Google 低調上線 AI Edge Gallery：手機直接離線跑大模型
上週，Google 低調上線實驗性應用 Google AI Edge Gallery，允許使用者在 Android 手機上離線下載並執行來自 Hugging Face 的開源模型。它包含影像問答、對話與 Prompt Lab 除錯功能，所有計算均在端側完成，後續還將支援 iOS。
AI工具 · 日報
週六
5月31日 星期六
週五
5月30日 星期五
Gmail 升級 Gemini 摘要：長郵件自動提煉要點，收到新回覆即時更新
Google 宣佈 Gmail 中的 Gemini 將自動為長郵件生成摘要卡片，直接在郵件頂部列出核心要點，且隨新回覆即時更新。首期僅支援英文郵件，除歐盟、英國和日本等預設關閉外，其他地區若不想使用需在設定中手動關閉。
ElevenLabs 接入 Claude Sonnet 4：即時語音終於不卡殼了
ElevenLabs 宣佈在 Conversational AI 平臺接入 Anthropic 的 Claude Sonnet 4 模型。新模型主打複雜指令遵循與極低延遲，能在即時語音中保持長上下文記憶並穩定呼叫外部工具。開發者在控制台選擇該模型後，即可通過單行程式碼部署更自然的語音智慧體。
週四
5月29日 星期四
Azure AI Foundry 上線影片演練場：直接上手 Sora 並匯出程式碼
Microsoft 推出 Azure AI Foundry 影片演練場，首發接入 Azure OpenAI 的 Sora 模型。開發者可在網頁端除錯提示詞並調整解析度和時長，還能一鍵匯出 Python 等多語言呼叫程式碼轉入 VS Code 開發。
Perplexity 上線 Labs：不僅能搜，還能花 10 分鐘直接寫報表做網頁
Perplexity 面向每月 20 美元的 Pro 使用者推出 Perplexity Labs。與常規搜尋不同，Labs 能執行耗時 10 分鐘以上的複雜任務，結合即時檢索與程式碼執行，自動生成分析表格、儀表板甚至可互動的迷你網頁應用。Perplexity 正加速從搜尋引擎轉向能實際幹活的 AI 助理。
ManusAI 推出 Manus Slides：單條提示詞生成整套簡報
ManusAI 推出 AI 簡報工具 Manus Slides。輸入一句提示詞即可生成整套結構化幻燈片，支援點選微調以及匯出或共享。這意味著不用再從空白模板死磕排版，一句話就能把想法快速變成彙報膠片。
ElevenLabs 升級對話式 AI：支援語音與文字混著用，報郵箱不再靠嘴念
ElevenLabs 宣佈為 Conversational AI 平臺引入文本與語音多模態支援。AI 智慧體現在可以同時接收並處理說話與打字輸入，使用者在同一場對話中既能口頭交流，也能在輸入郵箱、卡號等易錯資訊時切換為文字輸入，以此降低純語音互動的識別錯誤率。
週三
5月28日 星期三
Google Photos 升級編輯器：Pixel 獨佔的 AI 修圖功能放給所有人
Google 為慶祝 Google Photos 十週年推出全新編輯器。原先 Pixel 獨佔的「Reimagine」（提示詞重繪背景）和「Auto Frame」（AI 自動構圖與補全）正式下放給全體使用者。新版將於下月起面向全球 Android 裝置推送，iOS 隨後在今年晚些時候跟進。
Factory 正式上線 Droids：自主軟體開發智慧體開放全員使用
Factory 宣佈自主軟體開發智慧體 Droids 開放通用訪問。它能整合 GitHub、Slack、Linear、Notion 和 Sentry 等完整工程鏈路，利用全流程上下文自主編寫生產級程式碼，並支援本地同步與遠端非同步兩種協作模式。
ElevenLabs 推出批次外呼：AI 語音智慧體可併發撥打數百通電話
ElevenLabs 為 Conversational AI 平臺上線批次外呼功能。使用者可上傳表格匯入聯絡人並注入動態變數，藉助 Twilio 或 SIP 線路同時併發撥打數百通個性化語音電話，用於通知提醒或問卷調查，支援 API 呼叫及即時監控。
Opera 公佈 Opera Neon：能替你上網辦事的智慧體瀏覽器
Opera 宣佈推出面向智慧體網路的瀏覽器 Opera Neon。它不僅能陪你瀏覽網頁，還能替你上網瀏覽並自主執行操作來完成任務。目前該瀏覽器處於邀請測試階段，已開放候補名單申請。
