BFL 推出 FLUX.1 Tools：支援重繪、擴圖與結構控制
BFL 釋出影像控制套件 FLUX.1 Tools，包含 Fill、Depth、Canny 和 Redux 四項功能。套件覆蓋區域性重繪、外延擴圖、結構引導與影像重混，提供開源權重與 API 服務。不過官方後續已棄用 Depth 與 Canny 的 API 支援。
AI工具 · 日報
週五
11月1日 星期五
Perplexity 上線選舉資訊中心：接入美聯社資料即時追蹤大選
Perplexity 上線選舉資訊中心，幫助選民查詢候選人立場、選票提案並追蹤即時大選結果。平臺接入了美聯社與 Democracy Works 的資料來源，回答均附帶信源以供核驗。面對敏感的政治議題，AI 搜尋引擎正試圖用權威信源降低生成幻覺的風險。
週四
10月31日 星期四
大模型版 Alexa 再度延期：開關燈總翻車，亞馬遜推遲至 2025 年
據彭博社報道，亞馬遜將大模型版 Alexa 推遲至 2025 年釋出。早期內測顯示新版回答囉嗦且響應遲緩，甚至連關燈、設鬧鐘等基礎家居操作都頻繁出錯。目前內測已被叫停，如何兼顧對話生成與穩定硬體控制成了最大瓶頸。
Perplexity 測試「Pro Shop」：在搜尋框裡直接下單還包郵
據 ADWEEK 報道，Perplexity 正在邀請部分使用者早期測試站內購物功能「Pro Shop」。符合條件的商品會標有「Buy with Pro」，使用者無需跳出平臺即可直接填寫地址下單，還承諾免運費。目前該功能僅面向少數使用者測試。
ElevenLabs 開源 X to Voice：分析 X 賬號生成專屬音色
上週，ElevenLabs 推出開源專案 X to Voice 並上線 Voice Design API。輸入任意 X 使用者名稱，系統會自動分析其簡介與發帖風格，生成對應提示詞與 3 個音色樣本，還能讓頭像對嘴型朗讀。開發者也能直接呼叫 API 為 AI 角色定製聲音。
Claude 推出桌面客戶端：移動端同步上線 10 分鐘語音聽寫
Anthropic 釋出 Claude 的 Mac 與 Windows 桌面客戶端公測版，免費與付費使用者均可使用。移動端（iOS 與 Android）則同步上線語音聽寫功能，單次最長可錄製 10 分鐘語音並轉寫回答。不過桌面端暫不支援聽寫，該功能也不是即時語音通話，更像發語音留言。
Claude 推出 Mac 與 Windows 桌面客戶端：支援快捷鍵撥出
Anthropic 正式推出 Claude 的 Mac 與 Windows 桌面客戶端公測版，免費與付費使用者均可使用。新客戶端支援通過快捷鍵隨手撥出，主打原生環境下的深度辦公體驗；同時移動端也上線了支援錄製最長 10 分鐘的語音聽寫功能。
Google 地圖與地球引入生成式 AI：把 2.5 億地點接進大模型
Google 為 Maps Platform 和 Google Earth 引入生成式 AI。開發者可將大模型與 2.5 億地點資料結合以保證事實準確；Google Earth 則接入 Gemini，將城市規劃分析從幾天壓縮到數分鐘。下月 Rivian 車機將上線地點 AI 摘要。
OpenAI 上線 ChatGPT search：直接聯網搜尋，附帶可靠信源引用
OpenAI 正式上線網路搜尋功能 ChatGPT search。系統會根據提問自動聯網抓取最新資訊，或由使用者手動觸發搜尋，並在回答下方提供信源側邊欄與連結。首批面向 Plus 和 Team 等訂閱使用者開放，未來將向免費使用者普及。
週三
10月30日 星期三
ChatGPT 高階語音登陸桌面端：Mac 和 Windows 都能即時對話了
