OpenAI 為 ChatGPT 推出鎖定模式：關掉部分功能防提示注入
OpenAI 推出 ChatGPT 鎖定模式（Lockdown Mode），專為處理敏感資料的使用者設計以防範提示注入攻擊。開啟後會停用 Deep Research 和 Agent Mode，並限制網路圖片載入與檔案下載。免費使用者也可在設定的安全選項中開啟。
AI 日報：今天的 AI 新聞
週五
6月5日 星期五
美國音樂家工會起訴環球與華納：私自授權 AI 訓練且拒絕分賬
美國音樂家聯合會（AFM）起訴環球音樂與華納音樂，指控兩大唱片巨頭將伴奏樂手的錄音作品授權給 AI 平臺 Suno 與 Udio 訓練，卻未提供署名或分成。工會稱此舉觸發了勞資協議中的「新用途」條款，要求經濟賠償並公開訓練歌單。
ChatGPT 網頁版支援直接發郵件：在寫作塊內就能一鍵寄出
OpenAI 宣佈網頁版 ChatGPT 推出郵件直髮功能。使用者在寫作塊內完成草稿並調整後，無需離開當前對話即可直接把郵件傳送出去。這意味著起草到寄信的流程被完全打通，省去了反覆複製貼上到外部郵箱的麻煩。
Google 釋出 Gemma 4 QAT 模型：手機就能跑，E2B 視訊記憶體壓到 1GB 內
Google 釋出 Gemma 4 系列的量化感知訓練（QAT）模型權重。通過在訓練階段模擬量化，大幅降低模型壓縮帶來的質量損耗，並將 Gemma 4 E2B 純文本模型的記憶體佔用壓至 1GB 以內。權重已上線 Hugging Face，支援本地消費級裝置直接流暢執行。
紐約州通過新資料中心暫停令：一年內叫停 20 兆瓦以上大專案
紐約州立法機構通過法案，擬對峰值用電需求達 20 兆瓦以上的新建大型資料中心實施為期一年的禁令。法案要求評估資料中心對水電、土地及電價的影響，並要求企業獲批前召開公開聽證會。若州長簽署，紐約將成為全美首個出臺此類全州禁令的州。
Anchor World 亮相：用真實人體動作引導第一人稱世界模擬
第一人稱世界模擬器 Anchor World 公佈。它支援輸入 3D 人體動作與場景錨點圖，直接渲染出人在空間中走動並與水槽、刀具互動的第一人稱影片。這種動作驅動機制有望用於生成人形機器人的訓練資料；目前程式碼正處於稽核階段。
Google 推出 Agentic RAG：搜不夠就繼續搜，讓 Gemini 事實準確率提升 34%
Google 推出面向 Gemini 企業平臺的 Agentic RAG 框架。傳統 RAG 只檢索一次就聽天由命，這項技術通過「充分上下文代理」審查初稿和片段，明確找出缺失資訊並定向補充搜尋，把事實準確率拉高了 34%，且幾乎沒有增加額外延遲。
Claude 化身化學家：Opus 4.7 讀核磁譜圖，看齊專業化學軟體
Anthropic 釋出白皮書，測試 Claude 在核磁共振（NMR）譜圖分析上的表現。未經化學專屬微調的 Claude Opus 4.7 在氫譜預測上平均誤差僅 ±0.079 ppm，看齊或超越 ChemDraw 與 MestReNova，還能直接從譜圖逆向推導分子結構。不過當前測試樣本僅 20 個化合物。
週四
6月4日 星期四
Anthropic 呼籲全球暫停前沿 AI 研發：警告兩年內或失控
Anthropic 發文呼籲全球協調暫停或放緩前沿 AI 開發。其研究人員警告，模型可能在兩年內實現編寫自身程式碼的「遞迴自我改進」，脫離人類監管。不過外界質疑該提議難以核查落地，且正值其籌備 IPO 之際，可能有商業公關考量。
微軟高管想讓使用者對 AI 上癮，納德拉痛批：這絕不是目標
據報道，微軟 CEO 納德拉嚴詞駁回了副總裁 Omar Shahine 主張讓使用者對 AI 智慧體 Scout 上癮的備忘錄。納德拉對約 50 名頂尖 AI 工程師明確表示「上癮絕不是目標」，甚至稱其可以另謀高就。Scout 是微軟向企業推廣 AI 工具的核心產品。
Codex 新增 iOS 構建外掛：將模擬器畫面串流進瀏覽器，支援熱過載
Codex 推出 Build iOS Apps 外掛。該工具利用 serve-sim 將 iOS 模擬器畫面即時串流至 Codex 應用內瀏覽器，並支援 SwiftUI 預覽的熱過載，開發者無需依賴 Xcode Canvas 即可在瀏覽器裡直接互動和除錯應用。
Anthropic 披露內幕：Claude 編寫超 80% 內部程式碼，AI 加速自我改進
