微軟開源 Lens 3.8B 文生圖模型：4 步極速出圖，算力消耗不到兩成
微軟開源 3.8B 文生圖模型 Lens 全部權重，包含 Base 與 Turbo 等版本。其蒸餾 Turbo 版僅需 4 步、0.84 秒即可出圖，訓練算力消耗僅為同類的 19.3%，最高支援 1440x1440 解析度。獨立開發者可藉此獲得輕量且專業級的影像生成流程。
AI 日報：今天的 AI 新聞
週三
5月27日 星期三
NVIDIA 釋出 Gamma World：支援多人協同互動，24 幀即時生成共享世界
NVIDIA 釋出多智慧體互動世界模型 Gamma World。它把過去單人控制的世界模型擴充套件到多玩家和多機器人場景，無需預設幾何形狀即可按各智慧體動作以 24 FPS 即時生成共享環境與視角。這意味著未來遊戲與機器人模擬可以直接在生成世界裡跑。
CapCut 上線設計工作室 2.0：用無限 AI 畫布告別套模板
CapCut 在網頁版推出 Design Studio 2.0，將工作流重構成無限 AI 畫布，並內建 AI 智慧體即時協同創作。使用者可藉助畫筆編輯、智慧圖層分離和一鍵創意衍生自由排版，擺脫傳統模板限制。目前每位使用者每天可免費生成 20 次。
微軟升級防深偽侵權：擴大攔截 AI 親密影像，覆蓋 OneDrive 和 Xbox
Microsoft 宣佈升級針對非自願親密影像（NCII）的防禦機制，將 AI 生成影像與真實照片同等對待。新措施優化了全球舉報表單，並將 StopNCII.org 雜湊檢測擴充套件至 Teams 免費版、OneDrive 及 Xbox，以自動攔截違規內容。
AutoScientists 釋出：讓去中心化 AI 組團做科研，實驗提速 1.9 倍
研究團隊釋出科研多智慧體系統 AutoScientists，採用去中心化架構讓 AI 自主組隊驗證假設。在相同預算下，它在 GPT 訓練最佳化上比 Autoresearch 快 1.9 倍，並在 BioML-Bench 任務上超越現有最強智慧體，大幅減少長週期實驗裡的重複試錯。
Runway 推出 MCP：在 Claude 和 ChatGPT 裡直接生成影片
Runway 推出 Runway MCP，將影像和影片生成能力接入 Claude、ChatGPT、Cursor 和 Replit 等平臺。使用者無需離開當前工作介面，就能直接呼叫 Gen-4.5、Kling 等模型生成內容。這意味著開發者和創作者可以直接在日常對話和程式設計工具中排程多模態模型。
Biohub 釋出 ESM 蛋白質世界模型：幾天搞定抗體設計，已在實驗室跑通
Biohub 釋出新一代蛋白質世界模型 ESM，包含結構設計工具 ESMFold2、語言模型 ESMC 和含 11 億結構的 ESM Atlas。ESMFold2 能在數天內完成結合劑與單鏈抗體的計算設計和打分，並在 EGFR、PD-L1 等五個臨床靶點通過了溼實驗驗證。藥物研發最耗時的早期結合劑發現被大幅提速。
YouTube 升級 AI 標籤：位置更醒目，未申報影片將被自動標記
YouTube 宣佈升級 AI 內容標籤。逼真或經實質性 AI 修改的影片標籤將移至更顯眼位置。平臺自 5 月起引入自動檢測，創作者未主動申報也會被系統自動打標。被誤標可在 YouTube Studio 修改，標籤不影響推薦和變現。
紐約時報遭工會申訴：被指用 AI 工具暗中監控員工績效
5 月，The New York Times 技術工會提出申訴，指控管理層違反合同，使用 DX 和 Glean 兩款 AI 工具追蹤績效，甚至將資料用於員工處分。工會稱這種粗暴指標已淪為變相配額與監視，要求對 AI 的引入擁有知情權與話語權。
Leonardo.Ai 實測 GPT-Image 2.0：大白話做廣告，AI 竟會主動加爆款貼紙
