Google 瞄準 7 月推 Gemini 3.5 Pro：競品受限下的視窗期
據報道，Google 預計 7 月推出 Gemini 3.5 Pro。在美國政府針對網路安全能力的非正式審查下，Anthropic 的 Fable 5 仍被強制下線，OpenAI 的 GPT-5.6 亦受限分發。未越過安全紅線的 Gemini 3.5 Pro 憑藉 200 萬 token 上下文，迎來了難得的釋出視窗。
AI 日報：今天的 AI 新聞
週一
6月29日 星期一
OpenAI 預告 Codex 專屬硬體：聯手 Work Louder 做宏按鍵裝置
OpenAI 釋出預告，將於 7 月 15 日聯合外設廠商 Work Louder 推出專為 AI 程式設計工具 Codex 打造的硬體裝置。影片展示了一個類似 Creator Micro 2 的方形宏按鍵小裝置。最值得關注的是，開發者未來或可通過實體按鍵直接觸發 Codex 快捷指令。
Google 開放 Gemini 個性化生圖：連通相簿，免傳照片畫出自己
Google 宣佈向符合條件的美國使用者免費開放 Gemini 個性化影像生成。授權後，它可呼叫 Gmail 與 Google 相簿等資料，直接根據真實相簿與偏好生成專屬影像，無需手動傳圖。該功能需使用者主動開啟，可在設定中隨時調整。
Google Meet 上線 AI 筆記：Gemini 替你即時聽寫、抓待辦
Google 宣佈面向 Google AI Pro 和 Ultra 訂閱者推出 Meet 的「幫我記筆記」功能。Gemini 會在後臺即時轉寫討論並提煉行動項，會後自動將筆記存入 Google 雲端硬碟併發送郵件總結。開啟時所有參會者都會收到提醒。
ComfyUI 釋出 Comfy MCP：不用手動連節點，讓 AI 智慧體直接跑工作流
ComfyUI 開啟 Comfy MCP 公開測試，讓 Claude 等 AI 智慧體能直接接入 ComfyUI。使用者用自然語言即可讓智慧體自主搜尋模型、搭建並執行影像與影片工作流，免去手動連線和配節點。目前處於公測階段，支援免費接入試用。
Firefly 聯手 NVIDIA：2026 年底將 Jetson 邊緣 AI 送上月球軌道
NVIDIA 宣佈 Firefly Aerospace 計劃在 2026 年底的 Blue Ghost 2 任務中，首次將 NVIDIA Jetson 邊緣 AI 送入月球軌道。飛行器將在太空中直接用 AI 分析月表影像，無需回傳海量原始資料，將分析耗時從數週壓縮至近即時。
Anthropic 聯手加州政府：Claude AI 半價進機關，附帶網路安全合作
加利福尼亞州州長 Gavin Newsom 宣佈與 Anthropic 建立合作，為加州各州級機構及地方政府以五折優惠提供 Claude AI 服務。合作還包含網路安全防護內容，旨在強化公共部門防線。這意味著前沿大模型正加速向地方公共治理滲透。
ViDiHand 重建 3D 手部動作：借影片擴散模型搞定嚴重遮擋
研究團隊公佈 ViDiHand，利用預訓練影片擴散模型從影片中精確重建 3D 雙手動作。它無需額外的手部檢測器，即使手指嚴重互遮或部分出畫也能穩定還原，為人形機器人和具身智慧訓練提供了高精度的互動資料。
Cursor 推出 iOS 版公測：手機也能調遣 AI 智慧體寫程式碼、合 PR
Cursor 推出原生 iOS 版公測，向付費訂閱使用者開放。開發者不僅能在手機端啟動雲端智慧體或遠端操控電腦，還支援語音輸入、鎖屏即時提醒及直接合並 PR。7 月 5 日前移動端執行 Composer 2.5 享 25 折。
開發者開源太陽方向 LoRA：用一顆參考球隨意調整 AI 生圖光照
開發者 eric-venti-seeds 開源了適配 FLUX.2-klein-9B 的 Sun Direction LoRA。使用者只要在工作流中放入一顆光照參考球，就能精準指定室外場景的太陽仰角與旋轉方向。該方案先將畫面轉為無定向光的陰天基底再重新打光。
Meta 推出 Brain2Qwerty v2：無需開顱，腦電打字詞準確率達 61%
Meta 推出非侵入式腦機介面系統 Brain2Qwerty v2 並開源完整訓練程式碼。該系統無需開顱手術，僅通過穿戴式 MEG 裝置採集腦磁訊號並結合大語言模型解碼，將打字詞準確率拉昇至 61%（最佳達 78%），大幅逼近侵入式腦機介面水平。