Anthropic 旗下機構披露內部資料：截至 2026 年 5 月，Claude 編寫了公司超 80% 的程式碼，工程師產出達到 2024 年的 8 倍。最值得關注的是，AI 正加速邁向「遞迴自我改進」；不過 Anthropic 警告，人類失去控制的風險可能比社會各界的預期來得更快。
Krea 推出 Krea 2 Turbo：2 秒出圖，相容風格參考與 LoRA
Krea 推出 AI 影像生成模型 Krea 2 Turbo。新模型主打極速出圖，生成高質量影像僅需約 2 秒，同時相容風格參考、情緒板與 LoRA。這意味著創作者能以接近即時的速度迭代視覺創意，且目前可免費體驗。
Runway 推出 Aleph 2.0 與 Edit Studio：只改你想改的區域性畫面
Runway 釋出全新影片編輯模型 Aleph 2.0 並上線 Edit Studio。它支援精準定向修改，使用者調整特定元素時，畫面其餘部分完全不受影響。這直接解決了 AI 影片編輯常誤傷周邊背景的痛點，大幅提升了創作者的控制精度。
NVIDIA 推出 Nemotron 3 Ultra：混合架構吞吐提 5 倍，專攻長程智慧體
NVIDIA 釋出開源模型 Nemotron 3 Ultra。該模型總引數 550B、啟用引數 55B，採用 Mamba 與 Transformer 混合架構，吞吐量達同類開源模型 5 倍，能將智慧體任務成本降低最高 30%。官方同步推出了 4B 安全護欄模型及低延遲多語言語音模型。
Google 開源即時音樂模型 MRT2：延遲 200ms，Mac 本地就能彈
Google 開源即時音樂模型 Magenta RealTime 2。它能在搭載 Apple Silicon 的 Mac 上本地執行，延遲約 200 毫秒，支援通過 MIDI、音訊和文本即時彈奏控制。它把生成式音樂做成了可嵌入編曲軟體的即興樂器，不過目前僅支援純音樂，無法生成人聲。
OpenAI 為 ChatGPT 推出鎖定模式：斷網防提示詞注入，個人版也能用
OpenAI 宣佈將「鎖定模式」（Lockdown Mode）拓展至 ChatGPT 個人與商業版。開啟後會停用即時聯網、Agent 模式、深度研究及檔案下載，只允許訪問快取，防範提示詞注入攻擊導致的資料洩露；同時對高風險功能打上「Elevated Risk」標籤。
OpenAI 升級 ChatGPT 記憶系統：後臺自動「做夢」提煉上下文
OpenAI 推出全新 ChatGPT 記憶系統 Dreaming。它能在後臺自動整合多輪對話並提煉記憶，無需刻意叮囑儲存，還會隨時間推移更新過期狀態。使用者可在摘要頁編輯相關資訊。目前向美國 Plus 與 Pro 使用者開放，數週內推向免費使用者。
Meshy 推出 3D Agent Beta：靠對話連續打磨 3D 模型
AI 3D 創作平臺 Meshy 推出 Meshy 3D Agent Beta。不同於傳統單次提示詞生成單個模型，該智慧體支援連續的對話式工作流，讓使用者以自然語言構思、生成多組概念變體並逐步微調細節，覆蓋遊戲、AR/VR 及 3D 列印需求。目前已在官網面向全量使用者開放測試。
Boson AI 釋出 Higgs TTS 3：文本加標籤調語氣，權重已開源
Boson AI 釋出語音合成模型 Higgs TTS 3，並在 Hugging Face 開源模型權重。它支援在文本流中直接插入標籤，即時控制情緒、語速、音高和停頓，覆蓋 100 多種語言。開發者給語音 Agent 配音時，能像導演調演員一樣掌控語氣細節。
週三
6月3日 星期三
xAI 推出 Grok Imagine 1.5 Preview：影像生成模型開放 API
xAI 釋出影像生成模型 Grok Imagine 1.5 Preview，並通過 API 向開發者開放早期訪問。該版本是對現有影像生成能力的迭代更新，允許開發者在公開發布前搶先整合和測試新模型。
Cloudflare：網路機器人流量首次超人類，AI 智慧體推動佔比達 57.5%
Cloudflare CEO Matthew Prince 透露，機器人流量首次在網際網路歷史上超過人類，佔全球 HTML 網頁請求的 57.5%。這一轉折比預期提前了整整一年，主要被激增的自主 AI 智慧體工作負載推動。也就是說，網路流量主體已徹底變成機器間通訊，真人訪問正成為少數派。
Miso 開源語音模型 Miso One：8B 引數，延遲僅 110 毫秒
