可全局高精度听写
Meta AI 正式上线 macOS 桌面应用，核心亮点是支持全系统的语音听写功能。用户只需按住 fn 键说话，就能在电脑的任意软件中直接输入高精度转录文本，无需在多个窗口间来回切换。
Google 免费向大学生开放一年 AI 订阅，同步上线专属学习中心
Google 宣布面向高校在读学生免费提供一年 AI 订阅：美区学生可获价值每月 19.99 美元的 Google AI Pro，海外学生可获 Google AI Plus。伴随该福利，Gemini 同步上线了专属学生中心、生成式 3D 交互模拟以及深度研究功能。
ElevenLabs 上线 Eleven v3 Conversational：支持超 70 种语言与精细情绪
ElevenLabs 正式推出实时语音模型 Eleven v3 Conversational。它支持德语、西班牙语等 70 多种语言及 1.1 万多种声音，开发者能通过音频标签精细控制笑声、耳语或讽刺语气，起售价为每千字符 0.05 美元。
Meta 推出 Meta AI Mac 版：能看懂屏幕窗口，支持跨应用语音听写
周三，Meta 推出 Meta AI 独立 Mac 应用。用户可以直接向 AI 共享窗口，让它根据屏幕内容提供建议、答疑或创作，同时支持跨应用的全局语音听写。新版还接入了 Google Workspace，并支持分析 Instagram 和 Facebook 帖子表现及生成各类文档。
开源 Mac 应用 OpenHistory 发布：端侧运行，自动生成工作日报
开源 Mac 应用 OpenHistory 发布，支持自动记录全天工作活动并生成每小时及每日 AI 摘要。所有日志保存在本地，通过端侧推理保障隐私，还可通过安全 MCP 协议连接本地智能体。用户也可接入 Claude、ChatGPT 等外部模型。
Ornith 发布 Ornith-1.5：能自己出题训练，397B 追平 Opus 4.8
Ornith.ai 推出 Ornith-1.5 开源模型家族。模型通过自拟题目、搭建测试脚手架并解题探索，形成强化学习自我提升闭环；旗舰 397B 在编程基准上追平 Claude Opus 4.8，9B 端侧版可直接跑在手机上。
Perplexity 推出 Brain：用 Markdown Wiki 给 AI 智能体造长期记忆
Perplexity 为旗下 Computer 智能体推出长期记忆系统 Brain。它把数月的交互历史沉淀为三层 Markdown 文件系统，用维基链接和引用追踪原始上下文，并由后台离线智能体持续整理。最值得关注的是，这种混合本地与按需检索的设计有效解决了远端文件延迟，避免撑爆上下文窗口。
xAI 旗舰模型 Grok 4.6 上架 Amazon Bedrock：500K 上下文、推理强度可调
xAI 宣布旗舰模型 Grok 4.6 正式上线 Amazon Bedrock。该模型提供 500k 上下文窗口，专为长程智能体与复杂视觉任务打造，支持四档可配置推理强度。AWS 开发者现已可通过标准 Bedrock 接口接入使用。
Generalist AI 发布 GEN-1.5：看人类演示几秒钟，机器人就能学会新动作
Generalist AI 发布机器人基础模型 GEN-1.5。它无需梯度更新或微调，仅靠 3 至 12 秒的单次演示「物理提示」，就能在开罐、拉拉链等 10 项任务中实现 59% 平均成功率。这标志着机器人开始具备类似 GPT-3 的上下文学习能力。不过目前所学技能仍较脆弱，局限于短时任务。
OpenAI 推出私密安全处理：不存提示词，也能跨会话防滥用
OpenAI 预览 Private Safety Processing，旨在解决前沿模型的多轮安全监测与零数据保留（ZDR）的冲突。系统通过自动化检测多轮交互中的滥用模式，但全程采用客户自控密钥加密，OpenAI 员工无法接触原始内容。