Anthropic 推出 Claude Apps Gateway：打通 Bedrock 與谷歌雲，支援企業統一管控
Anthropic 推出 Claude Apps Gateway，支援 Amazon Bedrock 和 Google Cloud。企業可將其作為無狀態容器私有化部署，提供企業級 SSO 登入、集中策略管理、按使用者成本核算及消費上限控制，免去逐臺分發憑證的繁瑣。
Anthropic 接入微軟 Foundry：Claude 模型正式上線 Azure
Anthropic 宣佈 Claude 模型在 Microsoft Foundry 全面可用。企業可通過 Azure 直接呼叫 Claude Opus 4.8 和 Claude Haiku 4.5，支援提示詞快取與擴充套件思考。呼叫消耗直接計入現有 Azure 統一賬單，由輝達 GB300 GPU 驅動。
週日
6月28日 星期日
微軟開源 Resource2Skill：把教程影片蒸餾成 Agent 能跑的技能庫
微軟開源 Resource2Skill，能將教程影片、程式碼與文章自動蒸餾為智慧體可呼叫的執行技能。提取的技能包含程式碼與視覺示例，掛載在 MCP 伺服器上，支援智慧體自主產出網頁、PPT、Excel 及 Blender 場景，實測效能提升 11.9 個百分點。
xAI 開啟 Grok 4.5 內測：1.5 萬億引數基座，表現直逼 Opus
Elon Musk 宣佈 Grok 4.5 在 SpaceX 和 Tesla 開啟內測。該模型基於 1.5 萬億引數的 V9 基座，並在補充訓練中引入了 Cursor 資料，早期評測表現接近甚至超越 Claude Opus。目前強化學習仍在持續迭代該模型。
HP 聯手 OpenAI：全面部署 Frontier，一人幾週搞定 122 次 PR
HP 宣佈擴大與 OpenAI 的 Frontier 戰略合作。自 2026 年 2 月測試以來，HP 一名工程師在數週內完成了 43 個專案的 122 次 PR，安全團隊更在一天內修好多處以往需耗時一個月的漏洞。接下來，AI 將全面接入客服與十萬級合作伙伴體系。
週六
6月27日 星期六
BrowserBC 開源：把網頁操作提煉為「技能卡」，做 Agent 版按鍵精靈
Einsia AI 旗下 Navers Lab 開源 BrowserBC。它先完整錄製人類在瀏覽器中的操作與頁面反饋，再由模型轉寫成說明書式的自然語言「技能卡」，供任意智慧體在真實頁面上自主執行，而非死板復刻點選座標，相當於 Agent 時代的「按鍵精靈」。
週五
6月26日 星期五
OpenAI 開啟 GPT-5.6 預覽：旗艦 Sol 配多智慧體模式，應美政府要求限額測試
OpenAI 開啟 GPT-5.6 系列限量預覽，包含旗艦 Sol、平衡型 Terra 和平價版 Luna。Sol 引入深度推理與呼叫子智慧體的 ultra 模式，在程式設計與網路安全評測中表現突出。應美國政府要求，目前僅向小範圍可信夥伴開放，未來數週內鋪開。
週四
6月25日 星期四
因應美國政府安全審查要求：OpenAI 將分階段釋出 GPT-5.6
據報道，因美國聯邦政府提出安全審查要求，OpenAI 決定分階段釋出 GPT-5.6。CEO Sam Altman 透露將先向部分合作夥伴提供限量預覽，數週後再全面公開。國家網路總監辦公室及商務部長等均提出審查與預警，引發業界對政府 AI 監管力度的關注。
Runway 推出 Agent 2.0：從一條提示生成營銷企劃與全套素材
Runway 推出內置於平臺的 Agent 2.0，使用者輸入簡短提示詞即可直接生成完整營銷企劃書和全套物料。該系統還能分析投放效果資料來最佳化創意，並跨平臺、格式與市場快速擴充套件，加速打通從創意到宣發執行的完整營銷鏈路。
庫班警告大模型廠商：反資料中心本質是怕失業，光買通政客沒用
知名投資人 Mark Cuban 發文指出，公眾反對資料中心實則是對財富集中與失業恐慌的宣洩。他呼籲 OpenAI 等大模型企業別再做說教式公關，應直接走訪受衝擊城鎮提供資金支援，並與藝術工會面對面溝通，否則將失去擴張所需的電力與容量。
PhysiFormer 開源：用擴散模型預測 3D 物體碰撞與果凍形變