OpenAI 宣佈將高階語音模式推送到 macOS 和 Windows 桌面應用。使用者可以直接用自然語音讓 AI 寫程式碼或討論分析上傳的檔案，並提供 5 種全新音色可選。不過目前該功能僅限 Plus 和 Team 付費使用者使用，且暫不支援歐盟和英國等地區。
Wonder Dynamics 推出新工具：多機位影片直接轉 3D 動畫場景
已被 Autodesk 收購的 Wonder Dynamics 推出新功能。它能將多機位實拍影片連同角色動作與機位運動，直接轉為可匯出的 3D 場景，並在 Blender、Maya 或 Unreal 中分層編輯。這對影視前期預覽相當實用，目前已在 Wonder Studio 開啟測試。
研究稱 OpenAI Whisper 頻發嚴重幻覺：部分測試虛構率達 80%
據美聯社報道，研究人員發現 OpenAI 的 Whisper 語音轉寫工具頻發「幻覺」，在密西根大學的一項測試中 80% 的音訊轉錄出現虛構內容，甚至憑空捏造醫療方案。儘管官方不建議用於高風險決策，但該模型已被廣泛接入醫療問診等場景。
週二
10月29日 星期二
App Store 將上線評價摘要：下載前一眼看清好評與差評
據 9to5Mac 報道，Apple 計劃在 App Store 頁面加入 AI 生成的使用者評價摘要，自動歸納高頻反饋與情緒，並隨新評論動態更新。該功能在雲端處理，先在部分地區向評價較多的應用開放，開發者若覺得摘要不準可提出申訴。
ChatGPT 網頁版支援搜尋歷史記錄：告別手動翻找舊對話
OpenAI 宣佈為 ChatGPT 網頁版上線聊天曆史搜尋功能。使用者可以直接在網頁端檢索過去的對話記錄，快速定位歷史聊天內容，免去了在側邊欄逐條翻找的麻煩。
微軟闢謠：並未偷偷安裝 Recall，完全可選且支援徹底解除安裝
針對社群關於 Windows 11 24H2 強制捆綁 Recall 的傳言，Microsoft 再次澄清該功能不僅是自願開啟，還允許使用者徹底解除安裝。專家指出當前系統殘留的引用只是微軟為了讓管理員更易移除該功能留下的空殼，目前測試版仍未正式推送。
Final Cut Pro 迎來 AI 功能：一鍵加特效、10 分鐘影片秒出字幕
Apple 在 M4 Mac mini 釋出影片中透露了 Final Cut Pro 的新特性。新版將支援利用 AI 快速新增影片特效，並引入「Transcribe to Captions」功能，幾秒內就能為 10 分鐘影片自動生成字幕。目前官方尚未公佈具體上線時間。
LinkedIn 推出首個招聘智慧體 Hiring Assistant：從草擬職位到初篩候選人
LinkedIn 推出首個 AI 智慧體「Hiring Assistant」，瞄準招聘業務。它能將簡單的筆記擴充套件為完整的職位描述，並按技能匹配並初篩候選人。目前已面向 AMD、Canva 等大企業開放，未來數月內將擴大推行。
GitHub Copilot 引入 Claude 3.5 Sonnet：寫程式碼也能選 Anthropic 了
Anthropic 宣佈 Claude 3.5 Sonnet 接入 GitHub Copilot，開發者可在 VS Code 和網頁端直接切換使用。該模型在 SWE-bench Verified 榜單領先，底層由 Amazon Bedrock 驅動，未來幾週向所有 Copilot 使用者開放公測。
週一
10月28日 星期一
Google 搜尋 AI 概覽推向 100 多個國家：月活將破 10 億
Google 宣佈將搜尋中的 AI 概覽功能推向全球 100 多個國家和地區，月活躍使用者預計超過 10 億。新版本還支援英語、日語、西班牙語等多語言自由切換，並在 AI 摘要內直接嵌入網頁連結。
Apple Intelligence 正式上線：寫作工具與新版 Siri 隨 iOS 18.1 推送