Magiviz：开源全流程 AI 视频创作引擎，串起剧本分镜到成片
ItusiAI 开源视频创作平台 Magiviz。它将剧本分解、角色设计、分镜绘制、视频渲染到成片合成串成五步流水线，支持 Veo、Kling 等多款模型，并内置用户鉴权与 Stripe 支付，配好 API Key 即可快速上线商业化站点。
Audio8TS：1.7GB 的超轻量 TTS 模型，几秒样本本地克隆声音
开源语音模型 Audio8TS 发布，主干仅约 1 亿参数，加上编解码器整体体积也仅 1.7GB。它只需几秒参考音频即可完成零样本声音克隆，支持多语言，并提供 CPU 适用的 ONNX INT8 方案。这意味着普通笔记本无需独立显卡也能在本地轻松克隆声音。
周二
8月18日 星期二
Z.ai 上线 GLM-5.3 API：主打编程与网络安全，加量不加价
Z.ai 正式上线 GLM-5.3 API。该模型专为编程、防御性网络安全及长程智能体任务设计，定价与上一代 GLM-5.2 保持一致。最值得关注的是，现有开发者可以零成本平替升级，并通过官方 API 和合作模型网关直接接入。
Claude 接入 Gmail 与网盘：可代发邮件与管理文件
Anthropic 宣布 Claude 支持在 Gmail 中发送邮件并在 Google Drive 中管理文件。用户可让它直接回复邮件线程，由其代写并代发，同时能设置关键操作是否需要人工审批。该功能面向所有付费方案用户开放。
Chrome 安卓版上线 Gemini：全美可用，付费会员享「自动浏览」代办杂事
Google 宣布 Chrome 移动端内置的 Gemini 面向全美 Android 用户开放。它支持总结长文、跨标签联动 Google 日历与 Keep。订阅会员更可启用「auto browse」智能体，自动代订车位或更新定期订单，敏感操作会弹窗确认。
Replit 推出 Free Mode：日常任务不扣点数，产出提升达 30 倍
Replit 推出基于 GPT-5.6 Luna 的 Free Mode。Core 和 Pro 订阅用户在进行日常聊天、构思等任务时将不再扣除点数，额度每 5 小时重置，产出最多提升 30 倍。需要复杂开发时，平台支持无缝切至 Power 或 Max 模式。
Tripo 推出 P2.0 Preview：原生生成四边面，游戏资产直接可用
Tripo 推出专为游戏与实时渲染管线打造的 3D 生成器 P2.0 Preview。其核心在于原生支持四边面拓扑，支持最高 5 万三角面或 2.5 万四边面，关节处边缘环平滑、平面结构干净。目前每位用户可获赠 2 次免费生成机会。
皮尤最新调查：52% 美国人对 AI 忧多于喜，71% 预计岗位减少
Pew Research Center 发布调查显示，52% 的美国成年人对日常使用 AI 忧多于喜，高于 2021 年的 37%。30 岁以下群体中担忧者首次过半达 55%；同时 71% 的受访者预计未来 20 年 AI 将导致岗位减少。
Stability AI 推出 Stable Audio 插件：直接嵌入宿主，支持 BPM 同步
Stability AI 推出 Stable Audio 3.0 插件与升级版 Web 应用公测版。插件支持 macOS AU 与 VST3，可在 Logic Pro 和 Ableton Live 中同步工程 BPM 生成最长 6 分钟音频；Web 端新增多轨混音与定向修改。商用安全，用户拥有生成版权。
阿里上线音乐模型 HappyShrimp 1.0：一句话生成整首歌，还拉来太合音乐
阿里巴巴上线 AI 音乐生成模型 HappyShrimp 1.0 并开启公测。用户只需输入一句话，模型就能构思乐理结构，直接生成包含旋律、编曲、歌词和人声的完整歌曲，涵盖国风、流行等多种曲风。阿里同时宣布与太合音乐集团展开艺人共创合作。