Google Drive 接入 Gemini：雙擊影片即可一鍵生成總結與待辦
Google 為 Google Drive 推出 Gemini 影片理解功能。使用者雙擊開啟網盤裡的影片，點選右上角的「Ask Gemini」即可直接生成總結、提取會議待辦事項或亮點。該功能面向 Google One AI Premium 及 Workspace 付費使用者逐步開放，前提是需開啟影片字幕。
週二
5月27日 星期二
Claude 終於能說話了：移動端上線語音模式，接入 Sonnet 4
Anthropic 宣佈在 Claude 移動端測試語音模式，由 Sonnet 4 驅動。新功能提供 5 種聲音風格並支援即時轉錄，付費使用者還能聯動 Google Workspace。該功能將在幾週內先向英語使用者開放，免費使用者每月可發 20 至 30 條語音。
The Browser Company 停更 Arc：過於複雜，全面押注 AI 瀏覽器 Dia
The Browser Company CEO 發文解釋停更 Arc 瀏覽器的原因。他表示 Arc 機制過於複雜且難成主流，公司決定將重心全面轉向以 AI 為核心的 Dia 瀏覽器。Arc 未來僅保留安全與維護更新，因與 Dia 共用底層架構，暫不開源或出售。
Mistral 推出 Agents API：原生整合 MCP，支援多智慧體協同
Mistral AI 正式上線 Agents API。新介面內建程式碼沙盒、聯網搜尋與生圖等聯結器，原生相容 MCP 協議，並支援會話狀態分支管理與多智慧體分工交接。也就是說，開發者無需從頭搭底座，就能直接用 Mistral 模型開發企業級智慧體。
週一
5月26日 星期一
Microsoft Copilot 接入 GPT-4o 生圖：消費版上線，文字渲染更清晰
Microsoft 將 OpenAI 的 GPT-4o 影像生成能力引入消費版 Copilot。使用者無需外部設計工具，在 Word、Excel 等應用中輸入文字即可生成高擬真圖片，支援風格調整和圖片內文字渲染。該功能上月已面向企業開放，現全面推向普通使用者。
週四
5月22日 星期四
微軟更新 Windows 自帶工具：畫圖支援生圖，記事本能寫正文
Microsoft 開始向 Windows 11 Insider 使用者推送畫圖、截圖工具與記事本更新。畫圖新增貼紙生成和智慧摳圖，截圖工具支援 AI 智慧貼合選區，記事本則直接內建 AI 寫作功能。部分影像功能僅限 Copilot+ PC 專屬。
Anthropic 為 API 增加 Agent 工具：支援程式碼執行、MCP 與 1 小時快取
Anthropic 在 API 上線四項智慧體新能力公測，包括沙盒 Python 程式碼執行、直連遠端 MCP 伺服器、跨會話檔案儲存 Files API 及最長 1 小時的 Prompt 快取。開發者無需自建基建，就能讓 Claude 連續分析資料和呼叫外部工具。
週三
5月21日 星期三
xAI 推出 Live Search API：讓 Grok 聯網搜 X 與全網，限時免費公測
xAI 推出 Live Search API 公測版。Grok 現在能即時檢索 X 平臺動態、全網網頁以及熱點新聞。最值得關注的是，該介面目前限時免費開放公測，開發者可直接呼叫文件接入聯網搜尋功能。
OpenAI 升級 Responses API：支援遠端 MCP 與程式碼直譯器，o 系列可在思考中呼叫
OpenAI 升級智慧體開發介面 Responses API，原生支援遠端 MCP 協議伺服器、gpt-image-1 影像生成與程式碼直譯器。o3 和 o4-mini 現在能在思維鏈內部直接呼叫工具並保留推理 token，大幅降低開發成本與延遲。OpenAI 還宣佈加入 MCP 指導委員會。
Shopify 上線 AI 建站工具：一句話生成網店，Sidekick 獲語音支援
Shopify 推出多項 AI 工具，包括支援單條提示詞直接生成完整店面的 AI 建站功能，以及內建 AI 調節能力的新主題 Horizon。其商業助手 Sidekick 也加入語音通話與螢幕共享功能，並正式上線移動端。
Perplexity 上線 Pro Perks：送品牌福利，還接入 PitchBook 專業資料
Perplexity 宣佈上線 Pro Perks 會員權益，並整合 Statista、PitchBook 和 Wiley 等專業資料來源。Pro 會員可享受 Cursor、Visa 等合作方優惠，全員還能按月獲得專業資料搜尋額度。AI 搜尋正把以往昂貴的企業級資料直接交到普通人手裡。