研究團隊推出 3D 物理模擬模型 PhysiFormer 並開原始碼。輸入 3D 物體網格、初速度以及剛性或彈性材質，它就能在真實座標系中直接生成連續運動與形變軌跡。該模型由超 10 萬條模擬軌跡訓練而成，能讓死板的 3D 模型真正遵循物理規律動起來。
騰訊公佈 SCoPE：加不到 0.1% 引數，就能精準控制 AI 影片運鏡
這週，騰訊研究人員公佈 SCoPE 運鏡控制技術。它把相機光線作為 token 的第二個座標，僅用不到 0.1% 的新增引數，就能讓影片模型嚴格遵循指定軌跡運鏡，轉頭再看也不會漂移，在 5B 和 14B 模型上均已驗證有效。
Google Finance 結束測試：推獨立 App，支援 AI 生成專屬市場簡報
Google 宣佈 Google Finance 結束測試版並上線 Android 獨立 App。新版支援通過截圖、CSV 或文字描述直接匯入投資組合，並允許使用者用自然語言預約每日 AI 定製簡報。App 還內建了 AI 分析工具和解釋股價波動的「關鍵時刻」功能，iOS 版將於年內推出。
Ornith 1.0 開源：讓模型自造腳手架寫程式碼，最高 3970 億引數
開源模型家族 Ornith 1.0 正式上線，專為智慧體程式設計設計，覆蓋 9B 到 397B MoE 規格。它最大的亮點是能在強化學習中自主生成引導解題的腳手架框架，在 SWE-bench Verified 等測試中比肩前沿大模型。全套權重及 21GB 的 GGUF 量化版已在 Hugging Face 開源。
Excel 裡的 Copilot 變身財務分析師：支援 DCF 建模與專業資料來源
Microsoft 升級 Excel 版 Copilot，推出面向財務人員的工作流「技能」、全流程變更追蹤以及外部權威金融聯結器。使用者通過 OneDrive 裡的 SKILL.md 檔案即可固定 DCF 建模等標準流程，並能直連 PitchBook、S&P Global 等專業資料來源，讓 AI 在表格裡的每一步修改都清晰可查。
ShutterMuse 即時攝影大模型釋出：推理快 20 倍，教你構圖和擺姿勢
研究團隊釋出即時攝影指導多模態模型 ShutterMuse。該模型基於 13 萬條解釋標註樣本訓練，推理速度比 GPT-Image-2 快 20 倍，能在按下快門前即時提供構圖決策並推薦被攝姿態，補齊了模型在現場互動式拍攝上的空白。
NVIDIA 推出 NeuMatEx：拍幾張照片，就能提取帶複雜反射的 3D 材質
NVIDIA 推出逆向渲染方法 NeuMatEx，能將多視角照片轉化為高逼真 3D 神經材質。它結合先驗模型與蒙特卡羅路徑追蹤，僅需 4 毫秒渲染延遲，就能精確還原車漆等複雜反光，避免將環境光影誤烤進貼圖。
IBM 推出亞 1 奈米晶片技術：3D「Nano Stack」架構，電晶體密度翻倍
IBM 釋出全球首個亞 1 奈米晶片技術，採用 0.7 奈米節點的 3D「Nano Stack」垂直堆疊架構。新架構讓指甲蓋大小的晶片容納近 1000 億個電晶體，相比 2 奈米晶片密度翻倍，預計效能提升 50% 或能效提升 70%，證明摩爾定律仍能向原子尺度推進。
週三
6月24日 星期三
Chrome 149 迎來新功能：圈選網頁圖文直接發給 Gemini
Google 開始在 Chrome 149 中推出「Select from screen」功能，使用者可通過 Gemini 面板的「+」選單圈選當前網頁的文字或圖片直接提問。同日，Gemini 3.5 Flash 也上線了 computer use 能力，支援智慧體跨瀏覽器與桌面執行多步操作。部分使用者可能需重啟瀏覽器生效。
Meta 開源設計系統 Astryx：支撐內部 1.3 萬個應用，專為 AI 智慧體設計
Meta 開源了內部演進 8 年的設計系統 Astryx，它支撐了 Meta 內部超過 1.3 萬個應用。系統基於 React 19 構建，包含 150 多個無障礙元件與專用 CLI。最值得關注的是它專為人機協作打造，統一了規範與文件，讓 AI 智慧體也能精準理解和呼叫。
Meta 提出 Autodata：讓智慧體當「資料科學家」，自我迭代造訓練資料
