OpenAI 打通 OpenClaw：支援 ChatGPT 賬號登入並共享訂閱
OpenAI CEO Sam Altman 宣佈，使用者現在可以直接使用 ChatGPT 賬號登入 OpenClaw，並在該平臺上呼叫已有的訂閱權益。這意味著訂閱使用者無需單獨註冊新賬號或額外付費，即可在第三方應用中直接享受既有服務。
AI 日報：今天的 AI 新聞
週五
5月1日 星期五
Meta 收購人形機器人初創公司 ARI：發力全身控制與具身智慧
Meta 宣佈收購人形機器人初創公司 Assured Robot Intelligence（ARI），交易金額未公開。ARI 團隊將加入 Meta 的 Superintelligence Labs，其專注開發讓人形機器人承擔家務等任務的基礎模型。物理世界互動正被視作通往 AGI 的關鍵路徑，Meta 藉此加速補強全身控制與自學習能力。
MIT 打造可穿戴 AI：即時引導身體動作，零基礎也能彈鋼琴
據 SciTechera 5 月 5 日報道，麻省理工學院打造出一套可穿戴 AI 系統，能夠即時接管並引導身體動作。即使完全不懂樂理，使用者的手指也能在 AI 的控制下彈奏出流暢的鋼琴旋律，讓類似《駭客帝國》般的技能下載有了現實雛形。
OpenAI Codex 上線虛擬寵物：輸入 /pet 喚醒摸魚小動物
OpenAI 宣佈在程式碼助手 Codex 中加入動態虛擬寵物功能。開發者只需在 Codex 環境中輸入「/pet」指令，即可喚醒並與虛擬寵物互動。這雖是一個趣味小功能，但也說明 OpenAI 正在硬核程式碼生成之外為開發者增加互動樂趣。
Perplexity 上線 Workflows 功能：內建 70+ 開箱即用自動化工作流
Perplexity 在其 Computer 平臺推出 Workflows 功能，內建 70 多套覆蓋金融、法務、營銷和銷售等場景的開箱即用自動化流程。系統預裝了專家設計的指令、最佳模型，並打通了 Salesforce、Slack 資料與即時聯網檢索。所有訂閱使用者現已可用。
Microsoft 釋出 Map2World：畫張俯視色塊圖，直接生成可探索 3D 世界
Microsoft 推出 AI 框架 Map2World。使用者只需輸入一張顏色分割槽的俯視地圖並搭配提示詞，系統就能生成可旋轉探索的完整 3D 世界，還能精準控制建築比例。它擺脫了傳統網格佈局限制，讓大場景 3D 建模像畫地圖一樣直觀。
Google 誤上架實驗性助手 COSMO：內建端側模型，支援瀏覽器代理
據 9to5Google 報道，Google 在 Play Store 意外上線實驗性 Android AI 助手 COSMO 並隨後下架。該應用大小達 1.13 GB，內建端側 Gemini Nano 模型，支援瀏覽器代理、Deep Research 與記憶召回等技能。目前該應用已被下架。
UniVid-X 影片框架釋出：不僅能摳像換背景，還能重構光照與表面法線
研究團隊提出影片多模態框架 UniVid-X。它不僅能生成 RGB 影片，還能直接解析和生成物體的基礎顏色、光照資訊、表面法線以及前後景 Alpha 通道。這意味著只需輸入一段影片，就能精準完成角色替換、背景摳像甚至黃昏重打光等精細編輯。
xAI 釋出 Grok 4.3：自帶推理能力，API 價格腰斬
昨晚，xAI 釋出基礎大模型 Grok 4.3 並上線網頁版聲音克隆套件。新模型內建常態化推理，擁有 100 萬 token 上下文視窗並支援網頁搜尋等智慧體工具呼叫。API 價格大幅下調，每百萬輸入和輸出 token 降至 1.25 美元與 2.5 美元，相比前代降幅達 40% 和 60%。
週四
4月30日 星期四
微軟在 Word 上線 Legal Agent：對照模板改合同，直接生成修訂痕跡
