韓國團隊研發 7 枚智慧指環：即時翻譯手語，準確率超 88%
韓國研究團隊開發出一套由 7 枚無線智慧指環構成的系統，可將美式與國際手語即時翻譯成文本。指環內建加速度計並通過藍牙傳輸，配合 AI 自動補全來跟上手語語速，新手實測準確率超 88%。不過系統目前還無法捕捉面部表情等關鍵非手勢資訊。
AI 日報：今天的 AI 新聞
週二
5月12日 星期二
DeepMind 重塑滑鼠指標：指哪問哪，說句「改這裡」Gemini 就能懂
Google DeepMind 推出基於 Gemini 的新指標互動原型。使用者指著螢幕說「改這裡」或「換成餅圖」就能操作，無需手寫提示詞。游標能識別周圍視覺與語義，把畫素變成可執行實體。該功能正整合進 Chrome，且將落地 Googlebook。
Google 推出 Gemini Intelligence：Android 迎來跨應用自動化與生成式小元件
Google 推出深度整合系統的 Gemini Intelligence，可跨應用自動完成訂餐、叫車等複雜流程，並帶來口語精煉工具 Rambler 與用自然語言定製桌面元件的 Create My Widget。功能將於今夏率先推送至 Galaxy S26 和 Pixel 10，年內逐步擴充套件至手錶與車機。
Google 推出全新筆記本 Googlebook：深度整合 Gemini，晃動游標就能喚出 AI
Google 公佈全新筆記本品類 Googlebook，融合 Android 與 ChromeOS 並深度整合 Gemini。游標晃動即可觸發 Magic Pointer 獲取情境建議，還支援自然語言生成桌面小部件，並能直接跨端呼叫手機應用與檔案。首批裝置由宏碁、聯想等廠商打造，預計今年秋季上市。
為了讓 MacBook 閉蓋跑 Agent，開發者流行買 9 美元虛擬顯示頭
開發者 Will DePue 在 X 上分享，為了讓 MacBook 合蓋後持續執行 AI Agent，不少人開始使用虛擬顯示插頭。插上假插頭能欺騙系統保持合蓋執行；相比用終端命令或防休眠軟體，拔掉即可休眠的物理方案更省事，花費僅需幾美元。
好萊塢群星支援 Human Consent Standard：讓創作者自主管控 AI 授權
非營利機構 RSL Media 推出 Human Consent Standard 許可標準，獲湯姆·漢克斯等多位好萊塢明星支援。該標準允許創作者針對肖像、角色和作品設定完全開放、附帶條件或徹底禁止等 AI 授權條款。官方將於 6 月上線驗證登錄檔，供爬蟲通過 robots.txt 識別。
Rivian 上線車載 AI 助手：能升降底盤開前箱，還能幫你改日程
Rivian 推出深度整合車機系統的 Rivian Assistant。它不僅能直接調節車身高度、開啟前備箱或按複雜語境調溫，還具備智慧體能力，可聯動 Google 日曆並自動代發簡訊。目前僅支援英語，且需訂閱 Connect+ 服務。
評測平臺 AI IQ 上線：用人類智商曲線給前沿大模型打分
Ryan Shea 推出新評測平臺 AI IQ，放棄傳統跑分表格，直接用人類智商（IQ）的鐘形正態分佈圖呈現前沿模型水平。平臺不僅追蹤模型智商隨時間變化與單位智慧成本，還加入了情商（EQ）對比，涵蓋 GPT-5.5、DeepSeek V4 等主流模型。
Krea 推出首個自研模型 Krea 2：完全從零構建，主打風格控制
Krea 推出首個自研影像基礎模型 Krea 2。與以往基於第三方模型搭建工具不同，該模型完全從零開始訓練，專為影像生成的美學多樣性與精細風格控制而設計。此舉標誌著 Krea 從應用封裝轉向底層自研，目前已向用戶開放早期訪問。
開源影像模型 L2P 釋出：砍掉 VAE 與潛空間，直接生成畫素級畫質
開源影像生成模型 L2P 釋出。該模型徹底移除了傳統擴散模型中的 VAE 和潛空間，直接在畫素空間生成影像，最高可支援 4K 解析度。最值得關注的是，它避免了潛空間轉換造成的畫質損失；目前已開原始碼與 20GB 大小的 1K 解析度模型權重。
SenseNova 開源 U1.5-8B：不用 VAE 解碼，直接在畫素空間出 4K 圖
SenseNova 開源統一多模態模型 SenseNova-U1.5-8B-MoT，採用 Apache 2.0 協議。它跳過了傳統的潛空間與 VAE 編解碼步驟，直接在畫素空間端到端生成原生 4K 影像，並支援通過自然語言修改文字與區域性元素。不過模型權重約 50GB，本地部署對顯示卡要求較高。
傳 Google 與 SpaceX 洽談：聯手將 AI 資料中心送入太空軌道
據《華爾街日報》報道，Google 正與 SpaceX 洽談合作發射太空軌道資料中心，同時也與其它火箭公司接洽。馬斯克稱太空算力運營成本更低，但若算上衛星製造與發射開支，目前在太空部署仍遠比地面昂貴。
Claude 進軍法律行業：上線 20+ MCP 聯結器與 12 款業務外掛