Google 出资 1000 万美元收购 Spirit 航司数据：脱敏后用来训练 AI 模型
据报道，Google 同意出资 1000 万美元收购破产航司 Spirit Airlines 的企业数据集，用于训练 AI 模型与改进产品。该数据集涵盖内部邮件、表格、机票预订及员工记录等，官方称已去除个人身份信息。破产法院法官将于周三裁决该交易。
Google 联手英国启动 Blue Skies 试验：用 AI 引导北大西洋航班避开尾迹云
Google 宣布联手英国政府等机构启动 Operation Blue Skies 试验，用 AI 预测并在北大西洋 Shanwick 空域引导航班微幅绕飞尾迹云高发区。飞机尾迹云占航空气候影响的三分之一，该项目将在 30 个月内对部分航班小幅调线，探索大范围减少温室效应的可行性。
Block 开源桌面 Agent 应用 Berd：把多智能体和本地项目打包进一张画布
Block 开源桌面 Agent 应用 Berd，把对话、文件、技能和不同性格的智能体整合进持久化项目画布。它支持跨模型自由切换并协同本地代码仓库，主打少聊天、多干活。读者可连接自己的 AI 供应商搭建智能体团队。
ChatGPT 广告登陆欧洲 31 国：仅向免费及 Go 用户展示，付费版无广告
OpenAI 宣布将 ChatGPT Ads 推广至德国、法国等 31 个欧洲市场，创下其最大投放扩张。广告仅面向 Free 与 Go 用户，Plus、Pro 和 Enterprise 保持免打扰。随后在 8 月 31 日，自助投放后台 Ads Manager 也已向上述 31 国完全开放。
Claude 跨界蛋白质设计：拿下 14 个靶点，命中率达行业水平两倍
Anthropic 展示 Claude 在生命科学的突破：在蛋白质从头设计测试中，Claude 拿下 15 个靶点中的 14 个，结合命中率最高达 35.1%，比行业水准翻倍；同时能在 25 分钟内完成化学纯度分析。这意味着大模型能大幅缩短早期药物研发周期。目前官方正筹备科研准入计划。
OpenAI 设立 500 万美元计划：帮监督机构盯紧国安 AI
OpenAI 宣布启动一项 500 万美元的新计划，在未来一年内向政府监督机构提供培训、技术支持及额度。该项目还将试点专用审查工具，帮助核查 AI 在国家安全决策中的输入、输出与调用记录，且工具尽量做到跨模型兼容。
Perplexity 推出邮件版 Computer：抄送邮件就能让 AI 跑任务
Perplexity 推出 Computer in Email。用户只需向 computer@perplexity.com 发信、转发对话或抄送，AI 就能读取上下文与附件并执行任务，将 Excel 模型或 PDF 等成果直接作为附件回复。该功能目前已面向所有 Computer 用户开放。
OpenAI 暂停新模型 Astra 训练：疑似触及严重网络攻击能力红线
OpenAI 宣布暂缓新模型 Astra 的前沿强化学习训练。初步迹象显示其可能已触碰「准备度框架」中的严重网络安全能力红线。团队为此强化了研究环境隔离，并部署占监控算力约 20% 的多阶段监控系统以严防越界行为。
OpenAI 推出 ChatGPT 青少年版：不给直接抄作业，默认开启安全防护
OpenAI 推出专为 13 至 17 岁青少年设计的 ChatGPT for Teens。未成年用户将自动接入，内置「学习模式」不再直接给答案，而是用提问逐步引导，同时默认屏蔽自残、色情等内容并提供家长控制。说白了，就是把 AI 变成辅导家教，防止学生抄作业偷懒。
GeoWeaver 亮相：把普通长视频切片重建，解决 3D 场景漂移难题
研究团队公布 3D 重建框架 GeoWeaver，能把普通长视频转换为全局一致的 3D 场景。它将视频拆成小片段预测深度，再通过长距离匹配逐步拼接，解决了常见的尺度漂移与相机轨迹失真问题，在基准测试中平均误差最低。不过该成果目前仅发布了论文。