週二
5月20日 星期二
Google 升級 Workspace：郵箱支援自然語言清理，幻燈片一鍵轉影片
Google 在 I/O 2025 上為 Workspace 推出多項 AI 功能。Gmail 支援用自然語言指令批次清理郵件，並結合網盤提供個性化回覆；Docs 可限定僅引用指定資料寫作；Vids 則新增 PPT 轉影片與 AI 數字人出鏡。Docs 引用功能即日上線，其餘功能未來數月開放。
Google 程式設計智慧體 Jules 開啟公測：非同步改程式碼，還能聽更新
Google 宣佈自主程式設計智慧體 Jules 開啟公開測試，全球免排隊免費體驗。它由 Gemini 2.5 Pro 驅動，直接接入 GitHub 倉庫在雲端獨立改程式碼、提 PR，甚至生成語音版更新日誌。開發者不用盯著它，扔進後臺就能併發幹活。
Google 推出 Google Beam：Project Starline 變身 AI 3D 視訊通話平臺
Google 宣佈將 Project Starline 升級為 3D 影片通訊平臺 Google Beam。它利用 AI 體積影片模型把普通 2D 畫面即時轉成 3D 效果，無需佩戴頭顯。首批 HP 合作硬體將在 InfoComm 亮相，並於今年晚些時候面向部分企業交付。
Google 升級 AI 購物：傳全身照就能虛擬試衣，還能讓 AI 代下單
Google 推出 AI Mode 購物新體驗。使用者上傳一張全身照片，定製影像模型就能把服裝貼合身材「穿」在自己身上；配合新的 Agent 結賬，還能設定預算讓 AI 在降價時自動下單。虛擬試衣已在美國 Search Labs 上線。
Google 升級 Gemini：Live 視覺功能免費，內建 Veo 3 與 Imagen 4
Google 宣佈 Gemini 應用迎來重大更新：Gemini Live 的攝像頭與螢幕共享功能面向所有移動端免費開放，預設模型換成 2.5 Flash。應用內還直接接入了 Imagen 4 以及原生支援音效與對白的新影片模型 Veo 3，並推出每月 249.99 美元的 Ultra 訂閱檔位。
Google 推出 SynthID Detector：一鍵檢測文本、影像與音影片中的 AI 水印
Google 推出驗證門戶 SynthID Detector，可一站式檢測文本、音訊、影像和影片中是否嵌入了 SynthID 水印，並圈出具體片段。目前已圈定超 100 億件內容的水印，正先面向記者、媒體和研究人員開放候補申請。
Google 公佈通用 AI 助理願景：Gemini 邁向世界模型，智慧體多工並行
Google 公佈通用 AI 助理願景，計劃將 Gemini 2.5 Pro 擴充套件為能理解並模擬現實的「世界模型」。此外，Gemini Live 將加入計算機控制能力，瀏覽器智慧體 Project Mariner 也升級為可同時執行多達 10 項任務，已面向美國訂閱使用者開放。
Google NotebookLM 迎來大更新：不僅能做播客，還能把筆記變「影片概覽」
Google 在 I/O 大會上宣佈 NotebookLM 將上線「影片概覽」功能，能把筆記、PDF 和圖片轉成視覺化演示。原有的 AI 播客功能也支援自定義長短。此前一天，NotebookLM 的 iOS 和 Android 客戶端已正式上線。
Amazon Music 測試 Explore：用 AI 幫你深挖歌手合作與生成歌單
Amazon Music 宣佈測試名為「Explore」的 AI 搜尋功能。使用者搜尋歌手後，AI 會整理其合作曲目、關聯藝人和代表作，並支援一鍵生成 AI 歌單。該功能目前面向美國部分 iOS 訂閱使用者灰度測試，支援約 1 萬名歌手。
週一
5月19日 星期一
Google 推出 NotebookLM 移動端：支援離線聽播客、隨時匯入資料
Google 正式在 Android 和 iOS 推出 NotebookLM 移動應用。使用者可離線或在後臺收聽 Audio Overviews，還能點選 Join 與主持人互動提問，或通過手機系統分享一鍵匯入網頁和 PDF。通勤路上消化複雜資料終於順手了。
GitHub Copilot 推出全新程式設計智慧體：分個 Issue 給它，後臺自動提 PR