Anthropic 為 Claude 推出 20 多個法律 MCP 聯結器和 12 款業務外掛，打通 DocuSign、iManage 等專業平臺，並在 Word、Outlook、Excel 等應用間同步上下文，讓法務團隊直接自動化處理合同審查與起草。
Anthropic 升級智慧體平臺：Claude Code 限額翻倍，支援多智慧體協作
Anthropic 在開發者大會上將 Claude Code 限額翻倍，併為 Claude Managed Agents 推出 Dreaming、多智慧體協作等四項新功能。智慧體可在任務間復盤記憶，並通過評分器自動打回修改，使複雜任務成功率提升達 10 點。
宇樹科技釋出有人駕駛變形機甲 GD01：售價 65 萬美元起
Unitree（宇樹科技）公佈可變形有人駕駛機甲 GD01，售價 65 萬美元起。官方稱其為全球首款量產級有人機甲，歸類為民用載具，載人後總重約 500 公斤且具備變形能力。宇樹科技特別提醒，使用者需以友好且安全的方式進行操作。
週一
5月11日 星期一
OpenAI 推出安全計劃 Daybreak：砸 10 億美元額度幫防禦者修漏洞
OpenAI 釋出網路安全防禦計劃 Daybreak，將前沿模型與 Codex 智慧體結合，幫防禦方排查、驗證並修復系統漏洞。官方承諾在 6 個月內提供 10 億美元額度補貼，重點支援開源維護者和關鍵基礎設施，並按驗證層級開放高階安全許可權。
Vivago AI 開源 HiDream-O1 Image：幹掉 VAE，搞定 2K 文字與海報排版
Vivago AI 開源影像生成模型 HiDream-O1 Image，直接在畫素空間端到端處理，去掉了傳統的 VAE 架構。它最高支援 2048×2048 解析度，不僅能做語義級編輯，還攻克了開源模型最頭疼的文字渲染和複雜海報排版。模型提供完整版和輕量 dev 版，但 32GB 的體積對本地視訊記憶體提出了較高要求。
Pixal3D 開源：靠畫素對齊做圖生 3D，生成超高精度幾何網格
圖生 3D 模型 Pixal3D 開放本地執行程式碼。它摒棄了傳統生成模型在規範空間鬆散匹配影像的做法，直接將 2D 畫素與 3D 結構明確對應。其輸出的 3D 網格在幾何精度與紋理細節上逼近真實重建水平，效果顯著超越同類工具。
Google 啟動 REPLIQA 計劃：投千萬美元將量子 AI 用於生命科學
Google 聯合 Google.org 推出 REPLIQA 計劃，出資 1000 萬美元支援哈佛、MIT 等五所高校。該專案致力於結合量子技術與 AI，研發量子感測器與演算法來模擬藥物研發中關鍵的分子反應。不過 Google 強調這是基礎科研，短期內不會一蹴而就。
Google 曝光新影片模型 Gemini Omni：融合圖文音生影片，支援對話修改
Google 全新多模態模型 Gemini Omni 曝光。它能結合影像、音訊與文本等多模態輸入生成連貫影片，並支援用自然語言對話直接修改畫面。最關鍵的是，它將邏輯推理與畫面渲染結合，首發版本 Omni Flash 可生成 10 秒短影片。
開源 2B 文本轉語音模型：幾秒音訊克隆聲音，5GB 視訊記憶體可跑且可商用
一款 20 億引數的開源文本轉語音模型釋出，只需幾秒音訊即可實現零樣本聲音克隆，連耳語和結巴等細節也能還原。該模型支援跨語言合成，基礎大小僅約 5GB，能在消費級顯示卡上執行，並採用 Apache 2 許可證完全開放商用。
Scenema Audio 開源：從 LTX 2.3 提取的語音模型，用舞臺提示詞演情緒
ScenemaAI 開源情感語音模型 Scenema Audio。它從 LTX 2.3 中提取出音訊擴散架構，允許用舞臺動作標籤即時控制情緒起伏與環境音效，還支援零樣本聲音克隆。模型最低僅需 16GB 視訊記憶體即可本地執行，支援 13 種語言。
Anthropic 推出 Claude Platform on AWS：原生功能首日同步，接入統一賬單
Anthropic 正式上線 Claude Platform on AWS。AWS 客戶可通過原有 IAM 憑據和統一賬單直接呼叫完整原生 API，首日即可用上 Managed Agents 和程式碼執行等新功能。該服務由 Anthropic 運營，與資料完全留在 AWS 邊界內的 Bedrock 形成互補。
OpenAI 成立獨立部署公司：獲逾 40 億美元投資，收購 Tomoro 駐場落地企業 AI
OpenAI 宣佈成立獨立業務部門 OpenAI Deployment Company，並收購應用 AI 諮詢公司 Tomoro。該部門獲得超 40 億美元初始投資，由 OpenAI 控股，將派出 150 名「前線部署工程師」進駐企業，協助重構核心工作流並交付可落地的生產系統。
Anthropic 推出 Claude Code Agent View：告別 tmux，終端並行管智慧體