Meta 提出 Autodata 框架，讓 AI 智慧體像資料科學家一樣自動構建高質量訓練和評估資料。智慧體不僅能生成樣本，還會自行測試有效性並從失敗中反思迭代。這意味著合成數據不再依賴人工反覆調優，能把推理算力直接轉化成更高質量的模型訓練。
Google 升級 Gemini 3.5 Flash：內建電腦操作工具，跨桌面與移動端可用
Google 宣佈在 Gemini 3.5 Flash 中原生內建「computer use」工具。此前該能力僅以獨立的 2.5 模型提供，現在開發者能直接讓智慧體跨瀏覽器、移動與桌面環境看懂並操作介面。官方同時引入了針對提示注入的對抗訓練，並提供敏感操作需使用者確認的安全防線。
Figma 推出設計智慧體：用提示詞直接在畫布上生成定製外掛
Figma 在 Config 大會上推出設計智慧體。設計師輸入提示詞，AI 就能直接在畫布上生成並執行可複用的定製外掛或 WebGPU 著色器，全程無需配置開發環境。以往必須找工程師協助的指令碼工具，現在一句話就能自制並共享給全團隊。
Hermes Agent 新增 /learn 命令：給程式碼或文件，自動提煉可複用技能
Nous Research 為 Hermes Agent 引入 /learn 命令，使用者只需提供本地目錄、網頁 URL 或剛才的對話記錄，智慧體就會利用自帶工具將其提煉為規範的技能檔案。該功能不依賴額外的提取引擎，在本地、Docker 和遠端環境都能直接把臨時操作變成可複用能力。
阿里釋出 Wan Streamer：單一模型即時音視訊通話，延遲僅 200 毫秒
阿里巴巴公佈端到端互動模型 Wan Streamer，讓 AI 在視訊通話中即時看、聽並同步回應。它用單一 Transformer 統一處理音影片和文本，支援全雙工通訊，模型端延遲約 200 毫秒。目前 v0.1 仍為 192p 概念驗證，未開放即時體驗。
Perplexity 推出法律 AI 工具 Computer for Counsel：打通判例庫與辦公套件
Perplexity 面向 Enterprise 和 Max 訂閱使用者推出法律工具 Computer for Counsel。它搭載 20 多個前沿模型，打通 Midpage 等判例庫以及 Microsoft 365、Google Workspace，接管判例檢索、檔案收集與合同初審等雜務。
OpenAI 聯手博通釋出自研晶片 Jalapeño：專攻大模型推理，9 個月搞定
OpenAI 與 Broadcom 聯合釋出首款自研大模型推理晶片 Jalapeño。該晶片從設計到流片僅用 9 個月，能效據稱大幅超越現有頂尖硬體，已在實驗室執行 GPT-5.3-Codex-Spark 工作負載，預計 2026 年底以吉瓦級規模部署。
XHS Visual Director：把小紅書圖文拆解成成套生圖方案的 Skill
創作者推出開源 Skill「XHS Visual Director」，專門解決小紅書圖文裡文字與配圖脫節的痛點。輸入主題後，它會先分析選題型別並規劃 6 至 8 頁結構，統一輸出配色構圖規範、逐頁生圖提示詞、釋出文案及自檢清單。
週二
6月23日 星期二
Google Flow 接入街景：輸入真實地點，AI 就能定點生成影片
Google 為 Google Flow 引入 Maps Imagery Grounding，支援呼叫 Google Maps 街景生成圖片與影片。使用者在提示詞裡輸入具體地點或地標，AI 就會參考真實街景細節構圖。最值得關注的是生成場景有了現實座標，不再憑空捏造。不過目前僅支援美國地區。
Krea 開源 Krea 2 影像模型權重：分微調版 Raw 與快速版 Turbo
Krea 宣佈開源影像生成模型 Krea 2 的權重，推出 Raw 與 Turbo 兩個版本。Raw 是訓練中期的未蒸餾模型，專供開發者微調；Turbo 則是蒸餾後的快速版本，兼顧速度與審美多樣性。這意味著外部開發者可以直接本地部署並做定製開發。
Meta 推出全新智慧眼鏡 Meta Glasses：首搭 Muse Spark 模型，299 美元起
Meta 聯手陸遜梯卡推出智慧眼鏡新品 Meta Glasses，起售價 299 美元。它首發搭載 Muse Spark 多模態模型，支援擴音拍攝、語音助手和即時翻譯，單次續航超 8 小時。產品即日起在美國和加拿大等市場開售。