GitHub Copilot 推出全新程式設計智慧體。開發者只需將 GitHub issue 分配給 Copilot，它便會在 GitHub Actions 後臺自動分析程式碼並提交草稿 PR。該智慧體支援 MCP 協議與影像輸入，且生成的程式碼必須經人工稽核才會觸發 CI/CD。
Microsoft Edge 內建 Phi-4-mini：網頁開發者可直接呼叫本地 AI API
Microsoft 在 Build 2025 上宣佈將 Phi-4-mini 模型直接內建進 Edge 瀏覽器，並推出 Prompt 與文本輔助等實驗性 AI API。這意味著開發者無需搭建後端模型即可在網頁中執行端側 AI，兼顧隱私與成本；同時 Edge 還上線了 PDF 全文翻譯，並在側邊欄打通了 Copilot 智慧體。
微軟升級 Outlook 與 Copilot：郵件附件能直接出摘要，開會前先看簡報
Microsoft 在 Build 開發者大會上為 Outlook 和 Microsoft 365 推出多項 Copilot 功能。Outlook 現已支援直接生成搜尋結果與郵件附件摘要，並在開會前彙總相關背景任務；同時 Copilot Pages 登入移動端，支援一鍵轉為 Word 文件。
微軟釋出 Windows AI Foundry：原生支援 MCP，WSL 正式開源
Microsoft 在 Build 2025 上推出 Windows AI Foundry，統一管理端側與雲端模型。Windows 11 將原生支援 MCP 協議，讓 AI 智慧體直接呼叫本地系統應用；同時官方宣佈開源 WSL，併為端側小模型 Phi Silica 帶來 LoRA 微調。
Microsoft 釋出 Discovery：用多智慧體加速企業科研與材料研發
Microsoft 在 Build 2025 上釋出面向企業 R&D 的智慧體平臺 Microsoft Discovery。該平臺結合圖知識引擎與專業智慧體團隊，由 Copilot 統籌排程，打通假說提出到 HPC 模擬全流程。微軟團隊用它僅耗時 200 小時便篩選出新型資料中心冷卻液原型。
Salesforce 在 Slack 上線 Agentforce：把智慧體變成「數字隊友」
週一，Salesforce 宣佈在 Slack 中推出 Agentforce，讓企業能部署專攻特定任務的「數字隊友」。這些智慧體不僅能聊天，還能跨系統執行多步工作流，6 月 12 日起還將提供入職和員工支援等模板。這意味著企業 AI 正從全能助手走向幹具體活的專用智慧體。
週五
5月16日 星期五
Runway 開放 Gen-4 Image API：每張 0.08 美元，支援參考圖生成
Runway 正式開放 Gen-4 Image API，允許開發者將包含 References 參考圖能力的多模態影像生成接入自身產品。生成單張圖片定價 0.08 美元，支援虛擬試衣、遊戲資產即時生成與室內設計等場景。
OpenAI 推出程式設計智慧體 Codex：雲端沙箱並行幹活，自動跑測試提 PR
OpenAI 推出雲端軟體工程智慧體 Codex 研究預覽版，搭載專為寫程式碼最佳化的 codex-1 模型。它在獨立的雲沙箱中並行處理修 Bug、加功能與跑測試等任務，通常耗時 1 至 30 分鐘。這意味著開發者能將耗時的瑣事徹底甩給 AI 非同步執行。首發面向 ChatGPT 付費企業與 Pro 使用者。
Acer 殺入 AI 穿戴：推出免訂閱智慧戒指，翻譯耳機單人戴就能聊
在 Computex 2025 上，Acer 旗下 Acer Gadget 推出鈦合金健康指環 FreeSense Ring 與翻譯耳機 AI TransBuds。戒指主打所有健康資料免收訂閱費；耳機只需單人佩戴，連線接收器即可實現 15 種語言的雙向即時語音翻譯與字幕轉錄。
週四
5月15日 星期四
ElevenLabs 推出 SB-1 無限音效板：文字即時生成音效，適配直播與遊戲
ElevenLabs 推出 SB-1 Infinite Soundboard。使用者輸入幾句文字即可用 AI 生成自定義音效，支援多音效同時播放與迴圈，可儲存預設用於遊戲和 Discord 直播。這讓創作者告別了翻找音效素材庫的繁瑣操作。
Google 升級無障礙功能：Gemini 能解答全屏內容，字幕還能聽出情緒