Miso 開源了 80 億引數的語音生成模型 Miso One。官方稱其為全球情緒最豐富的聲音模型，具備高度擬真的人類情感表達，且延遲僅 110 毫秒，響應速度比人類對話還快。目前模型權重已公開，官方 API 即將上線。
Google 開源 Gemma 4 12B：無編碼器直連音訊視覺，16GB 跑上筆記本
Google 開源無編碼器多模態模型 Gemma 4 12B。它去掉了獨立的視覺和音訊編碼器，直接將訊號輸入 LLM 主幹，效能逼近 26B MoE 模型，視訊記憶體佔用卻少了一半。普通使用者僅需 16GB 記憶體的筆記本，就能在本地跑起多步推理的智慧體。
Ideogram 釋出 4.0 開放權重影像模型：支援本地微調與部署
Ideogram 釋出開放權重文生圖模型 Ideogram 4.0。使用者可下載權重並在本地硬體執行和微調，該模型支援密文字排版、原生 2K 解析度及透明背景。目前已在其全線方案和 API 同步上線。
Google 資料中心水資源承諾：2030 年回補水量要超過消耗量
Google 宣佈資料中心水資源管理五項承諾，計劃到 2030 年回補水量超過自身消耗。Google 表示已在 97 個流域支援 165 個專案，年內資金投入追加至 7700 萬美元，並在高水資源風險地區優先改用風冷或迴圈水。
OpenAI 更新提示詞工程指南：建議在程式碼中管版本，關停 API 提示詞物件
OpenAI 更新官方提示詞工程指南，系統梳理了基於 Responses API 的結構化提示技巧與角色優先順序機制。官方明確建議將提示詞寫入程式碼進行版本管理與測試，並宣佈 API 中的可複用 prompt 物件將於 2026 年 11 月正式下線。
Reve 推出影像模型 Reve 2.0：用結構化佈局精準控制畫面
Reve 推出影像生成模型 Reve 2.0。它放棄傳統的純文本中間層，改用結構化佈局精確定義元素的位置、尺寸和屬性。該模型基於 Qwen 架構打造，聲稱用競品十分之一的 GPU 算力，在萬億美元以下公司中拿下競技場榜首。
OpenAI 升級生命科學模型 GPT-Rosalind：融合 GPT-5.5 智慧體能力
OpenAI 宣佈升級專為生命科學研究打造的 GPT-Rosalind 模型，融合 GPT-5.5 的智慧體程式設計與工具呼叫能力。新模型在藥物化學與基因組分析上全面超越 GPT-5.5，最多可節省 31% 的 Token。目前該模型通過受信任訪問體系向全球合規機構開放。
nex-agi 開源推理模型 Nex-N2：專打智慧體任務，還能按需動腦
nex-agi 開源智慧體推理模型家族 Nex-N2。它基於 Qwen 3.5 後訓練，推出 397B 和 35B 兩個 MoE 版本，啟用引數僅 17B 與 3B。關鍵在於自適應推理，簡單動作快速執行，複雜決策深度思考，打通工具呼叫與執行閉環。
週二
6月2日 星期二
微軟公佈 Project Solara：打造「智慧體優先」硬體平臺
Microsoft 公佈軟硬體平臺 Project Solara，推動從傳統 App 轉向「智慧體優先」的專用硬體。該平臺貫穿晶片到雲端，基於企業級系統 MDEP 打造，支援動態即時生成介面；微軟同步預覽了面向醫療、金融等行業的固定與便攜兩類概念裝置。
微軟聯手梅奧診所：打造醫療尖端 AI 模型，將上線 Azure API
Mayo Clinic 與微軟宣佈合作開發專用於醫療的尖端 AI 模型。該模型結合梅奧的去標識化臨床資料與微軟雲端算力，專注臨床推理與個性化診療。模型所有權歸梅奧診所，微軟後續將通過 Azure Foundry API 對外分發。
微軟推出 Frontier Tuning：在企業合規邊界內用強化學習調優 AI
Microsoft 在 Build 大會上推出企業級定製方案 Frontier Tuning 並開啟私有預覽。該方案允許企業在自身合規邊界內，利用受管強化學習環境和內部資料調優模型與智慧體。微軟內部 HR 智慧體藉此將任務完成率從 13% 拉昇至 87%，後續還將接入 Copilot Studio 與 Foundry。
微軟推出首款常駐智慧體 Scout：無需反覆提示，在後臺替你推進工作
Microsoft 推出首款 Autopilot 個人智慧體 Scout。它擁有獨立身份並在後臺常駐，打通 Teams、Outlook 等應用，可自主跨時區協調會議、預警停滯決策並鎖定交付時間。目前已面向 Frontier 組織小範圍測試。