Mistral 釋出 OCR 4：支援 170 種語言，文件解析帶座標與置信度
Mistral 釋出文件理解模型 OCR 4。它不僅能提取文本，還能返回每個區塊的邊界框、型別分類和行內建信度，支援 170 種語言且單容器即可私有化部署。API 基礎定價每千頁 4 美元，批次呼叫僅需 2 美元。
Domain Shuttle：輸入參考圖生成影片，多角色跨風格也能保持一致
開源影片生成專案 Domain Shuttle 釋出，支援輸入多張參考圖生成影片並保持主體一致。它能把真人、2D 動漫和 3D 角色放進同一場景互動，還支援通過文本跨風格轉換。模型基於 Wan 2.2 構建，權重約 35GB，已在 GitHub 開原始碼。
位元組釋出 Doubao Seed 2.1：定位工作智慧體，真實任務對標頂流
字節跳動釋出 Doubao Seed 2.1 系列模型，包含 Pro 與 Turbo 版本。模型主打生產力智慧體與多模態能力，在科學圖表解析、PPT 模板精確修改及前端開發上表現搶眼，真實工作基準逼近 GPT 5.5。目前可通過豆包桌面版或線上 Studio 體驗。
NVIDIA 釋出 BioNeMo 智慧體套件：給通用 AI 裝上生物科研「工具箱」
NVIDIA 釋出 BioNeMo Agent Toolkit，把旗下的生命科學模型和庫打包成智慧體可呼叫的工具。它讓 AI 智慧體能夠執行蛋白質結構預測、分子對接和基因組分析，虛擬篩選耗時從數天壓縮至幾分鐘。目前已有超 50 家藥企與科研機構採用，Anthropic 與 OpenAI 也正在接入。
Anthropic 推出 Claude Tag：直接在 Slack 裡 @Claude，像派活給真人同事
Anthropic 推出面向 Slack 的協作工具 Claude Tag，支援團隊在頻道內直接 @Claude 委派複雜任務。它基於 Opus 4.8，具備頻道上下文記憶、非同步執行和主動彙報能力。Anthropic 內部已有 65% 的產品程式碼由其編寫，目前面向 Enterprise 和 Team 使用者開啟 Beta 測試。
快手公佈 Kling Omni Director：把參考影片的運鏡直接克隆給新畫面
快手 Kling 團隊本週推出 Omni Director 研究預覽。它不再依賴文本提示詞調鏡頭，而是能直接學習參考影片的運鏡軌跡、切鏡節奏甚至子彈時間特效，並驅動新圖片生成影片。目前該功能尚未正式開放使用。
週一
6月22日 星期一
加州加油站遭集體訴訟：被控用 Kalibrate AI 操縱油價，每加侖多收 30 美分
加州消費者發起集體訴訟，指控 BP、沃爾瑪等大型零售商使用 Kalibrate 的 AI 軟體操縱油價。訴狀指出，該演算法利用競對資料推高成本，導致 1700 多家油站每加侖多收約 30 美分，涉嫌違反加州今年剛生效的演算法反壟斷法案 AB 325。
Stability AI 推出 3D 控制系統 Arbor：給生成加一份空間藍圖
Stability AI 釋出 3D 生成控制系統 Arbor。它無需重新訓練底模，創作者只需提供簡單的粗略網格，就能精確指定物體的生成空間、避讓留白和接觸面。該模型僅 600MB 且已開原始碼，配合 Trellis 使用，讓 AI 生成的 3D 資產能真正嵌入實際遊戲和工業管線。
DeepMind 聯手製片廠 A24：把 AI 搬進片場，Google 同步注資
Google DeepMind 宣佈與電影製片廠 A24 達成長期研發合作，將前沿技術直接嵌入影視創作流程中。A24 的創作者將參與塑造未來的 AI 工具並提供一線反饋，Google 同時也對 A24 進行了投資。這項合作旨在縮短尖端技術與下一代娛樂內容的距離。
五眼聯盟發聯合警告：前沿 AI 帶來毀滅性網攻，時間只剩幾個月
五眼聯盟網路安全機構聯合釋出罕見警告，稱前沿 AI 將讓網路攻擊大幅提速並擴大規模。機構指出其攻擊能力超越現狀的時間「不是幾年，而是幾個月」，舊系統最危險。五國情報界如此步調一致尚屬首次，表明官方對 AI 威脅的研判已全面轉向。
百度推出 Unlimited OCR：固定 KV Cache，長文件解析勻速吃下 40 頁