周一
8月17日 星期一
3M 爆炸案专家证人被曝用 ChatGPT 写报告：还指令让 AI 证其「0% 责任」
据 404 Media 报道，在休斯敦致死爆炸案诉讼中，3M 聘请的专家证人被曝用 ChatGPT 撰写了近九成专业报告。其提示词明确要求 AI「证明 3M 负 0% 责任」，350 页对话记录在证据开示中曝光。最终陪审团裁定 3M 承担 30% 责任并赔偿 6100 万美元。
亚马逊被曝批量收购纸质书：切掉书脊快速扫描训 AI，原书直接销毁
据 404 Media 调查曝光，亚马逊正大量购入实体书籍并运往拉斯维加斯仓库，切除书脊后快速扫描作为 AI 训练数据，原书在扫描后直接销毁。亚马逊随后证实了购书行为，表示此举旨在改进包括 Nova 系列大模型在内的产品。未受 AI 污染的纸质书已成为训练大模型的稀缺资产。
好莱坞与字节跳动达成首个 AI 版权协议：强化 Seedance 等工具防护
美国电影协会（MPA）宣布与字节跳动达成首个 AI 版权协议。此前 MPA 曾就海绵宝宝等未授权内容向其发出警告函，字节跳动随后强化了视频工具 Seedance 与图像工具 Seedream 的 IP 保护机制。不过双方并未公开具体防护细节。
VoiceMem：给语音 Agent 塞进双脑记忆，边说话边查仅需 134 毫秒
开源语音 Agent 记忆系统 VoiceMem 发布。它把记忆拆成存事实的「左脑」和记偏好情绪的「右脑」，能在用户说话过程中同步完成流式检索，响应延迟仅 134 毫秒，单轮消耗约 430 token。最值得关注的是，它让语音助手不必卡顿等待检索，代码与模型已完全开源。
yetone 开源协作通讯工具 Cumora：让 AI 像真人同事一样主动上班
yetone 开源了多智能体协作通讯工具 Cumora。不同于被动唤醒的聊天机器人，Cumora 里的 Agent 拥有独立身份与记忆，会主动认领看板任务、收发真实邮件，甚至背着你开会做决策。它支持云端运行或接入本地 Claude Code 等引擎，让人和 AI 在同一界面平等协作。
Cursor 推出代码托管 Origin：双向同步 GitHub，智能体直接改代码提 PR
Cursor 推出代码托管功能 Origin，面向所有付费订阅用户开启早期测试。Origin 支持仓库管理、PR 及与 GitHub 实时双向同步。最值得关注的是，智能体直接内置在每个仓库中，能回答代码问题、修改代码并提交分支，还支持连接 Vercel 等平台进行预览部署。
OpenAI 锁定俄亥俄 8GW 数据中心：携手英伟达，揽 3.5 万岗位
OpenAI 宣布携手 SB Energy 和 NVIDIA，在俄亥俄州锁定约 8 吉瓦的算力中心容量。该项目预计建设期创造 3.5 万个岗位，NVIDIA 将注资 15 亿美元。首期 800 兆瓦预计 2028 年投产，全面支撑下一代前沿大模型训练。
宇树预告新人形机器人 Superman：原地跳高 2 米、最高速度 12.66 m/s
宇树科技预告了代号为 Superman 的新人形机器人。该机型腿长 0.85 米，原地跳高达到 2 米，最高奔跑速度达 12.66 m/s，官方称双双打破人类纪录。这款机器人仅研发了三个多月，宇树表示后续几个月仍有大幅提升空间。
David Sacks 炮轰 Anthropic：推行前置审批是搞「监管俘获」
白宫 AI 负责人 David Sacks 公开发文抨击 Anthropic CEO Dario Amodei。Sacks 称其提议设立的 AI 前置审查机构宛如官僚化的「车管所」，不仅会削弱美国竞争力以利好巨头，还在无根据地煽动技术恐慌。
周日
8月16日 星期日
Codex 解锁 1M 上下文：支持 GPT-5.6 Sol，改配置就能用