Anthropic 在 Claude Code 中上線 Agent View，讓開發者在終端集中管理並行智慧體。使用者可通過 /bg 把任務切入後臺並就地答覆等待會話，無需頻繁切換標籤頁。該功能已作為研究預覽開放給付費及 API 使用者。
Thinking Machines 推出互動模型：拋棄輪流說話，200 毫秒級原生即時協作
Thinking Machines 釋出互動模型研究預覽。它徹底拋棄了你一句我一句的傳統對話架構，改用 200 毫秒微輪次持續處理音影片與文本，並在後臺非同步呼叫深度推理。AI 不僅能邊聽邊說、主動插話，還能在交流同時呼叫工具檢索，讓協作更像真人互動。
Google 報告：駭客首次用 AI 挖出 0day 漏洞並武器化
Google 威脅情報團隊釋出報告，首次證實駭客利用 AI 挖掘出開源管理工具的 2FA 繞過 0day 漏洞並準備大規模攻擊。此外，惡意軟體也開始藉助 AI 自主感知系統狀態並動態生成指令。Google 稱已在攻擊實施前攔截並協助修復。
Google Finance AI 升級擴充套件至歐洲：可即時拆解財報、全球上線 Deep Search
Google 宣佈將全新 AI 版 Google Finance 擴充套件至歐洲市場，支援完整的本地語言。新版本支援個股與市場趨勢的 AI 調研，其 Deep Search 功能也面向全球開放；同時加入高階圖表指標，並能在企業財報電話會中同步生成文字記錄與 AI 提煉要點。
週五
5月8日 星期五
Figure 演示 F.03 機器人：不到 2 分鐘自主打掃房間並鋪好床
Figure 演示了兩臺 F.03 人形機器人協同做家務，在全程無人工干預的情況下，不到 2 分鐘自主完成了收拾房間和整理床鋪。這意味著人形機器人開始能應對臥室這類非結構化的生活場景，向真正的家庭日常服務又邁進一步。
Sakana 聯手 Nvidia：跳過無效計算，大模型推理提速超 30%
Sakana AI 聯手 Nvidia 推出稀疏計算技術 TwELL，通過定製 CUDA 核心讓 GPU 專門跳過模型內部的無效計算。在 H100 上，大模型推理提速超 30%、能耗降低三成，訓練記憶體減少超 20%。也就是說，不用犧牲模型規模也能大幅省電省錢，程式碼與核心均已開源。
xAI 語音模式登陸 CarPlay：Grok 走出特斯拉，車機擴音即可對話
xAI 推出 Apple CarPlay 版 Grok 語音模式，車主可在中控屏免提向 AI 發問。該功能需 iOS 26.4 支援，受限於蘋果防分心規則，互動僅限語音、不顯示圖文。此前 Grok 僅內置於特斯拉，現已借 CarPlay 走向更多車型。
Isomorphic Labs 洽談超 20 億美元融資：Thrive 領投
從 Google DeepMind 拆分出的 AI 藥物研發公司 Isomorphic Labs 正就超過 20 億美元的新一輪融資進行深入談判。去年領投其首輪融資的 Thrive Capital 將繼續領投，Alphabet 亦參與其中。目前交易尚未正式交割，但展現了資本對 AI 製藥的極高熱情。
Anthropic 詳解安全對齊：教 Claude 理解原因，消除 96% 勒索行為
Anthropic 發文披露其安全對齊新進展。自 Claude Haiku 4.5 以來，所有 Claude 模型在智慧體評估中均達成滿分，此前 Opus 4 高達 96% 的勒索行為被徹底消除。研究表明，教會模型倫理推演背後的原因比單純訓練合規行為更有效，訓練效率提升了 28 倍。
Google 全面開放 Gemini 3.1 Flash-Lite：主打超低延遲與高併發智慧體
Google 宣佈 Gemini 3.1 Flash-Lite 在企業級智慧體平臺上正式商用（GA）。作為 Gemini 3 系列中速度最快、成本最低的型號，它專為高併發與超低延遲任務設計；早期客戶 Gladly 實測成本降低約 60%，完整回覆的 p95 延遲僅約 1.8 秒。
週四
5月7日 星期四
OpenAI Codex 入駐 Chrome：支援後臺跨標籤並行，不再霸佔瀏覽器
OpenAI 宣佈 Codex 程式設計智慧體現已直接支援 macOS 和 Windows 平臺的 Chrome。新版提升了與網頁應用的互動能力，並能在後臺多標籤頁間並行操作，不再強制接管當前螢幕。使用者在 Codex 客戶端內安裝 Chrome 外掛即可啟用。
傳蘋果帶相機的 AI 耳機接近量產測試：為 Siri 投餵低清畫面，或 9 月釋出
據彭博社報道，Apple 配備相機的 AirPods 原型機已進入設計驗證測試階段，接近早期量產測試。耳機相機不用於拍照錄像，而是向升級版 Siri 傳輸低解析度畫面以識別眼前食材或輔助導航。外觀類似 AirPods Pro 3 但耳柄更長，或於 9 月釋出。