百度推出端到端文件解析模型 Unlimited OCR，基於 DeepSeek-OCR 微調，啟用引數僅 5 億。它採用 R-SWA 機制固定文本 KV cache，無論輸出多少 token 視訊記憶體均保持恆定，支援單次前向勻速解析 40 頁以上長文件。
Anthropic 升級 Claude 桌面端：三大公有云全支援，資料不離內網
Anthropic 宣佈在 AWS、Google Cloud 和 Microsoft Foundry 全面開放 Claude Desktop，聚合 Chat、Cowork 與 Code 三項能力。模型推理完全保留在企業雲環境內，對話記錄存於本地，IT 團隊可通過 SSO 和 MDM 統一分發管控。
OpenAI 升級 Daybreak：推出 GPT-5.5-Cyber，AI 找漏洞也要管修補
OpenAI 擴充套件網路安全計劃 Daybreak，推出 Codex Security 外掛更新與 GPT-5.5-Cyber 模型。該模型專為防禦方打造，CyberGym 跑分達 85.6%。最值得關注的是，AI 找出的漏洞太多成了維護負擔，OpenAI 轉向端到端自動化生成並驗證補丁。目前模型僅向受信任防禦者開放。
InternScience 開源 Agents A1：35B 智慧體模型，部分基準逼近萬億巨頭
InternScience 開源 350 億引數的混合專家智慧體模型 Agents A1，專為長流程自主任務和工具呼叫打造。它在 GAIA、Frontier Science 等測試中逼近甚至超越部分萬億級大模型，且提供僅 21GB 的量化版本，能在消費級硬體上本地離線執行。
週日
6月21日 星期日
Sakana AI 推出 Fugu：把多智慧體系統包裝成單一模型 API
Sakana AI 推出多智慧體編排系統 Sakana Fugu 及其高階版 Fugu Ultra。它本身是一個學習排程的語言模型，內部動態呼叫並整合專家模型處理多步任務，對外只暴露一個相容 OpenAI 的單一 API，既省去了搭建智慧體系統的複雜性，也能規避單一廠商依賴與限制風險。
OpenAI Codex 開放第三方模型：改個配置就能接 DeepSeek 和本地 Ollama
OpenAI 旗下的 AI 編碼工具 Codex 開放支援第三方模型。開發者只需在配置檔案中設定模型提供方，就能把請求路由到 DeepSeek 或本地 Ollama 等服務。最值得關注的是，Codex 藉此跳出了單一模型繫結，變成中立的編碼代理平臺。
三星全員引入 ChatGPT 與 Codex：創 OpenAI 史上最大企業部署之一
OpenAI 宣佈三星電子正在全面部署 ChatGPT 企業版與 Codex。此項合作面向三星韓國全體員工及全球 DX 部門員工，覆蓋研發、製造與營銷等業務，創下 OpenAI 規模最大的企業落地紀錄之一。非技術人員也將用 Codex 搭建內部工具與自動化流程。
Getty Images 聯手 OpenAI：ChatGPT 搜尋將直接展示正版相簿
Getty Images 宣佈與 OpenAI 達成多年合作，其授權視覺內容庫將接入 ChatGPT 的搜尋與發現功能。這意味著 ChatGPT 能直接展示高畫質正版圖片作為回答，大幅提升視覺搜尋的豐富度與可靠性。
週六
6月20日 星期六
《大西洋月刊》上線 AI 音樂訓練庫檢索工具：含千萬級曲目
據報道，《大西洋月刊》上線了一個公開資料庫，曝光用於訓練 AI 模型的四個音樂資料集，其中兩個規模分別達 1200 萬和 900 萬首曲目。Google 和 Stability 均曾在論文中確認使用過這些資料。調查顯示部分音訊是通過違規工具從流媒體平臺抓取的。
週五
6月19日 星期五
AlphaFold 核心負責人 John Jumper 離開 DeepMind，將加盟 Anthropic
AlphaFold 專案負責人 John Jumper 宣佈，在工作近 9 年後將離開 Google DeepMind 並加入 Anthropic。他表示十分感謝 Demis Hassabis 當年在其博士畢業僅 6 個月便委以重任，自己將在休整一段時間後正式入職。
Higgsfield 推出 MCP 工具：搭配 Claude，一句話生成並聯機多人遊戲