GitHub 推出 Copilot 桌面客戶端：多智慧體並行排程，做開發控制中心
GitHub 推出桌面端 Copilot app 技術預覽版，專為排程多個 AI 智慧體設計。每個智慧體都在獨立的 git worktree 隔離執行，配合雙向互動畫布 Canvas 與 Agent Merge 工具，能自主推進 PR。目前已向 Copilot 付費訂閱使用者開放測試。
微軟宣佈 Work IQ APIs：讓智慧體直接讀取 Microsoft 365 組織上下文
Microsoft 宣佈 Work IQ APIs 將於 2026 年 6 月 16 日正式上線。該介面讓外部智慧體直接讀取 Microsoft 365 的業務上下文而非原始資料，並通過 MCP 協議將操作簡化為 10 個通用工具。計費採用 Copilot Credits，目前公開預覽版已在 GitHub 上線。
微軟推出 Web IQ 接地 API：專為 AI Agent 重構，延遲低於 165 毫秒
Microsoft 推出面向 AI 智慧體的接地檢索 API「Web IQ」。它基於 Bing 全球索引重構，不返回整篇網頁，而是直接抽取段落級結構化證據以節省 token，p95 延遲低於 165 毫秒。這意味著多步推理智慧體能以更低成本快速獲取即時網路資料。
微軟釋出桌面 AI 開發者主機：配 128G 統一記憶體，本地跑 120B 大模型
Microsoft 在 Build 大會上釋出迷你開發者電腦 Surface RTX Spark Dev Box。它搭載 NVIDIA RTX Spark 晶片與 128GB 統一記憶體，提供 1 Petaflop 算力，可在本地執行 120B 模型。該裝置主打本地優先 AI 開發以節省雲端呼叫開銷，預計今年晚些時候在美髮售。
微軟 Build 2026 大更新：讓 Windows 成為智慧體原生開發底座
微軟在 Build 2026 上推出一系列面向智慧體與 AI 開發的 Windows 新功能。包括用於安全隔離智慧體的 MXC 執行容器架構、原生 WSL 容器支援、Intelligent Terminal，以及全新的 Aion 1.0 本地端側小模型。微軟希望讓開發者在本地裝置上更安全地構建與執行 AI 智慧體。
Nous Research 開啟 Hermes Desktop 公測：本地原生執行智慧體
Nous Research 開啟 Hermes Desktop 公開預覽。該應用曾在輝達 CEO 黃仁勳的 GTC 主題演講中亮相，主打在本地裝置原生執行完整的 Hermes Agent，無需依賴雲端基礎設施。這意味著使用者可以直接利用自有硬體部署智慧體。
白宮簽署新 AI 行政令：推行自願審查，明令禁止模型強制許可
美國白宮簽署第 14409 號行政命令，要求各聯邦機構在 30 天內強化 AI 網路防禦，並聯合產業界建立軟體漏洞修補機制。最值得關注的是，該命令為前沿模型設立了釋出前 30 天自願提交機密審查的框架，同時明確禁止出臺任何強制許可或事前審批要求。
Martin Scorsese 出任 Black Forest Labs 顧問：用 FLUX 做分鏡
Black Forest Labs 宣佈知名導演 Martin Scorsese 擔任其顧問，協助指導以人類審美和工藝為核心的視覺 AI 研發。雙方還進行了使用影像生成模型 FLUX 製作故事板分鏡的實際創作合作。
ByteDance 提出 WavTTS：直接建模原始波形，幾秒克隆聲音
ByteDance 提出零樣本語音合成模型 WavTTS。它基於 DiT 與流匹配，跳過傳統的潛空間壓縮，直接對原始音訊波形建模以避免資訊損失。最值得關注的是，它僅需幾秒樣本就能生成自然語音，大幅縮減了原始波形建模與主流模型之間的質量差距。
微軟釋出 7 款自研 MAI 模型：從零訓練不靠蒸餾，成立超級智慧實驗室
Microsoft AI 釋出 7 款涵蓋推理、程式設計、多模態的自研 MAI 模型。旗艦推理模型 MAI-Thinking-1 從零訓練且未用第三方蒸餾；團隊還推出企業自調優功能 Frontier Tuning，並宣佈成立超級智慧實驗室以及與 Mayo Clinic 聯合研發臨床醫療大模型。
微軟公佈量子處理器 Majorana 2：靠 AI 輔助設計，量子位元壽命飆升至 20 秒