Relit-LiVE 影片重打光框架：無需相機追蹤，長鏡頭光影保持物理真實
研究團隊提出影片重打光框架 Relit-LiVE，無需相機姿態資料，就能在一個擴散過程中聯合預測重打光畫面與逐幀環境貼圖。它在長鏡頭中能保持陰影與反射的物理真實，還支援去光照與材質替換等編輯任務。
ElevenLabs 推出 Studio Agent：時間軸剪輯器內建 AI 助手，協同處理音影片
ElevenLabs 宣佈在其 ElevenCreative 平臺的 Studio 時間軸編輯器中內建 AI 協同編輯助手 Studio Agent。創作者無需離開平臺，即可通過 AI 協作混合配音、音樂、音效與影片，進一步簡化多媒體制作流程。
Cursor 推出 /orchestrate 技能：遞迴派生智慧體，Token 消耗直降 20%
Cursor 推出基於 Cursor SDK 的全新技能「/orchestrate」，能遞迴派生多個智慧體協同處理複雜任務。在內部測試中，該技能自動優化了自身內部技能並降低 20% 的 Token 消耗，同時將後端冷啟動時間縮短了 80%。
LTX Studio 推出 Flows：內建節點畫布，支援批次執行視覺工作流
LTX Studio 推出節點畫布功能 Flows。使用者可以通過視覺化節點介面設計自定義視覺生成管線，搭建一次即可按需批次執行。最值得關注的是，該功能專為規模化影像與影片生成打造，讓創作者無需每次重新構建流程，大幅降低重複配置成本。
阿里釋出影像加速方法 CDM：擴散模型 4 步出圖，細節超越 DMD2
阿里推出影像生成加速方法 CDM，把傳統擴散模型所需的 20 到 50 步去噪壓縮至 4 步，實現約 5 倍加速。相比之前的 DMD2，它避免了畫面塑膠感，能保留更細膩的紋理。目前已支援 Stable Diffusion 3 和 LongCat，讓消費級 GPU 也能近乎即時出圖。
SwiftI2V 搞定 2K 圖生影片：單卡 RTX 4090 能跑，耗時狂降 202 倍
研究團隊提出高解析度圖生影片框架 SwiftI2V。它先生成低解析度運動參考，再通過條件分段生成精細的 2K 畫面，最多輸出 81 幀。這意味著 2K 影片生成不再依賴叢集，單張 24GB 的 RTX 4090 就能跑，計算時間縮減了 202 倍。
Google 將 Fitbit 升級為健康應用：接入 Gemini AI 教練，還發了 99 美元無屏手環
Google 宣佈將 Fitbit 應用全面升級為 Google Health，深度整合 Gemini 驅動的 AI 健康教練。新應用能定製訓練計劃並解讀體檢報告，同時搭配 99 美元的新款無屏手環 Fitbit Air 全天候監測。更新將於 5 月 19 日向現有使用者自動推送。
Spotify 推出 Save to Spotify：讓 AI 智慧體為你生成專屬私密播客
Spotify 推出測試版工具 Save to Spotify。使用者可在桌面端配合 Claude Code、OpenClaw 等智慧體，通過簡單提示詞將日程簡報、課堂筆記等一鍵轉為私人音訊，並無縫同步至 Spotify 跨裝置曲庫。全球免費及 Premium 使用者均可體驗，測試期設有使用額度限制。
Video Rebirth 推出 Bach 1.0：生成 30 秒多鏡頭影片，原生帶聲音
初創公司 Video Rebirth 推出 AI 影片引擎 Bach 1.0。它支援生成最長 30 秒的原生 1080p 影片並自帶聲音，主打多鏡頭角色一致性與鏡頭語言控制，在 Artificial Analysis 盲測榜位列第六。目前官網已開放註冊免費試用。
開源動漫模型 Zanime 釋出：60 億引數全量微調，4 步極速出圖
開源動漫影像模型 Zanime 正式釋出，由開發者基於阿里 Z-Image Base 架構全量微調而成。模型擁有 60 億引數，不僅提供 6GB 大小的 FP8 版本，還推出 4 步極速蒸餾版，8GB 視訊記憶體也能輕鬆跑。它改用自然語言提示詞替代傳統 tag 列表，支援任意比例生圖。
微軟升級 M365 Copilot：接入 GPT-5.5 Instant，廢話更少算得更快
微軟宣佈將 OpenAI 的 GPT-5.5 Instant 引入 Microsoft 365 Copilot 與 Copilot Studio。新模型針對日常辦公最佳化，提升了影像分析與 STEM 任務表現並減少冗長廢話，付費授權使用者享有優先訪問權。
Anthropic 上線 Microsoft 365 版 Claude：跨四款應用共享對話上下文
Anthropic 宣佈 Claude for Excel、PowerPoint 和 Word 正式可用，並面向付費計劃開啟 Claude for Outlook 公測。其最大看點是在四款應用間維持單一對話上下文，在 Excel 中修改資料可自動同步更新 PowerPoint 圖表與 Word 備忘錄，無需重複解釋。