Apple 正式推送 iOS 18.1、iPadOS 18.1 與 macOS Sequoia 15.1，上線首批 Apple Intelligence 功能。首批功能包括全系統文本重寫與校對、全新發光外觀與支援打字輸入的 Siri，以及照片消除工具 Clean Up。不過目前僅限裝置和 Siri 語言設為美式英語時可用。
週日
10月27日 星期日
Coinbase 推出 Based Agent：3 分鐘搭一個會炒幣的 AI 智慧體
Coinbase 推出工具模板 Based Agent。使用者只要準備 Coinbase SDK 和 OpenAI 的 API 金鑰，就能在 3 分鐘內通過 Replit 建立一個自帶加密錢包的 AI 智慧體，自動處理交易、兌換與質押等鏈上操作。這意味著加密貨幣正在加速向「AI 管錢」演進。
週四
10月3日 星期四
Meta Ray-Ban 眼鏡迎來新 AI 功能：看到號碼就能撥號，還能記車位
Meta 開始向 Ray-Ban 智慧眼鏡推送韌體更新，上線多項此前釋出的新 AI 視覺功能。眼鏡現在能根據自然提問主動拍照解答，還能直接識別視線內的電話號碼撥號、掃二維碼，甚至充當記車位的記憶輔助工具。不過即時翻譯和即時影片 AI 尚未實裝。
Google 搜尋重大升級：Lens 支援拍影片提問，圈定即搜能聽歌識曲
Google 宣佈為搜尋和 Lens 帶來多項 AI 升級。現在使用者可以按住快門錄影片並同步語音提問，AI 能結合畫面作答；拍照時也支援直接開口提問。最值得關注的是搜尋方式從靜態文字徹底走向多模態。不過影片提問目前僅向 Search Labs 的英文使用者開放。
Captions 推出 AI 社交媒體管家：掃一遍網站，短影片全自動包辦
影片編輯工具 Captions 推出面向網站的 AI 社交媒體管理功能。它能自動抓取官網內容提煉賣點，結合時下趨勢生成排期，並直接用數字人生成適配 Reels 和 TikTok 的短影片。該功能面向每月 25 美元起的付費使用者開放。
OpenAI 上線 Canvas：不僅能聊天，還能並排改寫與除錯程式碼
OpenAI 推出新介面 Canvas，在獨立視窗中與使用者協同寫作與程式設計。它支援選中文本區域性修改、提供行內批註，並內建快捷選單一鍵調長度、捉蟲與轉換語言。這是 ChatGPT 問世以來的首個重大視覺互動升級，目前面向 Plus 與 Team 使用者開放。
週三
10月2日 星期三
Amazon 釋出新款 Fire HD 8：自帶生成式 AI，老款平板也能用
Amazon 釋出新款 Fire HD 8 平板，不僅把記憶體提升到 3GB，還塞進了生成式 AI 工具。新功能包括鍵盤內建的寫作輔助、Silk 瀏覽器的網頁摘要，以及用提示詞生成桌布。這些 AI 功能本月晚些時候也會下放給多款舊款 Fire 平板。
週二
10月1日 星期二
Rabbit R1 上線 LAM Playground：讓使用者自己教 AI 替自己上網
Rabbit 為 R1 推出跨平臺智慧體系統 LAM playground。使用者可以在雲端平臺 Rabbithole 訓練 R1 智慧體瀏覽網頁，比如自動在 Google 搜尋並在 Amazon 加購商品。雖然目前耗時約 45 秒且容易卡在驗證碼環節，但總算開始兌現最初畫下的餅。
Microsoft Paint 引入生成式填充與擦除：自帶畫筆改圖，照片支援 8 倍超分
Microsoft 宣佈為 Copilot Plus PCs 的 Paint 與 Photos 應用加入多項 AI 功能。Paint 新增類似 Photoshop 的生成式填充和擦除工具，塗抹區域即可增刪物體；Photos 則加入端側 8 倍超解析度放大。日常修圖基本不用再開專業修圖軟體了。
Bing 擴大生成式搜尋測試：複雜查詢直接給整合解答，上線美國