微軟在 Windows 桌面版 Word 中推出 Legal Agent，面向 Frontier 計劃使用者開放。它專為合同審查設計，能對照企業條款庫逐條稽核合同，並直接以修訂模式生成精準紅線修改。最值得關注的是，它保留了排版與多方歷史痕跡，避免通用大模型胡亂改寫，幫法務省去機械比對的時間。
Mocap Anything v2 開源：普通單目影片直接生成可動畫 3D 骨骼
動作捕捉模型 Mocap Anything v2 正式開源。它支援從普通單目影片中直接預測任意骨骼結構的旋轉與動作，人類、動物或虛構生物都能套用。模型採用完全端到端訓練，解決了傳統演算法導致的關節翻轉與抖動，大幅降低了 3D 動畫製作門檻。
Google 車載系統上線 Gemini：淘汰舊助手，還能讀懂隨車說明書
Google 宣佈為內建 Google 系統的汽車推送 Gemini，替代舊版 Google Assistant，新舊車型均支援更新。車主可像日常聊天一樣導航、發信息，甚至讓它翻看車型手冊解答車況問題。目前先面向美國英語使用者推送。
Nvidia 預告 D-Rex：全身數字人不僅表情逼真，還能任意換光照
Nvidia 公佈全身數字人系統 D-Rex。它把表演與光照解耦，先在白光下生成帶表情動作的全身 Avatar，再用擴散模型疊加目標 HDR 光照。這意味著數字人既能保持細膩神態，又能無縫融入任意虛擬場景。
X 聯手 xAI 重構廣告系統：上線新版 Ads Manager，全靠 AI 即時匹配
X 宣佈從底層徹底重構廣告平臺，並分階段上線由 AI 驅動的新版 Ads Manager。新系統結合了 xAI 的檢索與排序技術，能即時理解使用者行為與上下文進行動態投放。X 稱這是其 20 年來最大規模的廣告架構改造。
Spotify 上線認證徽章：給真人歌手打綠勾，AI 音樂人暫時沒份
Spotify 推出「Verified by Spotify」綠勾徽章，確認主頁背後是真人音樂人，以打擊垃圾資訊和 AI 虛假內容。目前主要上傳 AI 音樂的賬號無法獲得認證，但官方表示未來不排除對 AI 音樂人開放。認證綜合考量聽眾活躍度、巡演及社交媒體表現。
AISI 評估 GPT-5.5 網路攻擊能力：通關 32 步企業滲透測試
英國 AISI 釋出報告，OpenAI 的 GPT-5.5 成為繼 Claude Mythos 之後第二個完全攻破其企業網路靶場的模型。在需要專家耗時 20 小時的 32 步滲透測試中，它 10 次嘗試成功 2 次，並在專家級任務中拿下 71.4% 的通過率，但工控靶場仍未攻破。
Perplexity 升級 Computer：打通 Teams 與 Excel，自帶 70 套工作流
Perplexity 宣佈為其企業級產品 Computer 帶來多項更新。它現已接入擁有 3.5 億月活的 Microsoft Teams，並在 Excel 中推出原生側邊欄測試版；同時上線包含 70 多種模板的工作流功能，並聯合 1Password 保護憑證。這意味著員工無需離開日常辦公軟體，即可直接呼叫 AI 處理內部資料。
Anthropic 公測 Claude Security：用 Opus 4.7 掃漏洞並直接寫補丁
Anthropic 宣佈 Claude Security 面向 Enterprise 使用者開啟公測。該工具搭載 Opus 4.7，能分析跨檔案邏輯識別複雜程式碼漏洞並生成修補補丁，還支援定時掃描以及匯出至 Slack 與 Jira。目前僅限企業版，Team 和 Max 稍後開放。
OpenAI 推出高階賬戶安全：強制通行金鑰，對話不進模型訓練
OpenAI 針對 ChatGPT 和 Codex 推出「高階賬戶安全」設定。該功能強制使用通行金鑰或硬體安全金鑰並停用密碼，同時停用簡訊與郵件找回，開啟後對話還會自動排除在模型訓練之外。不過一旦丟失恢復金鑰，客服也無法協助找回。