Microsoft 公佈可擴充套件量子處理器 Majorana 2，在 AI 輔助設計的鉛基材料堆疊支援下，拓撲量子位元可靠性提升超 1000 倍。其壽命從毫秒級躍升至平均 20 秒，偶超 1 分鐘。微軟藉此將路線圖時間減半，目標 2029 年造出容錯量子計算機。
Anthropic 擴充套件網路防禦計劃：為 15 國關鍵機構配備 Claude Mythos
Anthropic 宣佈將網路防禦計劃 Project Glasswing 擴充套件至 15 個國家的約 150 家新機構。此前約 50 傢伙伴已藉助 Claude Mythos Preview 掃出逾萬個高危漏洞；新批次覆蓋電力、水務與醫療等關鍵基建，旨在搶在惡意攻擊前用 AI 築牢防線。
Perplexity 推出端雲混合編排器：敏感資料留本地，重活交給雲端
Perplexity 為其 Personal Computer 產品公佈混合推理編排器。系統能自動拆解任務，把財務與健康等隱私資料留在本地小模型處理，複雜計算路由給雲端前沿模型。該架構聯手 Intel 推出並支援輝達晶片，定於 7 月上線。
Claude Code 上線動態工作流：現場自寫排程指令碼，多智慧體對抗驗證
上週，Anthropic 宣佈在 Claude Code 中上線動態工作流。依託 Claude Opus 4.8，Claude 能針對複雜任務現場編寫 JavaScript harness，派生獨立上下文的子智慧體執行對抗驗證或錦標賽競爭。不過其 token 消耗顯著增加，更適合高複雜度任務。
OpenAI 升級 Codex：推出六大崗位外掛，還能一鍵生成互動式網站
OpenAI 宣佈為 Codex 推出六大崗位專用外掛，以及面向企業預覽的 Sites 功能。Codex 周活已超 500 萬，非技術使用者增速達開發者三倍。新外掛打包了 62 款應用，無需寫程式碼，團隊就能用自然語言生成互動式儀表盤並生成連結分享。
週一
6月1日 星期一
TripoSplat：單張 2D 圖轉 3D 高斯模型，程式碼極簡還免裝重度依賴
TripoAI 開源了 3D 工具 TripoSplat，單張 2D 圖片就能轉出最高 26 萬個高斯點的 3D 資產。核心程式碼約 2000 行且免除複雜依賴，支援直接匯入 ComfyUI；不過實測生成簡單物體表現尚可，人物面部目前仍相當模糊。
JetBrains 開源 Mellum2：12B 混合專家模型，推理速度快 2 倍
JetBrains 釋出 12B 引數的開源混合專家模型 Mellum2，採用 Apache 2.0 協議。模型每個 token 僅啟用 2.5B 引數，推理速度較同體量開源模型提升超 2 倍，專門針對路由、RAG 和子智慧體等低延遲軟體工程工作流最佳化。
微軟 Build 前瞻：自研推理模型與開發者專屬 Windows 11 齊亮相
據報道，Microsoft 將在 Build 大會上公佈首款自研推理模型 MAI-Thinking-1，並推出專為開發者最佳化的 Windows 11 純淨環境。微軟還將展示整合助手的 Copilot 超級應用，並強化端側 AI 支援。不過該應用預計要到夏末才開啟預覽。
TwelveLabs 推出影片副駕 Rodeo：用一句話幫剪輯師扒出關鍵鏡頭
TwelveLabs 釋出首款面向終端使用者的 AI 創作副駕 Rodeo。依託 Marengo 3.0 與 Pegasus 1.5 大模型，它能根據自然語言理解長影片的畫面與上下文，在龐大素材庫中自動檢索並拼貼出成片，省去人工逐秒翻查素材的繁瑣工作。
Anthropic 安全模型 Mythos 成本極高：Token 單價據稱為 Opus 六倍
The Information 報道 Anthropic 專攻網路安全的新模型 Mythos 雖然找漏洞極快，但成本驚人。其 Token 單價據稱為 Opus 的 6 倍左右，Palo Alto Networks 極快便消耗了 100 萬美元 Token。不過多位安全主管表示，相比洩密造成的鉅額損失，這筆賬依然划算。
日本農民用 Codex 管百公頃農田：零基礎搞定硬體與衛星遙感
OpenAI 報道北海道農夫 Hiroki Tomiyasu 靠 ChatGPT 和 Codex 自動化管理 100 公頃農田。這位零程式設計基礎的前公務員搭建了 8 套工作流，把 ESP32 電機控制與衛星遙感打通。這證明在 AI 輔助下，技術門檻已不再是個人搭建複雜物聯網系統的阻礙。
斯坦福合同法盲測：75% 對決中，法學教授更認可 AI 的回答