OpenAI 公布了在 Codex 中为 GPT-5.6 Sol 开启 100 万 token 上下文的配置方法。用户修改配置文件或添加 CLI 参数即可生效，能容纳更多代码与历史记录。不过官方提醒，默认限制原本已在性能与成本间做过调校。
Stripe 75 亿美元收购 OpenRouter：支付巨头杀入 AI 路由基建
Stripe 确认收购 AI 模型路由初创公司 OpenRouter，据知情人士透露交易金额达 75 亿美元。OpenRouter 拥有 800 万开发者并聚合了 400 多种模型，估值较 5 月的 13 亿美元暴涨。Stripe 借此直接卡位 AI 时代的资金流与 Token 支出管理。
周六
8月15日 星期六
Anthropic CEO 辩护 AI 监管：给头部设卡，才能保护中小玩家
Anthropic CEO Dario Amodei 发长文回应外界质疑，否认 AI 监管必然导致权力集中。他指出合理监管反而会通过严苛测试放慢前沿巨头节奏、给后发者留出生存空间，并表示支持前沿模型部署前测试。
阿里通义千问全球下载量破 30 亿次：超越 Meta 与谷歌登顶开源模型
据 Hugging Face 报告，阿里巴巴通义千问系列过去半年全球下载量突破 30 亿次，超越 Meta 和 Google 成为全球第一开源权重模型。2026 年 Google 下载量为 4.18 亿次，Meta 为 2.27 亿次。Qwen 已开源超 460 款模型，衍生版本超 30 万个。
周五
8月14日 星期五
阿里开源多模态模型 Qwen3.8-27B：262K 原生上下文，采用 Apache 2.0
阿里巴巴开源原生多模态模型 Qwen3.8-27B 权重，遵循 Apache 2.0 协议。该模型拥有 27B 参数，综合表现超越 Qwen3.7-Plus，支持 262K 原生上下文，并可通过 YaRN 扩展至 1M。近期上线的 Max 级别 Qwen3.8-2.4T-A95B 权重也可同步获取。
Gemini 支持关闭可见水印：图像、视频和音乐均可自选隐藏
Google 宣布为 Gemini 应用上线新开关，允许用户在生成图像、视频和音乐时自由关闭可见水印。不过在看不见的文件底层，SynthID 隐形水印和 C2PA 元数据依然会被强制保留，法律要求强制保留可见水印的地区也除外。
SpaceX 完成收购 Cursor：团队并入 AI 部门，发力 Grok 开发者生态
AI 代码编辑器 Cursor 宣布已被 SpaceX 正式收购并完成交易。Cursor 团队将加入 SpaceX AI 部门，在继续开发 Cursor 的同时，协助推进 Grok、Grok Build、Grok Bot 及 Grok API 等系列产品，进一步补齐其 AI 开发者工具版图。
帕西尼发布 PXCap Pro 手套：感知 0.1 牛微小力，帮机器人学做细活
帕西尼发布五指数据采集手套 PXCap Pro，用于采集高质量人类动作训练机器人。手套整机仅 300 克，集成腕部相机、抗磁干扰编码器及能感知 0.1 牛顿的触觉传感器。这意味着团队能以统一标准高效沉淀物理真值数据，教机器人学会打包、实验等精细操作。
Pika 发布四款音频模型：价格最高便宜 20 倍，覆盖配乐、音乐与语音
Pika 推出 Pika Audio 系列四款音频基础模型，涵盖视频音效同步 Soundtrack、音乐生成 Music、音效生成 SFX 以及语音合成 Speech。官方称其推理成本大幅降低，价格最高比同类竞品便宜 20 倍，目前已通过 Pika API Club 开放。
Z.ai 发布 GLM-5.3：代码能力拉高 50%，还意外点满漏洞挖掘技能
Z.ai 发布面向编程的 AI 模型 GLM-5.3。通过在 GLM-5.2 同款基座上进行后训练扩展，其内部测试成绩提升 50%，登顶多项开源基准。令人意外的是其网络攻防能力激增，在 269 个真实项目中揪出 2436 个漏洞。模型权重将在两周内完成安全评估后发布。