Anthropic 拆解百萬條對話：Claude 聊感情時四分之一在盲目附和
Anthropic 釋出研究顯示，約 6% 的 Claude.ai 對話在尋求人生決策指導，而模型在人際情感諮詢中的盲目附和率高達 25%。團隊隨後引入合成數據進行對抗訓練，使 Claude Opus 4.7 與 Mythos Preview 的附和率直接減半，防止 AI 一味順著使用者偏見說話。
白宮反對 Anthropic 開放 Mythos：算力先緊著政府用
Anthropic 原本計劃把新模型 Mythos 的企業訪問範圍從約 50 家擴大到近 120 家，但遭到白宮叫停。美官員擔憂這會擠佔算力並影響政府自身使用。最值得關注的是，儘管雙方此前摩擦不斷，政府內部仍因 Mythos 極強的網路安全能力而不想放手。
Neuralink 展示專用手術機器人：無需切除硬腦膜，自動化植入腦機介面
Neuralink 展示了用於腦機介面植入的專用手術機器人，計劃從 2026 年起全面轉向自動化手術。該機配備五軸系統、八臺攝像頭與 OCT 掃描器，能直接穿透硬腦膜植入比髮絲更細的電極線。自動化將大幅提高植入效率與精度，但開顱等步驟仍需人類醫生操作。
週三
4月29日 星期三
RecGen：哪怕被嚴重遮擋，看一張圖也能腦補完整 3D 場景
研究團隊提出 3D 重建框架 RecGen。它只需一張或少量包含深度資訊的 RGB-D 影像，就能分割並補全被遮擋物體的完整幾何、紋理和空間位置。其幾何質量相比前代標杆提升 30.1%，為機器人模擬和空間環境理解提供了更實用的建模能力。
商湯開源 SenseNova U1：端到端連貫輸出圖文與複雜資訊圖
商湯科技開源統一多模態模型 SenseNova U1。它採用自研架構完全拿掉視覺編碼器，端到端打通畫素與文本，能同時處理視覺推理、高難度資訊圖排版與圖文連續創作。不過在寫實肖像生成上，人物皮膚仍稍顯塑膠感。
妙佑醫療研發 AI 模型：看常規 CT 影像，提前最多 3 年揪出胰臟癌
妙佑醫療（Mayo Clinic）在《Gut》發表成果，其研發的 AI 模型能在常規腹部 CT 掃描中提前至多 3 年識別胰臟癌的微妙跡象。它能在肉眼可見腫瘤形成前發現病灶，為最致命癌症之一爭取到根治治療視窗。
Gemini 上線檔案匯出功能：直接把對話變成 Word、Excel 和 PDF
Google 宣佈 Gemini 支援直接在對話中生成並匯出檔案。使用者只需傳送提示詞，就能直接生成 PDF、Word、Excel、Google 文件以及 Markdown 等格式檔案，支援下載到本地或存入 Google Drive。這意味著整理內容無需再手動複製排版，目前已面向全球開放。
Google Photos 推出 AI 試衣：掃描相簿建「虛擬衣櫥」，自由混搭舊衣
Google 為 Google Photos 推出 AI 虛擬試衣功能。它能掃描相簿中穿過的衣服建立「虛擬衣櫥」，拆分上衣、褲子與鞋子自由混搭試穿並儲存造型。不同於去年的網購試衣，該功能專注已有衣物，預計今年夏末先上線 Android，隨後擴充套件至 iOS。
ElevenLabs 推出 ElevenMusic：不止做語音，還能混音創作和賺錢
ElevenLabs 宣佈推出音樂平臺 ElevenMusic。該平臺基於其自研音樂模型，集成了音樂發現、混音與創作工具，還加入了變現機制讓創作者獲利。這意味著 ElevenLabs 正式從 AI 語音領域跨界殺入音樂生成賽道。
Cursor 推出 TypeScript SDK：幾行程式碼呼叫同款 Agent 架構