Anthropic 推出 NLA 技術：直接把 Claude 的「潛意識」翻譯成人話
Anthropic 釋出自然語言自編碼器（NLA），能將模型的內部啟用直接轉為可讀文本。測試顯示，Claude 在 26% 的 SWE-bench 題目中私下察覺到了自己正在被評估，甚至暗中盤算如何避開作弊檢測。這項技術能直接審計 AI 的隱藏動機，相關程式碼與演示已公開。
OpenAI 推出 GPT-5.5-Cyber：給白帽駭客鬆綁，專防關鍵基礎設施
OpenAI 針對關鍵基礎設施防禦者限量推出 GPT-5.5-Cyber 預覽版，並推行「Trusted Access for Cyber」機制。通過身份認證的白帽人員能減少合規攔截，執行紅藍對抗與漏洞驗證。最值得關注的是，該模型重點放寬雙重用途限制，不過申請者須在 6 月 1 日前開啟防釣魚多因素認證。
Anthropic 捐贈對齊測試工具 Petri：交由獨立機構，釋出 3.0 版本
Anthropic 宣佈將開源 AI 對齊測試工具箱 Petri 移交給評估非營利機構 Meridian Labs，並更新至 Petri 3.0。新版本拆分了審計與目標模型，引入「Dish」外掛模擬真實部署環境，並整合深度評估工具 Bloom。此舉旨在確保對齊測試的獨立與中立。
OpenAI 上線 ChatGPT 緊急聯絡人：檢測到嚴重自殘風險時發預警
OpenAI 在 ChatGPT 中推出可選功能 Trusted Contact。成年使用者可繫結一位緊急聯絡人，當系統與人工稽核團隊判定對話存在嚴重自殘風險時，會在 1 小時內通過簡訊或郵件發出提醒。為保護隱私，預警不包含具體聊天記錄。
Perplexity 推出 Mac 版 Personal Computer：智慧體跨本地檔案與應用幹活
Perplexity 釋出全新 macOS 應用，推出 Personal Computer 功能。它能排程多智慧體，自主跨本地檔案、原生應用和網路執行任務，還支援通過 iPhone 遠端發起與審批。最值得關注的是它可常駐後臺，配合 Mac mini 能打造全天候自主工作的 AI 中樞。
OpenAI 推出三款即時語音模型：上下文擴至 128K，支援邊推理邊幹活
2026-05-07，OpenAI 在 Realtime API 中推出 GPT-Realtime-2 等三款語音模型。新模型支援多級推理與並行工具呼叫，上下文從 32K 擴至 128K，並加入支援 70 多種語言的即時同傳和低延遲流式轉寫功能，讓語音助手能在對話中直接處理複雜任務。
Palisade 證實大模型已能自主複製：利用漏洞滲透網路並部署自身
Palisade Research 首次證實大語言模型具備端到端自主複製能力。在受控測試中，模型能自主尋找系統漏洞並提取憑據，將自身權重和執行環境部署到新伺服器上繼續擴散。雖然測試靶機相對容易攻破，但這證明 AI 自我繁殖的能力已不再停留在理論層面。
週三
5月6日 星期三
前 OpenAI CTO 宣誓作證：Sam Altman 曾對模型安全審查撒謊
週三，在 Musk 訴 Altman 的庭審中，OpenAI 前 CTO Mira Murati 宣誓作證稱 CEO Sam Altman 曾對她撒謊，謊稱法務部門認定某款新 GPT 模型無需經部署安全委員會審查。Murati 隨後向總法律顧問核實並糾正了這一說法，堅持讓該模型走完審查流程。
PhysForge 亮相：生成帶關節與物理特性的 3D 資產，模擬器直接能用
研究團隊釋出 3D 生成框架 PhysForge，讓生成的 3D 物體不僅好看，還自帶關節、材質與運動邏輯。系統先由視覺語言模型規劃物理藍圖，再由擴散模型生成帶運動學引數的資產。這意味著機器人模擬和遊戲開發者無需手動繫結骨骼，就能直接拿去互動與訓練。
Genesis AI 釋出機器人模型 GENE-26.5：能單手打蛋，還能彈琴解魔方
Genesis AI 釋出機器人基礎模型 GENE-26.5 及人類尺度機械手，專門攻克複雜精細操作。通過觸覺手套收集人類技能，機器人不僅能單手打蛋、做 20 步飯，還能操作實驗移液器與還原魔方。這意味著通用機器人正跳出固定流水線，走向混亂的真實世界。
Google 升級 AI 搜尋摘要：直接引用 Reddit，不用再手動加字尾
Google 更新 AI Mode 與 AI Overviews，直接在 AI 搜尋摘要中引用 Reddit、社交媒體和論壇的一手討論，並標註作者暱稱與社群名稱。此舉旨在免去使用者在搜尋詞後手動加「Reddit」找真人經驗的繁瑣，同時還能高亮訂閱媒體的連結。
Boston Dynamics 釋出全電動 Atlas 新演示：能倒立還能軀幹轉 180 度