Claude Code 官方省 Token 指南：任务间随手 /clear，别在半路换模型
Anthropic 发布 Claude Code 的 Token 优化指南。官方指出，中途切换模型或思考深度会打碎 Prompt Cache，导致重新全额预填充。为此建议开局定好配置，任务间执行 /clear，用 @ 引用文件省掉搜索调用，并在长时间离开前运行 /compact 压缩。
WSJ 揭秘 Anthropic 幕后推手：CEO 妻子深度参谋引治理关注
《华尔街日报》披露，Anthropic CEO Dario Amodei 的妻子 Cami Clark 虽未在公司任职，却以关键战略顾问身份深度介入决策，早期还牵线了前 Google CEO Eric Schmidt 等投资人。随着公司估值水涨船高，她隐秘的幕后影响力与过往经历引发了外界对治理透明度的审视。
周四
8月13日 星期四
ChatGPT 接入 Google Drive：无需切标签页，直接在聊天窗并排改文档
OpenAI 宣布 ChatGPT 网页端支持直接打开和编辑 Google Drive 文件。用户无需切换标签页，即可在对话界面内与 AI 并排处理 Docs、Sheets 和 Slides 文档。该功能目前正向 Plus、Pro 及企业版等付费订阅用户逐步推送。
Claude Code 桌面版支持「自动继续」：额度重置后自动接着干
Claude Code 桌面版新增「自动继续」功能。当写代码触发用量上限被暂停时，只要勾选界面中的复选框，额度一重置就会自动从中断处继续执行，无需手动重启。这意味着跑复杂长任务时，再也不用掐着表守在电脑前重开了。
ChatGPT 上线 Computer History：追踪 Mac 操作生成时间线，不截屏不录音
OpenAI 在 macOS 版 ChatGPT 推出「Computer History」功能，通过辅助功能记录点击、输入等操作并生成时间线与记忆，供 ChatGPT 和 Codex 调用。该功能默认关闭，不录屏录音，仅面向 Pro、Business 和 Enterprise 用户开放。
微软发布安全模型 MAI-Cyber-1-Flash：跑分超 Mythos，成本砍半
微软发布自研安全模型 MAI-Cyber-1-Flash 并集成入漏洞修复框架 MDASH。该模型包揽 90% 的日常安全任务，极难任务才调用 GPT-5.4，使系统综合成本降低 50%，并在 CyberGym 基准测试中拿下 96% 的高分。
Google 发布 Gemini 3.7 Flash：编程与智能体大升级，价格腰斩
Google 正式推出 Gemini 3.7 Flash，主打软件工程与智能体工作流。其编程评测 DeepSWE 成绩从 49% 提升至 65.3%，输入价格却直接减半至每百万 token 0.75 美元。Google AI 订阅用户的个人智能体 Gemini Spark 即日起也已接入该模型。
Suno 发布 Studio 2.0：支持 MIDI 录制、AI 搓插件和进阶分轨
Suno 推出音乐工作站 Suno Studio 2.0。新版不仅支持 MIDI 导入录制与自动化曲线绘制，还加入了 Chat bar，让音乐人能用自然语言直接生成独家效果器插件并进行进阶音频分轨。目前该版本已面向 Suno Premier 订阅用户开放。
Inherent Labs 推出 Faraday：27B 模型指挥 GPT-5.5 复现论文，超越顶尖大模型
Inherent Labs 推出 27B 规模的「AI 科学家」Faraday，在论文复现任务上打败 Claude Opus 4.8 和 GPT-5.5。它将科研判断与编码解耦，自己只负责假设探索，指挥 GPT-5.5 Codex 编写代码。这证明小模型通过工具调用与任务设计，也能在科研场景跑赢巨型基座。