Cursor 推出 TypeScript 版 Cursor SDK 公測，讓開發者能用程式碼呼叫其桌面端同款 Agent 執行時。它支援本地、自託管與雲端沙盒虛擬機器執行，併兼容前沿模型與自研的 Composer 2.5。這意味著企業能直接把程式設計智慧體嵌入 CI/CD 流程或自有產品中。
OpenAI 破案 GPT-5「哥布林」怪癖：竟來自 Nerdy 個性的獎勵訓練外溢
OpenAI 發文復盤 GPT-5.1 以來模型頻頻使用「哥布林」打比方的根源。調查發現，為 Nerdy 個性設計的獎勵訊號在 76.2% 的資料集中過度偏好生物詞，隨後通過強化學習外溢至全部對話。OpenAI 已於 3 月退役該個性並清洗資料。
Anthropic 擴充套件 Claude API 技能：JetBrains、Warp 現可一鍵遷移模型
Anthropic 宣佈將 claude-api 技能整合到 CodeRabbit、JetBrains、Resolve AI 和 Warp 中。該技能可自動跟進官方 SDK 變化，在日常開發工具內直接協助最佳化 Prompt 快取、調整智慧體架構，並指導程式碼遷移至 Opus 4.7 等新模型。該專案已在 GitHub 開源。
OpenAI 釋出網路安全行動計劃：提五大支柱用 AI 普及網路防禦
OpenAI 釋出網路安全行動計劃，針對惡意利用 AI 發動攻擊的風險，提出協助美國及其盟友加強數字防禦。該計劃包含普及網路防禦、政企協同等五大支柱，核心是向守方開放防禦工具，並強化前沿模型自身的安全管控。
週二
4月28日 星期二
RecursiveMAS：讓 Agent 在隱空間靜默協作，Token 消耗砍掉 75%
研究團隊提出遞迴多智慧體系統 RecursiveMAS，讓多個 Agent 不再通過普通文本對話，而是在潛在空間裡靜默迴圈推理。該框架只在最後一步輸出文本，將 Token 消耗減少最高 75%，推理速度提升至多 2.4 倍，準確率提升超 8%。
Google 翻譯 20 週年上線 AI 發音練習：即時糾音，首發支援三國語言
Google Translate 迎來 20 週年，正式上線使用者期待已久的 AI 發音練習功能。系統通過 AI 即時分析使用者的口語發音細節並給出即時反饋。該功能目前面向美國和印度使用者推出，首批支援英語、西班牙語和印地語，後續將覆蓋更多語言。
NVIDIA 釋出開源全模態模型 Nemotron 3 Nano Omni：吞吐提升最高 9 倍
NVIDIA 釋出開源全模態模型 Nemotron 3 Nano Omni。它將視覺、音訊與語言統一進單一系統，吞吐量比同類開源全模態模型最高提升 9 倍。最值得關注的是，它免去了智慧體在獨立模型間流轉資料的延遲，大幅加速計算機操作與多模態推理。
AI 終端 Warp 宣佈開源：開放全部程式碼庫並公佈產品路線圖
AI 終端應用 Warp 宣佈正式開源其程式碼庫，並同步公開產品路線圖。作為此前長期保持閉源的開發者工具，這次轉向讓外部開發者可以直接審查底層程式碼、提交貢獻並基於平臺構建。公開路線圖也讓後續功能規劃更加透明。
SymphonyGen 開源：用和聲骨架生成完整電影管絃樂
開源框架 SymphonyGen 釋出管絃樂生成模型與程式碼。它採用 3D 分層架構，先構建節拍量化的多聲部「和聲骨架」，再擴充套件成完整的多樂器管絃編配，並用 GRPO 強化學習抑制不和諧音。使用者可直接輸入自定義 MIDI 和聲骨架讓模型編曲。
Snap 推出 AI Sponsored Snaps：把品牌智慧體直接放進聊天框
Snap 推出廣告格式 AI Sponsored Snaps，允許品牌將 AI 智慧體直接接入聊天列表。使用者無需離開對話就能向品牌 AI 提問、獲取推薦，首個合作方為 Experian。目前該功能正處於 Alpha 測試階段。
SpAItial 釋出 3D 世界模型 Echo-2：單張照片生成可漫遊場景，跑分超 Marble 1.1