斯坦福大學主導的研究顯示，在近 3000 次合同法答疑盲測中，法學教授在 75% 的情況下更認可 AI 給出的答案，而非人類同行撰寫的版本。最值得關注的是，教授僅將 3.5% 的 AI 回答標記為有害，而同行回答達 12%。也就是說，大模型在需要複雜推理與主觀判斷的領域已表現出驚人能力。
Factory 推出 Factory Router：程式設計成本降低 25%，效能保留 99%
Factory 推出模型智慧路由工具 Factory Router。它會根據任務複雜度自動分發模型，簡單重構走平價模型，複雜推理呼叫頂級模型，在保持 Claude Opus 4.7 基準表現 96% 至 99% 的同時削減 20% 至 25% 的成本。目前已在 CLI 和桌面客戶端開啟私有研究預覽。
OpenAI 動工 1GW 超大數據中心：落地密西根，承諾不搶民用水電
OpenAI 宣佈其 Stargate 計劃下的 1GW 資料中心園區「The Barn」在密西根州薩林破土動工。該專案聯合 Oracle 等夥伴建設，採用閉式水冷並全額自負能耗，避免推高居民水電賬單，同時將向該州逾 40 萬名學生贈送 4500 萬美元的 Codex 算力額度。
桑德斯擬提案設立 AI 主權基金：向 OpenAI 等徵收 50% 股權稅
美國參議員 Bernie Sanders 宣佈將推出法案，擬向 OpenAI、Anthropic 等頭部 AI 公司徵收一次性 50% 的股權稅，建立主權財富基金。該基金將持有投票權與董事席位。他認為 AI 依賴全人類智慧訓練，收益理應歸全民共享。
Anthropic 秘密遞交 S-1 表格：啟動普通股 IPO 流程
Anthropic 宣佈已向美國證監會秘密提交 S-1 註冊宣告草案，啟動普通股 IPO 流程。待監管部門完成審查後，公司將擁有上市選擇權。目前發售股數與定價區間均未確定，最終上市仍取決於市場環境。
NVIDIA 釋出 Cosmos 3：讓機器人「先想後動」，直接輸出關節軌跡
NVIDIA 釋出開源世界基礎模型 Cosmos 3。它採用混合 Transformer 架構，融合視覺推理與原生動作生成，不僅能推演場景變化，還能直接輸出關節角度和軌跡點等機器人控制資料。Agile Robots 等公司已將其用於人形機器人訓練，模型現已在 Hugging Face 開源。
微軟釋出 Surface Laptop Ultra：搭 Blackwell GPU，本地可跑 120B 模型
Microsoft 宣佈推出 Surface Laptop Ultra，搭載 NVIDIA Blackwell RTX GPU 與最高 128GB 統一記憶體，提供 1 petaflop 的 AI 算力，可在本地執行 120B 引數大模型。裝置配備 15 英寸 mini-LED 觸控屏，峰值亮度 2,000 尼特，將於今年晚些時候上市。
週日
5月31日 星期日
MiniMax 釋出 M3 模型：支援 100 萬上下文與原生多模態，解碼快 15 倍
MiniMax 釋出開源權重模型 M3，支援 100 萬 token 上下文與原生多模態，可直接操作桌面電腦。模型採用自研稀疏注意力架構 MSA，解碼速度比前代提升 15 倍，並在 SWE-Bench Pro 等基準測試中達到前沿水平。目前已通過 MiniMax Code 與 API 開放體驗。
OpenAI 機器人團隊擴招：從世界模擬走向真機制造
Sam Altman 宣佈 OpenAI Robotics 正在招募硬體、系統及機器學習工程師。過去一年由 Aditya Ramesh 牽頭的世界模擬專案已演化為機器人部門。短期計劃打造輔助技術工人的實用機器人，長期目標則是人人擁有個人機器人。
NVIDIA 釋出 DGX Station for Windows：桌面直接跑萬億引數大模型
在 GTC Taipei 上，NVIDIA 宣佈推出 DGX Station for Windows，搭載 GB300 超級晶片。該系統擁有最高 748GB 統一記憶體和 20 petaflops FP4 算力，支援在本地執行萬億引數模型並並行排程數百個智慧體。戴爾、華碩等廠商的整機預計今年 Q4 上市。
NVIDIA 擴大 Hyperion 自動駕駛生態：聯手富士康與 Uber 落地 Robotaxi