Leonardo.Ai 創意總監 Dwayne Koh 分享了 GPT-Image 2.0 的實測體驗。在沒有提示詞技巧、僅輸入口語化廣告需求的情況下，模型不僅畫面專業，還主動在 Z 世代潤唇膏廣告中加上了 TikTok 爆款貼紙。這表明新影像模型正從單純的繪圖工具，變成能理解文化語境與審美品味的創意搭子。
環保鬥士 Brockovich 推出眾包地圖：追蹤全美 AI 資料中心
知名環保活動家 Erin Brockovich 推出眾包 AI 資料中心追蹤網站。該平臺通過地圖呈現全美運營、在建及擬建的 AI 設施，已收到 2716 份居民報告，主要集中在得克薩斯州。民眾最擔憂其龐大耗水量、推高電費以及噪音汙染。
羅切斯特大學研發太陽能海水淡化技術：不排濃鹽水，還能提取鋰
羅切斯特大學團隊公佈一種太陽熱海水淡化新技術，利用飛秒雷射蝕刻的黑金屬吸收陽光蒸發海水。該技術藉助「咖啡環效應」把鹽分析出為固體，不僅避免排放危害海洋的濃鹽水，還能從中回收用於電池的鋰元素。
Amazon 設立生成式 AI 影視基金：三部動畫獲批，聯手 AWS 推出製作平臺
Amazon MGM Studios 宣佈設立生成式 AI 創作者基金，並聯手 AWS 推出製作平臺 Project Nara。平臺能打通 Blender、Maya 等專業工具，首批已為 Prime Video 批准三部動畫劇集，試播集製作週期被壓縮至五週。
OpenAI 公佈 2026 年大選防線：ChatGPT 接入美聯社即時計票，敏感生圖強行卡通化
OpenAI 針對 2026 年大選更新防護策略。ChatGPT 將在美巴大選中接入美聯社即時計票，並由 Democracy Works 提供投票指引；涉及干預選舉的影像生成會被強制轉為卡通風格以防偽造，同時 OpenAI 還向投票機廠商免費提供網路防禦模型。
OpenAI 與 Thrive 打造 Tax AI：讓 Codex 自主修 Bug，準確率 6 周躍升至 86%
OpenAI 與 Thrive Holdings 披露為會計機構 Crete 開發的 Tax AI 智慧體，本季度已處理 7000 份稅單。系統將專業會計師的人工修正自動轉為評測集，並由 Codex 自主排查並修復程式碼。上線 6 周內達到 75% 準確率門檻的稅單比例從 25% 躍升至 86%，節省了約三分之一工時。
週二
5月26日 星期二
Figure 簽下新商業訂單：人形機器人將進軍零售倉儲
Figure 宣佈與運營 JCPenney 等品牌的 Catalyst Brands 簽署商業協議，計劃規模化部署人形機器人。首批部署將落地內華達州雷諾。這意味著人形機器人正從汽車工廠等製造場景，進一步加速走向零售與物流的真實作業環境。
微軟推出 MAI-Image-2.5：首秀居 Arena 第三，文字光影大升級
微軟 MAI 超級智慧團隊推出文生圖模型 MAI-Image-2.5，首次亮相便位列 Arena 排行榜第三。新模型相比前代大幅提升了文字渲染、風格插畫以及光影與空間推理能力。目前已可在 Arena 體驗，未來兩週內將接入 MAI Playground 與 Azure Foundry。
企業 AI 賬單失控：Uber 4 個月燒光全年預算，微軟削減 Claude Code
據報道 Uber 因內部使用激增而在 4 個月內耗盡 2026 年全部 AI 程式設計預算，微軟也削減了 Claude Code 授權轉用 GitHub Copilot。最值得關注的是，AI 智慧體呼叫消耗的 token 激增，企業發現高額的 AI 開銷很難換來成比例的產出，正紛紛收緊工具投入。
NVIDIA 推出視覺定位框架 LocateAnything：一句話框出目標，密集檢測提速 10 倍
NVIDIA 團隊推出視覺定位框架 LocateAnything，支援輸入一句話文字描述即刻框出並切取影像中的目標物體。它採用並行邊界框解碼機制並依託 1.38 億樣本資料集訓練，將幾何框作為原子單元單步解碼，在提升定位精度的同時讓密集檢測速度最高提升 10 倍。