Higgsfield 推出遊戲開發工具 Higgsfield MCP，配合 Claude 可一句話生成包含角色、貼圖和音效的完整多人線上遊戲。它不僅能讓遊戲告別粗糙的灰盒子模型，還能直接託管聯機房間並上架。官方實測花費 68 美元做出 3 款遊戲，吸引了近 4000 名玩家試玩。
GPT-5.6 Pro 細節曝光：推理預算拉高至 960，單提示詞直接做網站
據多方洩露資訊，OpenAI 即將推出 GPT-5.6 Pro。新模型的推理預算從 768 提升至 960 點，知識庫更新至 2025 年 12 月，並支援 Playwright 瀏覽器自動化與高精度 SVG 生成。最值得關注的是，其視覺復刻能力讓單提示詞做完整網站成為可能。不過傳聞指出其前端綜合表現仍弱於競品。
Midjourney 跨界做醫療硬體：推 60 秒全身超音波掃描器，還要開水療館
Midjourney 宣佈成立醫療部門並公佈全身超音波掃描器 Midjourney Scanner。人浸入水中後，環形 50 萬個超音波感測器能在 60 秒內生成媲美 MRI 的 3D 影像。官方計劃 2027 年在舊金山開設水療館落地該裝置，目前尚未取得 FDA 醫療認證。
OpenAI 企業銷售主管 Barret Zoph 離職：重返僅 5 個月，在 Slack 發告別信
據報道，OpenAI 企業銷售負責人 Barret Zoph 在內部 Slack 發信宣佈離職，距他 1 月迴歸僅 5 個月。Zoph 此前曾短暫出任 Mira Murati 旗下 Thinking Machines Lab 的聯合創始人兼 CTO，這是他一年內第二次從 AI 頭部團隊離職。
週四
6月18日 星期四
OpenAI 推出 Record & Replay：演示一次工作流，Codex 就能學會
OpenAI 為 Codex 推出 Record & Replay 功能。使用者只需演示一次報銷或請假等重複任務，Codex 就會把操作過程自動轉為可檢查、可編輯的複用技能。這意味著團隊無需手寫複雜指令碼，錄製一遍就能把日常辦公流程沉澱為 AI 自動化能力。
Yueban 推出 Xiaoban 自動駕駛馬桶：呼之即來，還能自己去排汙
在最近舉行的上海養老博覽會上，中國公司 Yueban 展示了自動駕駛馬桶 Xiaoban。它搭載雷射雷達與超音波感測器，能通過語音或遙控直接開到行動不便者床邊，自帶沖洗烘乾與自清潔，還能自動對接排汙。預計售價 28,999 元。
MIT 推出 DAAAM 系統：給機器人裝上即時「長期記憶」
MIT 研究團隊公佈名為 DAAAM 的機器人記憶系統。它通過生成帶時間戳的「4D 場景圖」，即時記錄機器人何時何地看到了什麼物體，並支援自然語言查詢。測試中其導航任務正確率提升約 28%，團隊表示後續將開原始碼。
Google 聯手藝術家 Refik Anadol：全球首座 AI 藝術博物館即將開館
Google 宣佈支援全球首個 AI 藝術博物館 Dataland 於 6 月 20 日在洛杉磯開館。館內藉助 Google Cloud 與 Gemini 企業級智慧體平臺，即時渲染 12 億畫素的生成藝術，並融合聲音與氣味等全感官互動。Google 同時提供資助扶持數字創作者。
xAI 上線 Grok Imagine Video 1.5：登頂影片榜首，價格比 Sora 低 86%
xAI 全面上線影片生成模型 Grok Imagine Video 1.5，並登頂圖生影片競技場。該模型採用自迴歸架構 Aurora，自帶音畫同步，720p 影片每秒定價 0.14 美元，比 Sora 2 Pro 便宜約 86%。不過其單次輸出上限為 15 秒 720p。
DeepMind 釋出 AI 路線圖：把內部智慧體當「潛在內鬼」防
Google DeepMind 公佈 AI Control 路線圖，建立針對內部 AI 智慧體的縱深防禦體系。該框架將內部智慧體視為潛在「內部威脅」，引入可信 AI 監督員即時監控其推理與行為並在必要時攔截；在分析了百萬個編碼任務軌跡後，團隊已將該機制應用於 Gemini Spark。
Google 推出 Ask Ad Manager：給廣告發布商配上 Gemini 智慧體
Google 宣佈推出基於 Gemini 的智慧體 Ask Ad Manager。它僅使用釋出商自身資料，支援通過對話即時排查投放故障、用提示詞生成複雜報表，並直達對應後臺設定。該功能本月開啟 Beta 測試，後續還將提供 MCP 伺服器等開發者工具。