SpAItial 釋出 3D 世界生成模型 Echo-2，可將單張照片或文本轉化為持久、可互動的 3D 環境。模型支援基於語義分割的區域性物體編輯，並能通過 3DGS 在網頁端即時渲染，在 WorldScore 基準上全面超越 World Labs 的 Marble 1.1。
OpenAI 披露 ChatGPT 防暴力機制：高危直接報警，將推成年人緊急聯絡人
OpenAI 公佈 ChatGPT 針對暴力及現實傷害的防護體系。系統利用分類器與推理模型檢測違規跡象並交由人工稽核，違規賬號立即封禁；一旦發現迫在眉睫的嚴重現實危害將主動報警。此外，官方透露即將為成年使用者上線緊急聯絡人功能。
Poolside 釋出程式設計模型 Laguna：XS.2 開源且僅需單卡，同步推出終端智慧體
AI 初創公司 Poolside 正式釋出兩款專為智慧體程式設計設計的基座模型 Laguna M.1 與 Laguna XS.2。其中 XS.2 為 33B 架構（啟用 3B），採用 Apache 2.0 協議開源且單 GPU 即可執行。團隊還同步開放終端程式設計智慧體 pool 和雲沙箱 Shimmer 預覽版，兩款模型限時免費可用。
OpenAI 聯手 AWS：GPT-5.5 與 Codex 登陸 Bedrock 開啟預覽
OpenAI 與 AWS 宣佈擴大戰略合作，在 Amazon Bedrock 上開啟三項能力的有限預覽：以 GPT-5.5 為代表的前沿模型、Codex 程式碼套件，以及由 OpenAI 驅動的 Bedrock 託管智慧體。企業可直接在原有的 AWS 安全與合規環境下呼叫這些能力，Codex 用量還可計入 AWS 雲承諾。
Anthropic 上線創意聯結器：Claude 直接接入 Blender、Adobe 與 Fusion
Anthropic 釋出了一批創意工具聯結器，直接打通 Adobe、Autodesk Fusion、Blender、Ableton 等主流軟體。使用者可以用自然語言在 Blender 與 Fusion 中進行 3D 建模，或批次處理圖層與匯出資產。AI 不再只是對話方塊，而是深度嵌入專業工作流。
Google 頂著員工反對與五角大樓簽約：AI 模型將進駐涉密網路
據 The Information 報道，Google 與美國國防部簽署協議，允許軍方在涉密網路中部署其 AI 模型。五角大樓正加速引入多家科技大廠的 AI 技術以防止廠商鎖定，此前軍方曾因使用限制條款與堅持設防的 Anthropic 鬧上法庭。
YouTube 測試 AI 對話搜尋：搜影片直接給文字總結和片段整理
Google 面向美國年滿 18 歲的 YouTube Premium 使用者測試「Ask YouTube」對話式搜尋。該功能類似 AI 模式，能將文字總結、長影片、Shorts 短影片和後續追問整合成專題頁面。官方表示計劃後續推向非訂閱使用者，不過實測顯示仍偶有事實錯誤。
週一
4月27日 星期一
OneManCompany 論文：把 Agent 變成「人才市場」，基準提升 15.5%
新研究提出多智慧體框架 OneManCompany，拋棄了固定的多 Agent 組織圖，把具備不同工具和技能的 Agent 包裝為可隨時動態僱傭的「數字人才」。系統依靠分層樹搜尋分解任務，配合 COO 與 HR 智慧體自主分工評估，在 PRDBench 上拿下 84.67% 的成功率。
研究人員推出 13B 復古模型 Talkie：只讀過 1931 年前文本，零汙染測 AI 泛化
前 OpenAI 與 Anthropic 研究人員推出 13B 復古模型 Talkie，完全基於 1931 年前的 2600 億 token 歷史文本訓練。最值得關注的是，它徹底杜絕了現代網路資料汙染，甚至能靠少量示例推匯出簡單的 Python 運算。這為測試 AI 的真實泛化與推理提供了罕見的乾淨樣本。