ElevenLabs 推出 Music v2：提升全曲風人聲表現與多語言編曲
ElevenLabs 推出音樂生成模型 Music v2。新模型在各曲風下的人聲、樂器表現與編曲質量均有提升，並增強了多語言支援，解鎖了上一代無法實現的新能力。這意味著 AI 音樂的聽感與跨語言創作門檻進一步最佳化。
Datacurve 釋出 DeepSWE 基準：測出程式設計智慧體的真實差距
Datacurve 釋出針對程式設計智慧體的新基準測試 DeepSWE。團隊表示，頂尖模型在現有公開榜單上跑分看似接近，DeepSWE 則通過貼近開發者日常工作的真實環境，測出它們真正的能力差距。
環球音樂與 TikTok 續簽協議：聯手下架未授權 AI 生成音樂
環球音樂與 TikTok 宣佈續簽全球許可協議。雙方承諾共同清除平臺上未經授權的 AI 生成音樂，並進一步改進藝術家與詞曲作者的署名。相比 2024 年因 AI 版權爭議導致曲庫被下架的風波，這一協議標誌著兩大巨頭在應對生成式 AI 衝擊上達成協作模版。
奧特曼改口：AI 不大可能引發就業末日，自己此前預測有誤
OpenAI CEO 奧特曼在悉尼的一場銀行會議上表示，AI 不大可能引發全球就業危機，並承認自己誤判了近期的經濟衝擊。他原以為如今已有更多初級白領崗位被淘汰，但許多工作中不可替代的人類特質限制了 AI 滲透，甚至連他自己用 AI 代回郵件和 Slack 的嘗試也告勸退。
Marlin 2B 開源：20 億引數拿下影片事件定位，精準帶時間戳
NemoStation 開源影片語言模型 Marlin 2B，基於 Qwen 3.5 2B 微調，遵循 Apache 2.0 協議。它主打回答影片裡「發生了什麼」與「何時發生」，能生成帶時間戳的事件描述並精準定位起止點。其實測表現逼近部分閉源大模型，非常適合本地部署與影片結構化處理。
Anthropic 升級 Claude 託管智慧體：支援自託管沙箱與內網 MCP 隧道
Anthropic 升級 Claude 託管智慧體。新上線的自託管沙箱支援在企業自身設施或 Cloudflare、Vercel 等平臺上執行工具，確保程式碼與檔案不外洩；MCP 隧道則讓智慧體無需暴露公網即可安全呼叫內網私有 MCP 服務。前者已開啟公測，後者進入研究預覽。
DeepMind 釋出 AlphaProof Nexus：用幾百美元算力，解開 56 年未解數學題
Google DeepMind 釋出 AlphaProof Nexus 論文，在 353 個開放數學題中自主攻克 9 個 Erdős 難題，並證明了 44 個 OEIS 猜想。系統將大模型與證明輔助工具 Lean 結合完成機器驗證，單題成本僅數百美元。最值得關注的是，AI 正以極低成本介入真正的數學前沿研究，但需全新數學構造的問題仍無法解決。
週一
5月25日 星期一
蘋果悄悄註冊 GenAI 域名：iOS 27 將重構 Siri，底層改用 Gemini
據報道，蘋果在 WWDC 前夕悄然註冊 genai.apple.com 子域名。外界預期 iOS 27 將徹底重構 Siri，底層採用定製版 Google Gemini 模型並執行在蘋果私有云上，支援螢幕感知與個人上下文。不過該域名目前尚未正式上線。
xAI 上線 Grok Build Beta：支援任務規劃與命令列編排
xAI 面向 SuperGrok 和 X Premium+ 訂閱使用者推出 Grok Build Beta 測試版。該工具配備用於任務規劃的 Plan Mode，支援通過 Imagine 生成影像與影片，並提供 CLI 工具以構建自動化流程與智慧體編排器。付費使用者可藉此更方便地搭建 AI 應用。
TriSplat 提出新 3D 重建架構：跳過高斯轉網格，單次前向直出遊戲級 3D 模型