Bing 宣佈擴大生成式搜尋的測試範圍，開始覆蓋更多指導類和複雜資訊查詢。新介面不僅最佳化結果，還會將多方內容整合成結構化佈局，並附帶引用來源。該體驗目前仍處於測試階段，僅在美國開放，可通過特定關鍵詞或「Deep search」按鈕觸發體驗。
微軟升級 Copilot+ PC：螢幕隨時 Click to Do，Recall 變可選並加鎖
微軟為 Copilot+ PC 帶來一批端側 AI 功能。此前備受爭議的 Recall 改為預設關閉且必須通過 Windows Hello 解鎖；系統還新增了全域性互動工具 Click to Do、離線自然語言檔案搜尋，以及照片 8 倍超分。新功能 10 月起向 Windows Insider 使用者分批推送。
Adobe 更新 Elements 2025：一鍵消除和景深虛化下放，買斷制 100 美元
Adobe 釋出 Photoshop Elements 和 Premiere Elements 2025，加入類似「魔術橡皮擦」的一鍵消除、AI 景深模擬與動態標題等功能。兩款工具面向業餘愛好者，單款買斷價 100 美元，不用訂閱就能體驗下放的專業修圖與剪輯能力。
OpenAI 上線模型蒸餾套件：用前沿大模型一鍵微調小模型
OpenAI 宣佈在 API 平臺推出模型蒸餾套件，將資料儲存、評測和微調整合到同一工作流中。開發者可以直接捕獲大模型的輸出作為資料集，用於訓練和測試更具成本效益的小模型，大幅簡化以往跨多工具手動流轉的複雜過程。
微軟全面改版 Copilot：加入即時語音與能看懂網頁的 Vision
微軟全面改版 Copilot，新增支援自然交談的語音功能，並在實驗區推出能即時看懂網頁的 Copilot Vision 和深度推理模式 Think Deeper。早播新聞也開始採用授權媒體內容。目前 Vision 等實驗功能僅面向部分英語區使用者測試。
Wondershare 釋出 Filmora 14：一鍵切高光短片，自帶 AI 調色和口型同步
Wondershare 推出剪輯軟體 Filmora 14。新版本主打「智慧短片」，能一鍵把長影片切成帶字幕和特效的短影片，還加了 AI 影片增強、口型同步翻譯等十餘項 AI 工具，並引入多機位剪輯和平面追蹤。
週一
9月30日 星期一
Google 簡化 AI Studio 移動端：介面更清爽，模型直接放最前
Google 推出了大幅簡化的 Google AI Studio 移動端體驗。此次更新清理了介面中的雜亂元素，直接將模型放在最前端，讓開發者在手機上也能更直接、更順暢地體驗和測試各種模型。
索尼聯手樹莓派推出 AI 相機：搭載 IMX500 晶片，售價 70 美元
Sony 與樹莓派聯合釋出 Raspberry Pi AI Camera，售價 70 美元。它搭載索尼 IMX500 感測器，支援直接在晶片內執行視覺神經網路，相容全系樹莓派主機板。開發者無需額外加裝 GPU，開箱即可配合經典庫執行物體識別模型。
週日
9月29日 星期日
Mileseey 推出 AI 高爾夫測距儀：不僅算坡度，還能看風速氣壓
Mileseey Golf 推出號稱全球首款的 AI 高爾夫測距儀 GenePro S1。它除了計算高低差，還能結合溼度、風力、氣溫和氣壓自動補償擊球距離，果嶺測距精度達到釐米級。售價 799.99 美元，相當於把職業球童的環境分析能力做進了手持裝置。
週五
9月27日 星期五
繞過系統限制：網友誘導 ChatGPT 高階語音合唱披頭士老歌
據 Ars Technica 報道，一名開發者通過設計和絃猜歌互動，成功誘導剛上線不久的 ChatGPT 高階語音模式（AVM）開口合唱披頭士的《Eleanor Rigby》。OpenAI 原本在系統指令中明確禁止 AVM 唱歌或哼唱，以規避版權風險，但這次意外的「越獄」證明它其實掌握旋律與音準。
微軟重啟 Windows Recall：預設關閉，還要刷臉才能解密