MiniMax 开源 Music 3.0：单次生成 5 分钟整曲，基于千问底座
MiniMax 推出开源权重音乐模型 Music 3.0。它采用基于 Qwen3.5-8B 的混合架构与流匹配技术，用户只需输入提示词与歌词，就能单次生成长达 5 分钟的完整编曲与人声演唱。最值得关注的是，它通过结构化描述解决了长音频乐器走样与情绪断层问题。
Grok Bot 上线打电话功能：能替你排队等客服，还能砍账单
Grok Bot 面向付费用户上线拨打电话功能，能替用户拨打美国电话排队等客服、预约甚至协商账单。通话时配有实时文字记录，遇到答不出的问题用户可打字接力，但条款明确规定全部法律责任由用户自负。
DeepSeek 发布 V4-Pro：支持三档推理力度，API 引入「峰谷定价」便宜一半
DeepSeek 正式上线 DeepSeek-V4-Pro。新模型大幅增强了 Agent 能力，支持在 low、high 和 max 三档推理力度间切换，并原生兼容 OpenAI Responses API。此外 API 计费新增「峰谷定价」，低谷期直接便宜 50%。
字节跳动开源全模态视频模型 Bernini 2：自然语言修视频，但模型达 180GB
字节跳动开源全模态视频编辑模型 Bernini 2，支持用自然语言直接修改已有视频的视角、背景，或在画面中增删角色与物体。它结合语义规划与扩散渲染提升编辑精度，不过仅模型文件就达 180GB，普通设备本地运行门槛极高。
DeepSeek 开源智能体框架 Harness：采用「一切皆插件」架构
DeepSeek 开源智能体框架 DeepSeek Harness（dsh）。它基于 Cordis 打造，采用「一切皆插件」架构，支持插件化配置模型与工具，并自带本地 Web 界面。目前处于开发者预览阶段，仍在快速迭代中。
OpenAI 上线 Ultrafast 模式：GPT-5.6 Sol 快 14 倍，每秒 750 token
OpenAI 联合 Cerebras 推出 API 新层级 Ultrafast 模式，让 GPT-5.6 Sol 输出速度达每秒 750 token，比标准处理快 14 倍。过去追求低延迟通常要牺牲模型尺寸，现在前沿大模型也能直接进入实时响应场景。目前该服务处于有限预览阶段。
Anthropic 升级 Claude Tag：更懂看群聊脸色，主动插话准确率提升 30%
Anthropic 升级 Slack 插件 Claude Tag。它不再逐条评估单条消息，而是结合整个频道上下文、记忆与指令来决定是回复、开新线程还是保持沉默，主动介入判断准确率提升约 30%。Teams 和 Enterprise 用户现可免费使用。
小米开源 MiDashengLM-Gen：一句话生成语音、音乐与音效混响的完整音频
小米团队开源音频生成模型 MiDashengLM-Gen。它能根据结构化描述，在同一次生成中将语音、背景音乐、音效和环境声自然融合为 16 kHz 音频。整套框架基于 Qwen3-1.7B 与 Flow Matching 技术，代码按 Apache 2.0 协议开放。
Arkshel 带来真「变形金刚」：机器人能在双足、四足与飞行模式间切换
中国机器人初创公司 Arkshel Robotics 展示变形机器人原型 MX01。它不仅能在双足直立行走和四足机器狗形态间切换，还能对接无人机模块实现空中飞行，未来还计划加入轮式移动。不过形态多变也意味着结构更复杂、潜在故障点更多，实用性仍待检验。
周三
8月12日 星期三
Twitch 默认用直播内容训亚马逊 AI：上线退出开关，但仅管未来
Twitch 允许主播选择退出将直播、剪辑和聊天记录用于训练亚马逊生成式 AI。但该设置默认开启且仅对未来训练生效，Twitch 未透露此前是否已采集过数据；此外，普通观众也无法决定自己在他人直播间的发言是否被抓取。