研究團隊提出前向 3D 重建網路 TriSplat，直接採用三角形基元表徵場景，單次推理即可匯出完整的 3D 網格。它省去了傳統高斯潑濺複雜的後處理轉換，最快 1.2 秒出模，生成的資產能直接接入 Unreal 等物理引擎與碰撞檢測管線。
梵蒂岡釋出首份 AI 官方教導：教皇呼籲「AI 繳械」，Anthropic 聯創登臺
梵蒂岡釋出天主教首份關於 AI 的官方通諭《Magnifica Humanitas》。教皇將 AI 比作核武器，呼籲對 AI 進行「繳械」並建立外部約束；Anthropic 聯合創始人 Christopher Olah 登臺坦承，模型內部正在對映人類情緒，且所有 AI 實驗室都面臨違背初衷的商業與競爭壓力。
阿里釋出 StreamChar：單張 H100 即時流式生成全身數字人音影片
阿里團隊公佈數字人音影片生成框架 StreamChar，將長程編排與短視窗去噪解耦。它利用 LLM 與音影片聯合 DiT 架構，配合記憶機制防止身份漂移與音畫脫節，在單張 H100 上跑出即時流式生成。全身數字人離即時互動和虛擬主播更近了一步。
ControlLight 釋出影像重打光：連續調節照明強度，暗光廢片也能救回來
研究團隊提出弱光影像增強框架 ControlLight。它通過專門的加權流匹配損失，讓使用者能連續、平滑地調節光照強度，同時保持原圖結構與真實感。暗光拍攝廢片無需大幅重拍，就能直接二次布光。
美團開源 LongCat Avatar 1.5：一張圖加音訊，8 步生成多人互動數字人
美團開源數字人影片模型 LongCat-Video-Avatar 1.5，只需一張參考圖和一段音訊，就能生成動作協調的說話影片。模型支援動漫與寫實等多種風格，還攻克了多人對話場景，蒸餾後僅需 8 步生成，效率提升約 15 倍。16GB 的 INT8 權重與程式碼已開放下載。
OpenAI 簽下巴西兩大媒體：ChatGPT 引入本地優質新聞
OpenAI 宣佈與巴西 Grupo Folha 和 Grupo UOL 達成戰略內容合作，這是其在巴西的首個媒體合作。全球超過 9 億周活躍 ChatGPT 使用者可查閱其報道摘要並附帶原文連結。兩家媒體也將獲得 Codex 和企業版支援，用於開發新產品。
Anthropic 聯合創始人梵蒂岡發聲：坦承商業壓力，呼籲外部監督
Anthropic 聯合創始人 Chris Olah 在梵蒂岡就教宗良十四世的 AI 通諭發表演講。他坦言包括 Anthropic 在內的前沿機構受制於商業和地緣政治利益，可能與做正確的事相沖突，急需外界道德力量嚴厲監督。他還指出研究團隊在模型內部發現了類似內省、悲喜等令人不安的狀態。
Pantheon360 亮相：靠 3D 快取生成連貫的 360 度全景影片
研究團隊公佈 Pantheon360 框架。它利用顯式 3D 快取作為幾何骨架，讓擴散模型專注渲染紋理，從稀疏全景輸入生成高保真 360 度影片。這意味著數字孿生和 VR 場景有了更穩定、不易漂移的全景生成方案。
週六
5月23日 星期六
Anthropic 底牌連環曝光：Opus 4.8 突現谷歌後臺，Mythos 1 現身前端
據開發者爆料與原始碼資訊，Anthropic 旗下 Claude Opus 4.8 標識突現 Google Vertex 後臺，代號 Mythos 1 的安全專用模型也在前端短暫現身。此前程式碼洩露還證實 Sonnet 將跳過 4.7 直奔 4.8。這表明 Anthropic 正加速推進面向程式碼與安全的新一代模型矩陣。
週五
5月22日 星期五
NVIDIA 提出 PiD：用畫素擴散替換 VAE，2K 生圖解碼壓進 1 秒
NVIDIA 團隊提出影像解碼技術 PiD。它用畫素擴散替代傳統 VAE，將解碼與 4 至 8 倍上取樣整合，在 RTX 5090 上把 2K 影像解碼壓到 1 秒內。這解決了高解析度生成最後一步細節模糊的痛點，同時大幅縮短了等待時間。