Microsoft 宣佈徹底重構 Windows Recall 的安全架構。這項每 5 秒截圖並用 AI 索引的工具改為預設關閉，資料關進安全飛地，必須通過 Windows Hello 驗證本人在場才能即時解密。使用者甚至可以將其徹底從系統解除安裝。
Azure AI 正式開放 GPT-4o 微調，並上線 Llama 3.2
微軟宣佈在 Azure OpenAI 服務中正式向所有使用者開放 GPT-4o 與 GPT-4o mini 的微調功能。平臺還同步引入了 Meta 的 Llama 3.2 視覺模型、Phi-3.5 系列以及即時修正幻覺的 Correction 工具，主打企業定製與安全合規。
Gmail 迎來 Gemini 升級：智慧回覆能讀懂整封郵件，不再只會回「收到」
Google 開始向 Android 和 iOS 版 Gmail 推送由 Gemini 驅動的上下文智慧回覆。新功能會結合整封郵件上下文生成更具體、更完整的回覆，包含問候語與簽名。不過目前僅面向 Gemini 或 Google One AI Premium 付費訂閱使用者開放，且只支援英文。
週四
9月26日 星期四
NotebookLM 升級：支援匯入 YouTube 與音訊，播客可一鍵分享
Google 宣佈 NotebookLM 支援匯入公開 YouTube 連結和音訊檔案，並可一鍵生成連結分享 Audio Overview。匯入影片後可直接檢視轉錄並交叉對比要點。目前 Workspace 企業使用者暫未開放該分享功能。
Airtable 轉型企業級 AI 平臺：上線應用庫與支援億級資料的 HyperDB
週四，Airtable 宣佈升級為企業級 AI 平臺，推出 App Library 與支援超 1 億條資料的 HyperDB。新功能主打將 AI 嵌入具體業務工作流，支援數千項任務並行處理，讓企業跳出簡單的聊天框，把大模型真正用進日常自動化中。
週二
9月24日 星期二
微軟推 AI 糾錯功能：不僅能抓幻覺，還能趕在使用者看到前改寫
微軟在 Azure AI Studio 上線「糾錯」預覽功能。它能把 AI 生成內容與源材料比對，自動指出錯誤並在輸出給使用者前完成改寫。不過微軟也坦言，糾錯機制本身依賴模型對齊，依然有出錯可能。
因抄襲蘋果被下架後，Figma 重啟 AI 生成工具 First Draft
Figma 重新上線此前被叫停的 AI 應用生成功能，並更名為 First Draft。新版增加了線框圖等 4 套設計庫供挑選，支援更低偏見的原型生成。它利用 GPT-4 和 Amazon Titan 等現成模型組裝設計元件，目前正進行限量測試。
Spotify 上線 AI Playlist：打一句提示詞，定製 30 首歌
Spotify 將生成式「AI Playlist」功能擴充套件至美國和加拿大等地的 Premium 使用者。使用者在應用內輸入任何提示詞，AI 就能自動生成 30 首歌的專屬歌單，還能輸入後續要求微調風格。該功能目前仍處於測試階段。
Snapchat 接入 Google Gemini：My AI 具備圖文視聽多模態理解
Snapchat 宣佈接入 Google Gemini，讓聊天機器人 My AI 具備多模態能力，可理解文字、音訊、圖片與影片。使用者能直接拍路牌求翻譯、拍選單挑健康餐。接入 Gemini 後，該功能在美互動量增長超 2.5 倍。
Duolingo 推出 AI 視訊通話與探索小遊戲，還能跟 Lily 即時嘮嗑
在 Duocon 2024 上，Duolingo 推出 Video Call 功能與 Adventures 探索小遊戲。Duolingo Max 訂閱使用者能直接與角色 Lily 展開自適應難度的即時對話，首發支援英語、西語與法語；小遊戲則把點咖啡等現實場景做成互動探索，降低開口門檻。