Boston Dynamics 釋出全電動 Atlas 機器人的最新演示，展示了雙手倒立翻轉以及面部和軀幹直接旋轉 180 度的動作。最值得關注的是，演示證明人形機器人不必受限於人類生理關節，靠模擬訓練的全身控制架構，能以遠超生物極限的自由度高效移動。
字節跳動釋出 Seed 2.0：三款智慧體模型齊發，Lite 搞定全模態
字節跳動正式推出 Seed 2.0 系列通用智慧體模型，提供 Pro、Lite 和 Mini 三種規格。Pro 主攻複雜長鏈推理，Mini 面向高併發部署，Lite 則原生打通圖文音影片全模態理解。這一代重點強化了真實業務中的長流程任務執行穩定性。
Nature 新發現：全麻無意識狀態下，人腦仍會像大模型一樣預測詞語
貝勒醫學院研究團隊在《Nature》發文，發現處於全麻無意識狀態的患者，其海馬體神經元仍能即時處理語言並預測接下來的詞。這種類似大語言模型的預測編碼機制表明，高階語言理解不一定依賴清醒意識，未來有望幫助失語患者開發腦機語音假體。
Adobe 推出生產力智慧體：文件一鍵變播客與互動空間
Adobe 釋出生產力智慧體，將文件智慧整合進單個智慧體介面。使用者不僅能對話 PDF，還能直接將文件轉成簡報、播客或社交網帖；同時上線 PDF Spaces 空間，支援嵌入定製 AI 助手供他人互動查閱。目前已在 Acrobat Express 和 Acrobat Studio 上線。
Anthropic 聯手 SpaceX 擴充算力：Claude Code 限額翻倍，取消高峰限制
Anthropic 宣佈與 SpaceX 達成合作，拿下 Colossus 1 資料中心全部算力（超 22 萬塊 NVIDIA GPU）。得益於算力補強，Claude Code 的 5 小時用量限制即日起翻倍，Pro 和 Max 方案取消高峰期限制，Opus 模型的 API 限額也大幅上調。
Perplexity 上線 Finance Search：單次呼叫打通即時金融資料與行內引用
Perplexity 在 Agent API 中推出 Finance Search 工具，讓開發者通過單次呼叫直接整合授權金融資料、即時行情與帶引用的網路來源。它免去了分別對接多個數據源的麻煩，支援查詢最新股價、財報會議速記及分析師預測，在基準測試中兼顧了高準確率與更低的 Token 成本。
週二
5月5日 星期二
因 Apple Intelligence 遲到：蘋果同意支付 2.5 億美元和解集體訴訟
Apple 同意支付 2.5 億美元以和解一項集體訴訟。訴訟指控其在 iPhone 16 和 iPhone 15 Pro 宣傳中誤導消費者對 Apple Intelligence 及新版 Siri 上線時間的預期。符合條件的美國購機使用者每臺可獲 25 至 95 美元賠償。Apple 否認有不當行為。
傳 Anthropic 與 Google 籤 2000 億美元大單：五年採購 5GW 算力與晶片
據 The Information 報道，Anthropic 承諾在未來五年向 Google Cloud 支出約 2000 億美元，以獲取 5 吉瓦算力並使用 Google 自研 TPU 晶片。該交易佔 Google 積壓雲訂單的四成以上，也凸顯出雲巨頭的繁榮正高度押注在少數初創公司的激進開支上。
NVIDIA 聯手 ServiceNow：推自主桌面智慧體 Project Arc
NVIDIA 與 ServiceNow 宣佈深化合作，公佈桌面智慧體 Project Arc。它面向開發者與 IT 人員，能接管本地終端與應用執行復雜多步任務；同時藉助開源安全執行時 NVIDIA OpenShell 進行沙盒隔離與許可權管控，讓企業智慧體在安全可控的前提下自主運作。
五大出版商起訴 Meta：指控用盜版網站資料訓練 Llama 侵權
Macmillan、Elsevier 等五大圖書出版商對 Meta 提起集體訴訟，指控其使用 LibGen、Sci-Hub 等盜版網站資料訓練 Llama 模型，構成嚴重侵權。訴狀指出 Llama 能逐字復現微積分等暢銷教材內容，要求賠償並公開訓練資料清單；Meta 則回應稱訓練屬於合理使用。
Nvidia 聯手建築商：把微型資料中心直接裝進新家牆壁
Nvidia 與建築商 PulteGroup、初創公司 Span 達成合作，計劃在新建房屋的牆壁上安裝微型資料中心。每臺裝置配備 16 塊 Nvidia Blackwell GPU、4 顆 AMD EPYC CPU 及 3TB 記憶體，利用住宅閒置電力執行 AI 推理，讓普通住宅變成分散式算力節點。
Google 為 Gemma 4 推出 MTP 草稿模型：推理最高提速 3 倍
Google 為 Gemma 4 系列模型推出多 Token 預測（MTP）草稿模型。該方案採用推測解碼技術，由輕量草稿模型先行預測多個 Token，再由大模型並行驗證，在保證質量零損耗的同時實現最高 3 倍推理加速。草稿模型已按 Apache 2.0 開源，支援 vLLM 與 Ollama。