Google 配合全球無障礙宣傳日更新 Android 與 Chrome。TalkBack 螢幕閱讀器接入 Gemini，支援對圖片及整個螢幕直接追問細節；即時字幕新增語調長短和咳嗽、口哨等聲音標籤。最值得關注的是，AI 正在把無障礙從文字轉寫推向深層語境理解。
週三
5月14日 星期三
Windows 測試「Hey Copilot」喚醒詞：電腦解鎖就能隨時喊出 AI 語音
Microsoft 開始向 Windows Insider 成員推送 Copilot 應用更新，新增「Hey, Copilot」語音喚醒詞。在電腦解鎖狀態下，使用者無需手動點選即可隨時開啟語音對話。喚醒詞識別完全在本地執行，預設關閉，目前僅支援英語。
CodeRabbit 上線 IDE 外掛：在 VS Code、Cursor 審查程式碼完全免費
CodeRabbit 宣佈將其 AI 程式碼審查直接整合到 VS Code 及 Cursor、Windsurf 等分支中，且 IDE 端功能完全免費。它能在提交前即時逐行找 Bug，支援一鍵修復或聯動現有 AI Agent 改寫，相比原先的 PR 審查更快也更輕量。
Perplexity 聯手 PayPal：直接在搜尋框裡下單付款
Perplexity 宣佈與 PayPal 合作推出智慧體電商。從今年夏天起，美國 Perplexity Pro 使用者在搜尋商品、訂旅行或買票時，可以直接在對話介面用 PayPal 或 Venmo 一鍵結賬，無需跳轉外部網站。
YouTube 推出 Peak Points：用 Gemini 抓取高光時刻插播廣告
YouTube 在 Brandcast 2025 上宣佈推出基於 Gemini 打造的廣告工具 Peak Points。它能自動識別熱門影片中最具吸引力的「高光」節點，把品牌廣告插在觀眾注意力最集中的時刻。活動還同步推出了電視大屏無邊框廣告與邊看邊買功能。
Google 測試首頁新佈局：AI Mode 上位，告別「手氣不錯」按鈕
Google 在首頁測試將經典的「手氣不錯」按鈕替換為 AI Mode 按鈕。使用者點選後不再跳轉傳統連結，而是進入獨立頁面檢視長篇 AI 回答。Google 表示這只是持續實驗中的一部分，尚未決定是否作為永久調整。
週二
5月13日 星期二
Google 全面鋪開 Gemini：手錶、車機、電視和 XR 裝置都要上
Google 在 Android Show 上宣佈，Gemini 即將進駐 WearOS 手錶、Android Auto 車機和 Google TV。車機不僅能精準找路還能即時翻譯簡訊，手錶支援脫離手機語音操作。此外 Google 還聯手三星打造 Android XR 平臺，預計今年晚些時候隨新品一同亮相。
Vectara 推出幻覺糾正器：將企業 AI 幻覺率壓低至 0.9%
Vectara 推出直接整合在其服務中的 Hallucination Corrector，配合自家的 HHEM 評估模型，在檢測出錯誤時自動給出原因並完成精準修正。測試顯示，該工具能將企業 AI 系統的幻覺率壓到約 0.9%，解決推理模型幻覺偏高的問題。
Qwen Chat 上線 Deep Research：深度研究向所有人開放
阿里旗下 Qwen Chat 宣佈 Deep Research 功能結束測試，正式向所有人免費開放。使用者提出寬泛主題後，系統會主動提問縮小範圍，隨後自動調研並輸出結構化報告。說白了，人人都能用的深度研究 Agent 時代正加速到來。
Notion 上線 AI 會議轉錄：打「/meet」邊錄音邊記筆記
Notion 推出 AI 會議記錄功能。使用者在 Mac 客戶端輸入「/meet」即可捕獲系統音訊轉錄，邊錄邊手動記筆記，會後自動生成結構化摘要，支援中英等十幾種語言。同時還推出了企業跨應用搜索與結合推理模型的研究模式。
Spotify 升級 AI DJ：支援直接語音點歌、隨時切換曲風
Spotify 為 AI DJ 加入語音互動功能，使用者長按 DJ 按鈕就能直接說話點歌、換流派或調整情緒。這項功能目前支援英語，已向 60 多個市場的 Premium 訂閱使用者推出。過去只能單向聽它播放和解說，現在終於能即時插話提要求了。
Audible 推出 AI 聽書製作工具：提供 100 多種音色，還能跨語言克隆聲線
Audible 面向出版商推出 AI 製作方案，提供 100 多種英、西、法、意多口音 AI 音色，支援託管與自助生產。今年晚些時候還將測試 AI 翻譯，包括能保留原配音聲音與風格的語到語翻譯。音訊製作門檻將大幅降低。