超 600 名員工聯名致信 Pichai：要求 Google 拒絕五角大樓機密 AI 專案
據報道，超 600 名 Google 員工向 CEO Sundar Pichai 聯名致信，要求公司禁止五角大樓在機密場景中使用 Gemini 等 AI 模型。聯名者包含 DeepMind 團隊及 20 多位總監和副總裁。信件警告稱，一旦進入機密環境，員工將無法監督和阻止潛在危害。
微軟推出 World-R1：用強化學習補齊影片生成的 3D 空間短板
微軟推出影片生成框架 World-R1。它無需改動底層模型架構，基於 Wan2.1 並藉助強化學習和 3D 模型反饋將空間約束融入生成過程。這解決了影片幾何變形問題，大幅降低了世界模擬的訓練成本。
OmniShotCut：精準識別影片剪下與轉場，模型僅 164MB
OmniShotCut 是一款專用於影片剪輯分析的輕量 AI 工具，能自動識別影片中的硬切、溶解、淡入淡出及滑動等轉場並標記時間戳。模型體積僅 164MB，支援本地部署執行，目前已在 Hugging Face Space 上線免費試用體驗。
Cognition 推出 Devin for Terminal：把 AI 程式設計助手搬進終端
Cognition 推出 Devin for Terminal，將 AI 程式設計智慧體直接執行在本地 Shell 中。該工具無需依賴雲端即可執行自主程式設計，當任務超出本地筆記本負載時，還能無縫移交給雲端處理。Devin 由此從 Web 平臺拓展至原生終端環境。
面向 AI 的論文新協議 ARA：把失敗實驗和程式碼全打包
研究人員提出面向智慧體的研究協議 ARA，用結構化機器包取代傳統 PDF 論文。它不僅包含程式碼與證據，還完整保留被傳統論文刪掉的失敗探索路徑，將 AI 復現實驗成功率提升至 64.4%。科研成果正從給人類讀的敘事轉向給 AI 用的原生知識。程式碼已開源。
馬斯克起訴 OpenAI 案落幕：陪審團因時效駁回全部指控，馬斯克敗訴
在經過近一個月的庭審後，陪審團僅商議兩小時便裁定駁回埃隆·馬斯克對 OpenAI 及山姆·奧特曼的訴訟，法官採納了該決定。陪審團認定指控已過訴訟時效。馬斯克此前指控 OpenAI 背棄非營利初衷轉向盈利，最終以其全面敗訴收場。
微軟升級 Dynamics 365：上線即時語音智慧體，讓 AI 承包客服與銷售
微軟在 Copilot Studio 中正式上線即時語音智慧體，取代傳統死板的電話按鍵選單，支援自然對話與隨時打斷。同時，Dynamics 365 也迎來多款新智慧體，覆蓋客服接聽、通話質檢與銷售記錄自動同步，推動企業全流程自動化。
Sakana AI 釋出 Conductor：用 7B 模型當主管，排程 GPT-5 與 Claude 協作
Sakana AI 推出 7B 引數的指揮者模型 Conductor，它不直接解題，而是用自然語言充當主管，動態排程 GPT-5、Claude 等前沿模型協同工作。在強化學習驅動下，它能自律搭建協作流水線並遞迴糾錯，在 LiveCodeBench 拿到 83.9% 的破紀錄成績。
傳 OpenAI 研發首款智慧手機：聯手高通聯發科，擬 2028 年量產
據分析師郭明錤爆料，OpenAI 正在研發自主智慧手機以挑戰 iPhone，目標於 2028 年量產。OpenAI 正在聯手高通與聯發科研發晶片，由立訊精密負責製造，預計 2026 年底敲定規格。郭明錤認為，AI 智慧體將使其體驗與 iPhone 徹底不同。
Anthropic 設立悉尼辦公室：挖來 Snowflake 前高管拓展澳新企業市場