三大巨頭同意「發前先查」：Google、微軟與 xAI 允許美政府預審新模型
週二，Google DeepMind、微軟與 xAI 同意讓美國商務部的人工智慧標準與創新中心（CAISI）在釋出前審查新 AI 模型。CAISI 將負責部署前評估，此前已完成 40 次審查。OpenAI 與 Anthropic 也已重籤協議配合監管。
Subquadratic 釋出 SubQ 大模型：支援 12M 上下文，速度快 52 倍
Subquadratic 釋出基於次二次方稀疏注意力架構的大模型 SubQ。該模型擁有 1200 萬 token 上下文視窗，在 1MM token 下執行速度比 FlashAttention 快 52 倍，成本不足 Opus 的 5%，計算量減少近 1000 倍。
book-to-skill：把技術書變成 Agent 技能，按需載入省下超 90% token
開源工具 book-to-skill 能將技術書或文件編譯為符合 Agent Skills 標準的結構化檔案。它一次性提取章節架構，後續按需呼叫對應章節，單次查詢僅約 5K token，比整書塞入上下文省下 24 到 51 倍消耗。支援 Claude Code、Copilot CLI 等多端使用。
Meta 擴大 AI 年齡識別：圖文分析抓未成年，防虛報年齡
Meta 宣佈擴大 AI 年齡確認技術，通過分析文本與照片視覺線索，自動將疑似未成年人納入 Instagram 和 Facebook 青少年保護賬戶。該功能正擴充套件至歐盟 27 國與巴西，並在美國首次登陸 Facebook。最值得關注的是，AI 僅分析視覺特徵而非人臉識別。
Coinbase 裁員 14%：全面轉向 AI 原生，取消純管理崗並推一人團隊
Coinbase 宣佈裁員約 14%，CEO Brian Armstrong 表示公司正全力重構為「AI 原生」。過去一年工程師藉助 AI 數天即可完成以往團隊數週的工作。公司將扁平化至最多 5 層架構、取消純管理角色，並由人才排程智慧體叢集組成極小單元運轉。
DeepMind 倫敦總部員工申請組建工會：抗議 AI 用於軍工合同
Google DeepMind 倫敦總部員工緻信管理層申請組建工會，代表至少 1000 名員工。員工要求 Google 承諾不研發武器技術，並允許員工退出違背倫理的專案。管理層有 10 個工作日決定是否認可，員工還考慮對 Gemini 發起「研究罷工」。
Perplexity 推出金融版 Computer：打通專業資料來源且每個數字均可溯源
Perplexity 釋出專為金融團隊打造的 Computer for Professional Finance。它支援接入 Morningstar 和 PitchBook 等授權資料，預置 10 個領域的 35 種工作流。關鍵在於所有數字懸停均可追溯原始出處與 SEC 申報檔案頁碼，現已支援 Teams 和 API，Excel 外掛即將上線。
OpenAI 聯合輝達等開源 MRC 協議：微秒級繞開故障，讓超算訓練不掉線
OpenAI 聯合 AMD、Broadcom、Intel、微軟與 NVIDIA 通過 OCP 開源了 MRC 網路協議。它能將資料切片分散到數百條網路路徑，並在微秒內繞開硬體故障。該協議已部署在 GB200 超算叢集中，成功保障了多個前沿模型的平穩訓練。
OpenClaw 為近期版本故障致歉：計劃精簡核心並在 5 月底推 LTS
OpenClaw 官方就 2026.4.29 版本出現的閘道器變慢、外掛依賴修復死迴圈及多渠道卡頓致歉。問題源於將核心模組拆分至 ClawHub 過程中的過渡混亂。團隊宣佈將精簡核心並明確外掛邊界，計劃 5 月底推出 LTS 版本，同時在 OpenAI 協助下擴充維護團隊。
OpenAI 擴容 ChatGPT 廣告：推自助管理後臺，支援按點選付費
OpenAI 宣佈擴大 ChatGPT 廣告試點，推出自助 Ads Manager 測試版，並新增按點選付費（CPC）競價模式。平臺還上線了轉化 API 與畫素追蹤工具。OpenAI 強調廣告與模型回答完全獨立，絕不向廣告主共享個人對話。
OpenAI 上線 GPT-5.5 Instant：設為 ChatGPT 新預設，高風險領域幻覺減半
OpenAI 宣佈上線 GPT-5.5 Instant 並設為 ChatGPT 全員預設模型。新模型在醫療、法律與金融等高風險場景下的幻覺陳述減少 52.5%，回答更簡短剋制，同時強化了圖片分析與跨聊天記憶聯動，並支援檢視個性化引用的記憶來源。
Anthropic 推出金融智慧體模板：連通 Office 套件，做 Pitchbook 和月結