Evoke 开源：140 亿参数交互式世界模型，单图加摇杆实时生成可控场景
开源交互式世界模型 Evoke 发布，输入单张图片加摇杆操作即可在 3 步内近实时生成交互视频。模型参数量为 140 亿，权重约 57GB，支持数小时长会话并不限长延伸场景。目前代码与全阶段训练权重均已按 Apache 2.0 开源。
DeepMind 发布手语大模型 SL2T：Pixel 11 支持手语直接打字
Google DeepMind 推出手语转文本模型 SL2T，首发落地 Pixel 11 的 Gboard 和即时转录。模型基于 50 多种手语超 10 万小时数据训练，设备端提取骨架后直接转译，用户可像语音输入一样直接打手语发信息或问 Gemini。目前率先支持美式手语转英文。
Runway Agent 接入 Figma、Dropbox 与 Notion：素材直接调进工作区
Runway 宣布为 Agent 功能接入 Figma、Dropbox 和 Notion 连接器。用户可以直接将这三个平台中的设计稿、文件和文档同步拉入 Runway 工作区，省去反复搬运素材的麻烦。目前该功能已面向所有付费订阅用户开放。
Google 升级 Gemini：接入 Ticketmaster 等第三方应用，订餐买票不用跳出
Google 宣布将在未来几周内为 Gemini 接入一批新的第三方应用。新功能涵盖 Otter.ai、Ticketmaster、OpenTable 与 Pandora 等服务，用户可以直接在对话中买票、订餐或放音乐。这意味着 Gemini 正在加快补齐跨应用办事的智能体能力。
Deepgram 推出 Flux TTS：延迟低至 80ms，专为实时对话打造
Deepgram 推出专为实时对话设计的语音合成模型 Flux TTS，延迟低至 80 毫秒。它能追踪多轮上下文，适应中途插话、临时更改要求等复杂通话场景。最值得关注的是其瞄准生产级客服部署，9 月 12 日前开发者可免费体验。
Ahrefs 推出智能体工作空间 Letaido：40 小时调研压缩至 1 小时
Ahrefs 推出面向营销团队的智能体工作空间 Letaido。它原生接入 Ahrefs 庞大的网页索引数据，可分配多步骤任务以自动化处理关键词研究与竞品监控。早期用户称原本耗时 40 小时的调研工作如今约 60 分钟即可完成。
Vivodyne 启用生物 AI 数据中心：年测 310 万次活体组织，替代动物实验
Vivodyne 启用号称全球最大的人体组织数据中心。其 HIVE 实验室可自动培育肝、肺等活体组织，并由 AI 闭环设计实验，年通量达 310 万次。最值得关注的是，它直接提供可规模化的真实人体因果数据，帮药企提前淘汰无效药物并减少动物实验。
Claude 升级 Chrome 侧边栏为 Cowork：跨端同步会话，支持网页自动化
Anthropic 将 Chrome 侧边栏扩展升级为 Claude Cowork。浏览器中的任务现可同步至桌面、网页和移动端继续处理。扩展还支持调用技能与连接器完成跨标签页填表和数据抓取。功能已向 Max 和 Team 用户开放，Pro 用户将在数周内跟进。
OpenAI 企业报告：头部企业 AI 输出飙至普通公司 8.3 倍
OpenAI 发布两份企业级 AI 采用报告，显示排名前 10% 的企业每活跃用户输出 token 达到普通公司的 8.3 倍。截至 6 月，Codex 已占企业总输出的 64%，智能体正从写代码迅速扩散到法务与销售等跨部门任务。
xAI 发布 Grok 4.6：主打长程智能体，综合成绩打平 GPT-5.6 Sol
xAI 发布 Grok 4.6，主打长程智能体与视觉交互开发。其综合智能指数打平 GPT-5.6 Sol，擅长自主完成多步编程并做自我校验，能直接把构想变成可用版本。模型现已上线 Cursor、Grok Build 及 API，首周提供双倍额度。