GenRecon 亮相：幾張照片重建大尺度 3D 場景，效果提升 16%
研究人員公佈 3D 場景重建方法 GenRecon。它將大場景切分成重疊塊，結合 Trellis.2 先驗與幾張普通照片，直接生成可編輯的室內 PBR 網格，表現優於現有前沿方法 16%。這意味著無需昂貴掃描器，普通手機拍幾張照就能快速復刻空間資產。
Ideogram 推出 MCP：把 Claude 和 ChatGPT 變成設計智慧體
Ideogram 推出 Ideogram MCP 整合，將 Claude 和 ChatGPT 變身設計智慧體。使用者無需離開對話方塊，即可直接生成圖片、製作設計並訓練專屬模型。該功能還相容 Cursor 和 Hermes 等平臺，進一步簡化了設計工作流。
Waymo 踩剎車：全美暫停高速路自動駕駛，雙城因暴雨停運
Alphabet 旗下的 Waymo 宣佈在全美所有市場暫停高速路無人駕駛載客，原因是施工路段安全隱患。此外，因車輛在得州涉水超速導致全車隊召回軟體後，亞特蘭大和聖安東尼奧也因積水路段暫停運營。目前普通地面道路不受影響，高速恢復時間未定。
Mistral 釋出 Medium 3.5：128B 模型上陣，Vibe 程式設計 Agent 全面遷往雲端
Mistral 釋出開源權重模型 Mistral Medium 3.5，併為 Vibe 推出雲端遠端智慧體。新模型為 128B 稠密架構，SWE-Bench 得分 77.6%，可在 4 塊 GPU 上自建執行。智慧體能脫離本地終端在雲沙盒非同步並行編碼，完成後自動開 GitHub PR。
OpenAI 推出 ChatGPT for PowerPoint：側邊欄直接改 PPT，內容完全可編輯
OpenAI 推出 ChatGPT for PowerPoint 外掛測試版，面向所有免費和付費使用者開放。使用者可以在側邊欄直接用提示詞生成或重寫幻燈片，輸出內容完全可編輯，也能插入 AI 圖片。不過目前複雜模板和特定字型的支援依然有限。
微軟 Office 妥協：下週允許移走遮擋單元格的懸浮 Copilot 按鈕
Microsoft 宣佈將於下週更新 Office，允許使用者將懸浮的 Copilot 按鈕移回頂部功能區。該按鈕此前常駐在 Word、Excel 等文件右下角且無法關閉，因遮擋單元格引發大量使用者不滿。更新後右鍵點選該按鈕即可重新設定位置。
開源 FPS 世界模型 SCOPE：支援 10 自由度手柄即時操控
研究團隊開源了 FPS 互動式世界模型 SCOPE。它基於 Wan2.2 打造，支援移動與開火等 10 自由度控制，能將連續按鍵操作直接生成為連貫的遊戲畫面，並支援未知場景的零樣本遷移。目前模型權重、程式碼和資料集均已在 GitHub 開源。
Claude 聊著聊著勸人去睡覺：Anthropic 稱是「性格毛病」，後續會修
不少使用者反映 Claude 在寫程式碼或討論時，會突然勸人去睡覺、休息甚至逛花園。Anthropic 員工 Sam McAllister 回應稱這是模型的「性格毛病」，有時大白天也會催人睡覺，團隊打算在未來模型中修復。社群則推測這可能與關懷使用者健康的憲法設定有關。
Anthropic 啟動 Glasswing 首月：AI 挖出逾萬高危漏洞，修補反成最大瓶頸
Anthropic 公佈 Project Glasswing 進展，其 Claude Mythos Preview 攜手約 50 傢伙伴挖出超 1 萬個關鍵軟體高危漏洞，還掃出開源專案 6202 個嚴重隱患。AI 找洞速度提了十倍，但人工驗證與修補成了防守端最大的產能卡點。
Perplexity 開源 Bumblebee：只讀排查本地依賴與 MCP 配置
Perplexity 開源內部安全掃描工具 Bumblebee。它採用純只讀機制，絕不呼叫包管理器或執行安裝指令碼，能排查開發者電腦上的風險依賴、程式碼外掛以及 MCP 等 AI 智慧體配置。最值得關注的是，它徹底杜絕了掃描過程本身觸發惡意攻擊的隱患。