NVIDIA 宣佈擴大 Hyperion 平臺生態，聯合富士康與 Uber 等夥伴推進 Level 4 自動駕駛出租車落地。富士康計劃 2028 年在高雄開跑，Uber 擬於年內在慕尼黑啟動。NVIDIA 試圖通過統一的車載算力與安全架構，加速全球 Robotaxi 規模化運營。
NVIDIA 釋出開源人形機器人參考設計：配宇樹本體與 Thor 晶片
NVIDIA 在 GTC Taipei 釋出 Isaac GR00T 開源人形機器人參考設計，整合宇樹 H2 Plus 機身、Sharpa 五指觸覺手與 Jetson Thor 車載計算平臺。這套全棧方案打通了模擬、資料與實機部署，斯坦福等機構將率先採用，整機預計 2026 年底交付。
NVIDIA 釋出 Vera CPU：專為 AI 智慧體打造，任務完成速度快 1.8 倍
NVIDIA 在 GTC Taipei 釋出專為 AI 智慧體打造的 Vera CPU 並已全面量產。該晶片搭載 88 個自研 Olympus 核心，任務完成速度比 x86 CPU 快 1.8 倍。Anthropic、OpenAI、字節跳動等計劃採用，相關伺服器系統預計今年秋季面市。
NVIDIA 聯手微軟釋出 RTX Spark：專為個人智慧體打造的 PC 超級晶片
今日，NVIDIA 聯手微軟釋出專為個人智慧體設計的超級晶片 RTX Spark。該晶片擁有最高 128GB 統一記憶體與 1 petaflop 算力，可本地執行 1200 億引數大模型。首批輕薄筆記本與緊湊桌面 PC 預計今年秋季由華碩、聯想等廠商推出。
週五
5月29日 星期五
Codex 更新：內建瀏覽器並支援匯入 Cookie，可在登入態除錯與採集內容
Codex 迎來功能更新，上線內建瀏覽器並支援一鍵匯入 Chrome Cookie，使用者可直接帶入抖音、小紅書等平臺賬號挖掘熱門內容。新版本還加入開發者模式，支援檢查 DOM、控制台和網路請求，方便開發者除錯需要真實登入態的 Web 應用。
Codex 更新 26.527：Windows 支援 Computer Use 和手機遠控
Codex 應用釋出 26.527 版更新。Windows 正式支援 Computer Use 功能，Codex 可直接識別螢幕、點選並鍵入操作桌面應用；同時支援通過 iOS 或 Android 上的 ChatGPT 遠端控制 Windows 裝置。此外個人資料頁新增用量統計與 Token 動態。
Brilliant 推出 AI 家教 Koji：拒絕直接給答案，在螢幕畫批註帶你思考
Brilliant 推出名為 Koji 的「圖形化私教」。它不直接給答案，而是能看懂使用者的螢幕操作與停頓，通過語音交流、螢幕高亮和圖表批註來引導解題。目前該功能已在 Brilliant 大多數數學和程式設計課程中上線。
別再只測提示詞：OpenAI 釋出前沿模型第三方評測指南
OpenAI 釋出針對前沿 AI 模型的第三方評測指南，指出模型能力極度依賴外部執行環境與腳手架（Harness）。報告建議評測機構明確測試宣告並記錄環境配置，同時排查獎勵駭客、裝傻沙袋化與資料汙染等失真風險。
OpenAI 推出 Rosalind Biodefense：向防禦機構開放生命科學大模型
OpenAI 推出 Rosalind Biodefense 計劃，向可信開發者贊助提供生命科學推理模型 GPT-Rosalind 的訪問許可權，用於構建生物防禦與疫情防範工具。同時，OpenAI 還向美國政府及盟友夥伴開放受信任訪問，以加速醫療應對與早期預警。
Anthropic 擬擴大開放 Claude Mythos：駭客級安全模型將走向所有客戶
據路透社報道，Anthropic 計劃在未來幾週向所有客戶開放網路安全模型 Claude Mythos。此前該模型僅限「Glasswing 計劃」內的巨頭測試，能獨立推理攻擊路徑並編寫漏洞利用鏈。最值得關注的是，儘管測試顯示其安全拒絕機制仍不穩定，但在競品壓力下，官方正加速將其推向更廣泛的防禦場景。
開源前端設計工具 Impeccable 3.5：按模型專治「AI 味」，支援程式碼即時直改
開源前端設計工具 Impeccable 釋出 3.5 版本。團隊針對 AI 生成 UI 普遍存在的米色背景、極端字間距等缺陷，為不同模型分別編譯專屬修復規則，並上線瀏覽器即時編輯的 Live 模式。這意味著開發者能直接在真實程式碼庫中用自然語言或語音改介面，告別千篇一律的 AI 設計。
百度開源音影片模型 NAVA：63 億引數，畫面與聲音原生同步