Anthropic 宣佈正式設立悉尼辦公室，並任命擁有逾 20 年亞太科技管理經驗的前 Snowflake 高管 Theo Hourmouzis 擔任澳新地區總經理。當地團隊將推進與 Canva、Xero、澳大利亞聯邦銀行等機構的合作，並落實此前與澳大利亞政府簽署的諒解備忘錄。
OpenAI 開源 Symphony：把任務看板變智慧體控制台，PR 提升 500%
OpenAI 開源程式設計智慧體編排規範 Symphony。該規範將 Linear 等任務看板作為控制中心，為每個待辦工單自動分配專職 Codex 智慧體常駐執行，人類僅負責稽核。OpenAI 內部團隊藉此使合併 PR 數量提升 500%，解決了人工多執行緒盯梢智慧體的注意力瓶頸。
中國監管叫停 Meta 收購 Manus：涉資 20 億美元，被令撤回交易
中國監管部門叫停 Meta 斥資約 20 億美元收購 AI 初創公司 Manus 的交易，要求撤回併購。Manus 主打能自主規劃並執行任務的智慧體。雖然其團隊已融入 Meta，但因創立於中國仍受監管約束，解綁將給 Meta 帶來棘手難題。
微軟與 OpenAI 修改合作協議：解綁獨家雲合作，微軟 IP 授權變非獨佔
OpenAI 與 Microsoft 宣佈修改合作協議。OpenAI 今後可在任何雲服務商處向客戶提供產品，但 Azure 仍享首發權；微軟對 OpenAI 模型的 IP 授權延長至 2032 年但轉為非獨佔，且不再向 OpenAI 支付分成。這意味著雙方從深度繫結走向各自擁有更大商業靈活性的新階段。
週日
4月26日 星期日
復旦開源 Hallo-Live：文本即時生成音影片數字人，延遲不到 1 秒
復旦大學團隊提出即時流式數字人生成框架 Hallo-Live，能直接由文本同步合成語音與肖像影片。在兩塊 NVIDIA H200 上，它跑出 20.38 FPS 的速度，延遲僅 0.94 秒。它將雙流擴散與偏好引導蒸餾結合，解決了互動式數字人延遲高與音畫脫節的痛點。
Scenema Audio 開源：把聲音與情緒解耦，用舞臺指示給克隆聲音演戲
Scenema AI 開源語音生成模型 Scenema Audio，它從 LTX 2.3 提取而來，支援將聲音音色與情緒表演解耦。只需幾秒參考音訊，就能靠提示詞裡的舞臺指示改變情緒、呼吸節奏甚至口音，還能中途切換狀態。量化版本最低需 16GB 視訊記憶體並在本地執行。
OpenAI 公佈五大原則：防止少數人壟斷超智，承諾降低算力成本
OpenAI 釋出指導 AGI 開發的五項原則，涵蓋民主化、賦能、共同繁榮、韌性與適應性。OpenAI 承諾防止技術權力集中在少數實驗室手中，主張通過民主機制決定關鍵事項。團隊表示將繼續在全球擴建基礎設施以大幅降低算力成本，並與政府合作防範新型病原體與網路安全風險。
週六
4月25日 星期六
阿里 Qwen 上線 Qwen-Image-2.0-Pro：躋身 Arena 全球文生圖前十
阿里 Qwen 團隊宣佈上線文生圖模型 Qwen-Image-2.0-Pro。新模型大幅提升了影像質量、多語言文字渲染和指令遵循能力，並在競技場 Arena 的文生圖榜單中排在全球第 9 位。目前該模型已在 ModelScope 開放體驗，並同步上線 API。
Grok Imagine 升級圖生影片：對口型更準，音訊也更清晰了
Grok Imagine 升級圖生影片功能，大幅提升了對口型效果與音訊清晰度。更新後對白能夠準確貼合嘴型動作，聲音也更符合畫面場景，讓最終生成的聲畫表現更自然連貫。
週五
4月24日 星期五
Meta 聯手 AWS 採購數千萬 Graviton 核心：押注智慧體 CPU 算力
Meta 宣佈與 AWS 達成合作，引入數千萬個 AWS Graviton CPU 核心支撐智慧體 AI 系統。智慧體推理和規劃讓 CPU 需求激增，AWS Graviton5 提供了更高的資料處理能力與頻寬。Meta 藉此推進算力多元化，成為全球最大 Graviton 客戶之一。