Adobe 將 Firefly AI 助手帶入 Premiere 與向量設計：自動理圖層、重新命名剪輯
Adobe 宣佈將 Firefly AI 助手擴充套件至 Premiere、Illustrator、InDesign 和 Frame.io。助手能幫剪輯師分類素材並批次重新命名剪輯，幫設計師重組圖層與排查缺漏字型。Firefly 還加入 Elements 和 Projects 資產庫功能，並計劃支援 Gemini 和 Slack。
OpenAI 升級 ChatGPT 企業版：精細化控費與用量分析上線
OpenAI 宣佈為 ChatGPT Enterprise 推出新的積分用量分析和支出控制功能。管理員可以在全域性後臺按使用者、產品和模型細分開銷，並設定群組限額或個人特例；員工也能檢視額度並附帶理由申請加量。這讓企業在大規模部署 AI 時更清楚錢花在哪裡。
Claude Code 支援 Artifacts：終端敲程式碼，一鍵生成即時互動網頁
Anthropic 宣佈為 Claude Code 引入 Artifacts 支援。它能把會話上下文、程式碼庫和監控資料直接轉成可互動的網頁，包括 PR 演示、故障排查時間線等，並隨工作進展在原連結自動重新整理。目前面向 Team 與 Enterprise 組織開啟 Beta 測試。
Perplexity 推出智慧體記憶系統 Brain：夜間自我復盤，準確率提升 25%
Perplexity 為 Computer 智慧體推出自我改進記憶系統 Brain。不同於只記偏好的傳統記憶，Brain 會記錄任務成敗並在夜間復盤，使相似任務準確率提升 25%、成本降低 13%。目前已面向 Max 訂閱使用者開放預覽。
OpenAI 升級 ChatGPT 健康問答：免費用上 GPT-5.5 Instant，事實錯誤降 71%
OpenAI 宣佈用 GPT-5.5 Instant 升級 ChatGPT 的健康問答能力，面向全體免費使用者開放。在 60 個國家逾 260 名醫生參與評估下，新模型在專業評測中追平前沿思考模型，近兩個月健康回答的事實錯誤率下降了 71%。
Liquid AI 釋出 LFM2.5 檢索模型：350M 引數支援 11 種語言
Liquid AI 釋出兩款 350M 引數的多語言檢索模型 LFM2.5-ColBERT-350M 與 LFM2.5-Embedding-350M，支援阿拉伯語、日語等 11 種語言。二者分別針對極速檢索和高精度匹配設計，在 NanoBEIR 評測中拿下同類第一，並提供 GGUF 格式支援端側執行。
Claude 上線 MCP 集中授權：企業員工零門檻接通第三方工具
Anthropic 宣佈為 Claude 推出企業級 MCP 集中授權功能。企業管理員只需通過 Okta 統一配置，員工首次登入 Claude 即可直接使用 Asana、Figma 等工具的 MCP 聯結器，免去逐人單獨授權的繁瑣步驟，大幅降低了企業部署 AI 工作流的門檻。
Anthropic 機器狗實驗：Claude Opus 4.7 自主操控提速 20 倍
Anthropic 公佈 Project Fetch 第二階段測試結果，Claude Opus 4.7 在無人類協助下，完成四足機器狗連線與控制任務的速度比最快的人類團隊快約 20 倍。模型生成的程式碼量減少近 90% 且大多一次成功，但在閉環精細控制沙灘球上仍存短板。
虛幻引擎 5.8 上線 MCP 外掛：讓大模型直接調動藍圖與場景
Epic Games 釋出 Unreal Engine 5.8，新增實驗性 MCP 外掛。該外掛允許任意大模型直接對接並理解藍圖、材質、資產和關卡等核心系統，協助搭建場景和執行最佳化測試。最值得關注的是，這是 Epic 為下一代 UE6 原生融入 AI 流程做出的關鍵鋪路。
Transformer 元老 Noam Shazeer 離開 Google，加盟 OpenAI
Transformer 架構聯合發明人、Character.AI 聯合創始人 Noam Shazeer 宣佈離開 Google，正式加入 OpenAI。Shazeer 表示這是一個艱難的決定，並對 Google 團隊深感自豪。作為現代大模型奠基人之一，他的轉會標誌著頂尖技術人才爭奪戰再次升溫。