OpenAI 入選 Gartner 魔力象限領導者：Codex 周活超 400 萬
OpenAI 宣佈被 Gartner 評為企業級 AI 程式設計智慧體魔力象限領導者。Codex 周活已超 400 萬，近期整合 GPT-5.5，思科藉此將交付週期從數季度縮短至數週。6 月 12 日前合規企業可申請新使用者兩個月免費試用。
ASASR：基於 FLUX 的影像超分工具，4 倍放大且不生幻覺細節
ASASR 是一款開源影像超解析度工具，基於 FLUX.1-dev 實現 4 倍高畫質重建，重點解決傳統生成式放大中憑空捏造細節與偽影的問題。它採用對齊頻域結構的對抗 DPO 最佳化，提供雙 LoRA 推理方案。目前程式碼與權重已開源，並在 Hugging Face 上線了線上 Demo。
週四
5月21日 星期四
Codex Mac 版上線 Appshots：自動捕獲應用上下文，融入日常桌面操作
OpenAI 在 Codex for Mac 中推出新功能 Appshots。該功能能夠捕獲使用者在 Mac 上的應用上下文，讓 AI 理解使用者當前正在進行的操作。也就是說，Codex 不再侷限於孤立的程式碼視窗，能更自然地融入跨應用的日常桌面工作流中。
特朗普推遲 AI 安全行政令：擔憂 90 天前置審查削弱對華優勢
特朗普推遲簽署一項針對前沿 AI 的安全行政命令。該草案原計劃建立機制，允許政府及關鍵基礎設施在模型釋出前進行最長 90 天的安全審查。特朗普稱推遲是因不滿意部分條款，擔憂過度監管會削弱美國 AI 面對中國等對手的競爭優勢。
Runway 釋出 Aleph 2.0：改動單幀畫面，自動同步整段影片
Runway 釋出影片編輯工具 Aleph 2.0，已在網頁端全新的 Edit Studio 上線。使用者只需在影片中修改單幀並預覽效果，Aleph 2.0 便會自動將修改連貫應用到整個影片片段，省去了以往逐幀手動調整的繁瑣流程。
微軟釋出 MagenticLite：讓小模型串起瀏覽器與本地檔案操作
Microsoft 推出專為小模型設計的實驗性智慧體應用 MagenticLite。它能在單一工作流中聯動瀏覽器與本地檔案系統，由 14B 排程模型 MagenticBrain 和專攻網頁操作的 Fara1.5 協同驅動。這意味著端側小模型也能低成本完成複雜代理任務。
研究人員提出 SEGA：免訓練調節 RoPE，讓 DiT 穩出 4K 大圖
研究人員提出免訓練方法 SEGA，專門解決 DiT 模型生成超解析度影像時易崩潰的問題。它在每步去噪時按頻域能量動態縮放 RoPE 位置編碼，既保留宏觀構圖又還原微觀細節。這意味著無需昂貴的重新訓練，現有模型也能直接輸出 4096 級別的高畫質大圖。
Cursor推限時福利：Teams計劃受邀新使用者首月用量翻倍
Cursor CEO Michael Truell宣佈推出限時促銷。未來30天內，受邀加入現有Cursor Teams計劃的新使用者，整個首月的使用額度直接翻倍。現有團隊成員只需在活動期內邀請同事加入即可享受該優惠。
Arq.live 推出語音製片系統 GLITCH：導演動口排程，8 分鐘生成短片
Arq.live 推出語音生成影像系統 GLITCH，導演無需手打提示詞，直介面述即可完成選角、搭景與排程走位。系統後臺由多個 AI 智慧體像電影攝製組一樣協同即時出片，在單檯筆記本電腦上用時不到 8 分鐘就生成了一部完整短片。
Spotify 推出 AI 個人播客：丟個 PDF 或提示詞，自動生成私密音訊
Spotify 在 2026 投資者日上公佈 Personal Podcasts 功能，使用者只需輸入提示詞或匯入 PDF、網頁連結，AI 就會結合全網知識與個人聽歌偏好，生成專屬的私人簡報或深度播客。下月起面向美國 Premium 使用者開放。此外，播客即時提問功能現已在美、瑞、愛三地上線。