百度 ERNIE 團隊開源音影片同步生成模型 NAVA，引數量僅 63 億。它告別了先渲染畫面再後期配音的路線，直接原生聯合生成畫面與雙聲道音訊，支援參考音訊控制音色。8 卡並行約 1 分鐘即可生成 1 分鐘 720p 音畫同步影片。
週四
5月28日 星期四
MAMMA 開源：只需 4 臺普通攝像機，搞定多人 3D 動作捕捉
馬普所和 CMU 開源無標記動捕系統 MAMMA，僅用 4 臺普通攝像機甚至手機拍攝的多視角影片，就能轉成高精度 3D 人體模型。它無需穿戴任何物理標記點，能精準追蹤跳舞、擁抱等複雜互動，還能做出《駭客帝國》同款子彈時間效果。程式碼與 Web UI 已在 GitHub 開放。
SANA-Streaming 開源：RTX 5090 上跑滿 24 幀，一分鐘影片即時修改
NVIDIA 開源影片編輯系統 SANA-Streaming，僅用 20 億引數即可在播放過程中即時替換影片中的服裝、背景與場景風格。藉助混合注意力架構與運算元最佳化，它在 RTX 5090 上實現 720p 解析度下 24 FPS 端到端即時編輯，並保持原動作穩定。程式碼與權重已公開發布。
Roblox 釋出 CubePart：直接按部件生成 3D 模型，告別手動切塊
Roblox 釋出部件級 3D 生成框架 CubePart。它允許開發者在提示詞外指定一份部件清單，直接生成分塊命名、可獨立掛載物理與動畫指令碼的遊戲資產。最值得關注的是，生成的網格無需手動拆解即可匯入引擎。相關程式碼已整合進開源專案 Cube。
ElevenLabs 推出 Dubbing v2：跨語言配音也能保留原聲情緒
ElevenLabs 推出新一代配音模型 Dubbing v2。新模型主打跨語言情緒與表演細節的保留，能把原聲的情緒起伏完整遷移到目標語言中。這意味著 AI 配音不再只是乾癟的臺詞朗讀，影片出海本地化聽起來將更像原聲出演。
Microsoft 改版 365 Copilot：載入提速 50%，把提示框變成工作臺
Microsoft 宣佈重構 Microsoft 365 Copilot 介面與互動。新版應用載入速度提升超 50%，複雜聊天響應加快 10%，並引入結合郵件、檔案與會議上下文的「Work IQ」智慧層。在 Word、Excel 等應用中，Copilot 也轉為支援直接操作畫布的智慧體模式。
Figma Make 支援直連原生代碼庫：用視覺化拖拽直接改生產程式碼
Figma 宣佈 Figma Make 支援連線本地生產程式碼庫。設計師在畫布上調整樣式或新增標註，內建智慧體就會自動修改對應程式碼，並支援分支與 PR 等 Git 工作流。這打破了設計與程式碼的割裂，目前僅在 Mac 桌面 Beta 版開啟內測。
Perplexity Computer 接入 Word 與 Excel：側邊欄直接生成文件與模型
Perplexity 宣佈 Computer 正式接入 Microsoft Word、Excel、PowerPoint 和 Outlook 原生外掛。使用者無需再手動複製貼上，可直接在側邊欄起草文件、搭建財務模型或撰寫郵件，並自動關聯網路及 SharePoint 資料且附帶引用。該功能面向 Pro 等付費訂閱使用者開放。
Anthropic 完成 650 億美元 H 輪融資：估值逼近萬億，年化收入破 470 億
Anthropic 宣佈完成 650 億美元 H 輪融資，投後估值達 9650 億美元。本輪包含亞馬遜等巨頭的 150 億美元承諾注資，三星與 SK 海力士也參投；其年化營收已突破 470 億美元。新資金將用於安全研究並鎖定數十吉瓦的算力基礎設施。
Claude Code 上線動態工作流：可排程數百個子智慧體，11 天重構 Bun
Anthropic 在 Claude Code 中正式上線「動態工作流」功能。Claude 能動態生成編排指令碼，在單次會話中並行執行數十至數百個子智慧體協同驗證與修改。Bun 作者曾藉此在 11 天內將 75 萬行程式碼移植至 Rust。不過該功能會顯著增加 token 消耗。
Anthropic 釋出 Claude Opus 4.8：程式碼漏錯率降至四分之一，加量不加價
Anthropic 正式推出 Claude Opus 4.8，全面提升程式設計與智慧體協作能力且定價不變。新模型對程式碼缺陷的漏檢率較前代降低約 4 倍，並新增「思考深度」調節功能；Claude Code 亦同步上線動態工作流，支援排程數百個並行子智慧體。