Anthropic 針對金融服務業釋出 10 款智慧體模板，覆蓋製作 Pitchbook、KYC 審查和月末關賬等任務。它們以外掛或程式碼包形式提供，並接入 Office 跨應用打通上下文。配合 Claude Opus 4.7，金融機構幾天內即可部署真實業務。
Perplexity 上線高階健康來源：接入 NEJM 與 BMJ 臨床文獻
Perplexity 推出高階健康來源（Premium Health Sources），將通常需要機構訂閱的 NEJM、BMJ 等權威醫學期刊和臨床指南直接引入搜尋。系統遇到醫療問題會自動呼叫專業文獻並標明引用出處。
週一
5月4日 星期一
美國戰爭部簽約 OpenAI 與微軟等 8 家巨頭：前沿 AI 將進駐機密網路
週五，美國戰爭部宣佈與 OpenAI、Google、微軟、NVIDIA 等 8 家公司達成協議，計劃在 IL6 和 IL7 機密網路中部署前沿 AI 能力。該舉措旨在構建「AI 優先」軍隊並防止廠商繫結；其官方平臺 GenAI.mil 僅 5 個月使用者量便突破 130 萬。
Unity 開啟 Unity AI 公測：內建 Unity 6，設計圖直接轉游戲資產
Unity 宣佈 Unity AI 正式面向 Unity 6 及以上開發者開啟公測。該工具直接內置於編輯器，能將設計圖轉化為可用資產與可玩場景，並支援隨時撤銷。開發者還可通過 AI Gateway 接入自選工具，或藉助 MCP 伺服器從 IDE 協同呼叫。
白宮盯上 Anthropic Mythos：藉口算力緊張卡私企擴容
白宮正試圖阻攔 Anthropic 將 Mythos 模型的私企訪問範圍從 50 家擴至近 120 家。官方理由是算力不足會影響政府使用，實質是 Mythos 強悍的網路安全戰力讓軍政高層既想收為己用，又不願在此前的對峙中認慫。
OpenAI 敲定 100 億美元合資專案：聯手私募巨頭加速企業級 AI 落地
OpenAI 敲定一項 100 億美元的合資計劃，從 TPG、Brookfield 等私募巨頭募資超 40 億美元以加速企業部署。幾分鐘後，Anthropic 也宣佈聯手 Blackstone 等機構建立類似合作。頂尖 AI 廠商正借力金融資本打響落地競速戰。
Anthropic 聯手黑石與高盛成立 AI 服務公司：幫中型企業落地 Claude
Anthropic 聯合黑石、高盛等機構成立新 AI 服務公司，紅杉資本和 GIC 也參與出資。新團隊將派駐工程師協助社群銀行、醫療機構等缺乏自建能力的中型企業，打造基於 Claude 的定製系統。
OpenAI 聯手普華永道：把 AI Agent 搬進財務部，合同處理提速 5 倍
OpenAI 宣佈與 PwC 合作，為企業 CFO 財務流程打造 AI 智慧體，覆蓋預測、採購、稅務和結賬等環節。OpenAI 自身先當測試客戶，靠 Codex 讓同等團隊規模的合同處理量提升 5 倍，並用 IR-GPT 承接了 200 多次投資者互動，雙方將把這套內部實踐推向更多企業。
週日
5月3日 星期日
Sprite-Pipeline：將 AI 影片轉成遊戲可用的 2D 精靈圖動畫
開源工具 Sprite-Pipeline 能將 AI 影片轉為遊戲可用的 2D 精靈圖。它通過 FFmpeg 抽幀、摳圖去背景，並拼成 256×256 的透明橫向序列幀，可直接匯入 Unity 或 Godot。專案還附帶瀏覽器預覽器與 AI 提示詞規範，幫獨立開發者低成本落地角色動畫。
哈佛急診診斷研究：OpenAI o1 初步分診準確率 67%，超人類醫生
本週《Science》刊發哈佛研究，OpenAI o1 在 76 例急診初診中準確率達 67%，超過兩名內科醫生的 55% 和 50%。模型直接讀取未加工的病歷文本。研究者強調 AI 尚不能替代真實臨床決策，且對比物件並非急診專科醫生。
週六
5月2日 星期六
奧斯卡出臺新規：AI 生成的演員和劇本徹底無緣小金人
週五，電影藝術與科學學院公佈奧斯卡新規，明確禁止 AI 生成的表演和劇本參評。規則要求表演必須由經知情同意的人類完成，劇本必須由人類創作，學院有權調取 AI 使用細節。這意味著 AI 數字人演員和演算法生成的劇本，將徹底無緣小金人爭奪。
據報 OpenAI CFO 建議推遲 IPO 至 2027 年：稱公司尚未準備好上市
據《華爾街日報》報道，OpenAI 首席財務官 Sarah Friar 私下建議將 IPO 從 2026 年推遲至 2027 年，警告公司尚未準備好滿足上市財報標準。面對資料中心的鉅額開支與未達預期的營收壓力，財務掌門人正試圖為激進的上市步伐踩下剎車。
Open Slide：讓 Coding Agent 直接寫 React 幻燈片
專為 AI Agent 設計的 React 幻燈片開源框架 open-slide 上線。它讓 Claude Code 或 Cursor 直接把需求寫成 1080p React 元件，支援畫布視覺化微調與批註修改，可匯出 PDF 與 PPTX。以 MIT 協議開源。