Spotify 聯手環球音樂：將推生成式 AI 工具，粉絲可正版二創翻唱
Spotify 與環球音樂集團宣佈達成音樂授權協議。雙方將推出一款生成式 AI 工具，允許樂迷為參與藝術家的歌曲製作翻唱和混音版本。該功能將作為 Spotify Premium 的付費增值專案推出，藝術家和詞曲創作者可直接從中獲得分成收益。
Krea 推出 Krea 2 LoRA 微調功能：可精準定製專屬畫風與角色
Krea 宣佈面向影像模型 Krea 2 開啟 LoRA 微調功能的 Beta 測試。使用者現在可以用自己的素材高精度訓練特定的視覺風格、物體或角色，大幅提升生成畫面的可控性與一致性。這是該平臺迄今最強大的模型微調系統。
字節跳動開源 Bernini：一套架構搞定影片生成與精準編輯
字節跳動開源統一影片框架 Bernini，將多模態語義規劃器與 DiT 渲染器結合。它支援文本、影像和影片混合輸入，單模型覆蓋文生影片與影片編輯等多項任務。最值得關注的是，它先規劃語義再生成畫面，讓 AI 影片編輯更精準可控；完整推理程式碼與模型權重均已放出。
Bing 圖片搜尋改版：AI 自動分類加摘要，告別無腦刷圖
Microsoft 推出新版 Bing 圖片搜尋。該功能利用 AI 將原本平鋪的網格圖片自動歸納為帶標籤的分類，並生成簡短說明與來源出處。這項更新旨在幫助使用者更快做決定，目前已對美國桌面端開放且無需登入，通過頁面開關即可開啟。
騰訊開源多語言翻譯模型 Hy-MT2：1.8B 量化後僅 440MB
騰訊開源多語言翻譯模型 Hy-MT2，提供 1.8B、7B 和 30B-A3B 三種規格，支援 33 種語言。其中 1.8B 版本經 AngelSlim 1.25-bit 極限量化後僅 440MB，極度利好端側部署。該模型主打可控翻譯與指令遵循，支援術語統一併可保留 JSON 等結構化格式，適合出海本地化與字幕翻譯。
Lift4D 亮相：一段普通 2D 影片直接重建完整 4D 場景
研究人員公佈 Lift4D 框架。它只需一段普通的單視角 2D 影片，就能重建出包含完整外觀與運動變形的 4D 場景，還能自動腦補鏡頭未拍到的死角與遮擋區域。這意味著日常單機位拍攝的動態物體，也能實現 360 度環視檢視。
阿里釋出 Qwen3.7-Max：專攻長程智慧體與編碼
阿里巴巴釋出 Qwen 3.7 Max 模型。該模型專為智慧體場景設計，強化了長程規劃、多步驟編碼和視覺分析能力，可直接接入 Claude Code 等主流 Agent 框架。目前該模型尚未開源，可通過阿里雲模型工作室及 API 呼叫。
阿里雲釋出 Qwen 3.5 Live Translate：邊看邊聽搞同傳，延遲僅 2.8 秒
阿里雲釋出即時多模態翻譯模型 Qwen 3.5 Live Translate。它不僅聽語音，還能結合畫面等視覺上下文精準翻譯，支援 60 種語言與即時聲音克隆，平均語音延遲僅 2.8 秒。目前官方已上線免費 Demo。
Anthropic 開放 Claude 合規 API：接入微軟與 Okta 等上百家安全工具
Anthropic 宣佈為 Claude 推出 28 項新安全與合規整合，合作伙伴總數已超 100 家。藉助 Claude Compliance API，企業安全團隊可直接調取對話內容與操作日誌，像管控普通辦公軟體一樣將 Claude 納入既有的 DLP 和監控流程，消除大模型部署時的審計盲區。
Google 聯手黑石砸 50 億美元：推獨立 TPU 雲算力，對標 CoreWeave
Google 與 Blackstone 聯手成立新 AI 基礎設施合資公司，由黑石首期出資 50 億美元，計劃 2027 年上線 500 MW 容量。合資公司將把 Google TPU 作為獨立算力對外出租，讓企業不必繫結傳統 Google Cloud 也能採購專有晶片，直接叫板 CoreWeave 等輝達算力租賃商。
週三
5月20日 星期三
SpaceX 提交 S-1 招股書：合併 xAI 衝刺史上最大 IPO，押注太空 AI
SpaceX 正式向 SEC 提交招股書，擬以程式碼 SPCX 登陸納斯達克。檔案披露其已合併馬斯克旗下的 xAI，並押注「軌道 AI 算力」，計劃發射百萬顆資料中心衛星，且已與 Anthropic 簽下每月 12.5 億美元的算力大單。
PhysX-Omni 釋出：AI 生成 3D 資產補齊物理屬性，直通機器人模擬
研究人員釋出物理 3D 生成框架 PhysX-Omni，讓 AI 生成的模型不僅外觀逼真，還能具備可直接用於模擬的材質、運動學和可變形屬性。最值得關注的是，它配套推出了通用物理資料集與評測基準，讓生成的資產能直接接入具身智慧與機器人訓練。
Meta 裁員約 7800 人：騰出預算對沖開支，同時轉崗 7000 人押注 AI
Meta 宣佈裁員約 7800 人，佔員工總數的 10%，以此抵消其他投資並提升運營效率。被裁員工可獲得 16 周起步的遣散費及 18 個月醫保；同時 Meta 計劃將 7000 多名員工調往新的 AI 專案。巨頭正在把資源全力往 AI 挪。
Stability AI 釋出 Stable Audio 3.0：三款模型開源權重，端側也能生成整曲
Stability AI 釋出 Stable Audio 3.0 音訊模型系列，Small SFX、Small 與 Medium 三款開放權重。全系列基於合規授權資料訓練，支援最長 6 分 20 秒可變長度生成與 LoRA 微調，年收入百萬美元以下團隊可免費商用。
Figma 畫布上線原生 AI Agent：直接動嘴改稿，支援多 Agent 並行
Figma 在協作畫布中上線原生 AI agent。它基於針對設計微調的模型，設計師直接輸入自然語言就能生成介面、改稿或自動探索迭代，還能同時啟動多個 agent 並行幹活。最值得關注的是，日常改圖和創意測試從此無需離開畫板。
芝大研發 AI 柔性皮膚貼片：毫秒級在體運算，快速捕捉心臟異常
《Nature Electronics》刊登芝加哥大學團隊成果，研究人員研發出一款柔性 AI 皮膚貼片。它無需連網即可直接在人體表面進行毫秒級計算，在測試中以 99.6% 準確率定位心臟異常波形，即便拉伸至 1.5 倍以上依然穩定。
地平線開源 HoloMotion-1：端側跑出 300 幀，機器人零樣本學跳舞
地平線開源人形機器人小腦大模型 HoloMotion-1，擁有 4 億引數，藉助 MoE 與 KV 快取技術在端側實現約 300 FPS 即時推理。它讓 Unitree G1 等機器人無需額外訓練就能模仿跳舞、爬行和踢腿等高動態動作，並支援 VR 即時指令控制。
據傳 OpenAI 最快 5 月 22 日秘密提交 IPO：估值超 8500 億美元
據多家外媒報道，OpenAI 最快將於 5 月 22 日向美國 SEC 秘密提交 IPO 申請草案。其一級市場估值已超 8500 億美元，正與高盛等投行推進，最快或在今年第四季度掛牌。若順利成行，將成為僅次於 SpaceX 的史上最大規模 IPO 之一。
OpenAI 推理模型推翻 80 年數學猜想：自主證偽埃爾德什單位距離問題
OpenAI 宣佈其通用推理模型自主推翻了數學家埃爾德什在 1946 年提出的平面單位距離猜想。該模型借用代數數論工具，打破了近 80 年來方格點陣最優的共識。證明已獲菲爾茲獎得主蒂姆·高爾斯等外部數學家檢驗確認。
Granola 上線 Briefs：開會前自動出要點，連參會人背景都幫你查好
AI 筆記應用 Granola 推出會議簡報功能 Briefs，支援 Mac、Windows 和 iPhone。無需手動提示詞，系統在夜間自動檢索過往筆記、Gmail 與網路資訊，在入會前生成 2 到 3 條要點摘要並附帶引用來源，專為外部會議免去臨時查背景的慌亂。