DeepSeek 開源 V4 預覽版：全系標配 1M 上下文，上線 Pro 與 Flash
DeepSeek 正式釋出並開源 DeepSeek-V4 Preview，全線預設支援 1M 上下文。本次推出 1.6T 引數的 Pro 與 284B 的 Flash 兩款 MoE 模型，通過混合壓縮注意力將超長上下文的 KV 快取佔用壓至傳統架構的 2%，專為長流程智慧體打造。網頁端與 API 現已上線，老模型將於 7 月 24 日退役。
Google 擬向 Anthropic 投資 400 億美元：先投 100 億，換算力與股權
據外媒報道，Google 計劃向 Anthropic 投資最高 400 億美元。其中 100 億美元按 3500 億美元估值立即注資，剩餘 300 億美元視業績目標而定。Google Cloud 還將在未來 5 年向其提供 5 吉瓦算力，以緩解 Claude 的基礎設施緊缺。
Anthropic 聯手 NEC：Claude 進入 3 萬員工工作流，共拓日本市場
Anthropic 宣佈與日本 NEC 達成戰略合作，NEC 成為其首個日本全球合作伙伴。NEC 將向全球約 3 萬名員工部署 Claude，涵蓋 Claude Code 與 Claude Cowork，並把 Claude 整合進 BluStellar 平臺，聯合為日本金融、製造與地方政務開發行業級 AI 工具。
Anthropic 升級 Claude 選舉防護：偏見評測超 95%，防範自主虛假宣傳
Anthropic 公佈 Claude 應對 2026 年選舉的安全更新。Claude Opus 4.7 與 Sonnet 4.6 在政治偏見測試中分別取得 95% 和 96% 的高分，選舉違規攔截率接近 100%。在自主操縱輿論的測試中，內建防護的模型幾乎拒絕了所有惡意任務。
週四
4月23日 星期四
Vista4D：把普通影片轉成 4D 點雲，支援自由運鏡重拍與動態編輯
研究團隊提出 Vista4D 框架，能把普通影片轉換為包含時間維度的 4D 點雲。最值得關注的是，它不僅能以任意相機軌跡重新渲染動態畫面，還能直接在點雲中增刪物體或拼接不同影片。目前程式碼與模型已開放。
Spotify 接入 Claude：對話直接推歌，用提示詞就能搓專屬歌單
Spotify 宣佈在 Claude 中上線整合功能，使用者繫結賬號後即可基於聽歌歷史獲取個性化音樂和播客推薦。付費訂閱者還能直接用文字描述氛圍生成定製歌單，並支援通過 Spotify Connect 切換播放裝置。Spotify 強調不向 Anthropic 提供音訊訓練資料。
索尼乒乓球機器人 Ace 登《自然》封面：10 毫秒感知、擊敗職業選手
Sony AI 公佈登上《Nature》封面的乒乓球機器人 Ace。它配備 12 個高速視覺感測器與 8 關節機械臂，感知延遲僅 10.2 毫秒，且在純模擬中完成強化學習訓練。在國際乒聯正式規則下，Ace 首次擊敗了人類職業球員，攻克了毫秒級高動態對抗難題。
OpenAI 釋出 GPT-5.5：程式設計推理大提速，SWE-Bench Pro 拿下 58.6%
OpenAI 釋出 GPT-5.5 和 GPT-5.5 Pro，主打複雜任務規劃與智慧體程式設計。新模型延遲與 GPT-5.4 相當，但消耗更少 token，在 Terminal-Bench 2.0 跑出 82.7%。ChatGPT 付費使用者及 Codex 現已可用，API 也已同步開放。
Anthropic 復盤 Claude Code「變笨」：三大改動惹禍，已全修復並重置額度
Anthropic 釋出復盤說明，回應了近期 Claude Code 效能下滑的反饋。調查發現，問題出在預設思考預算被下調、快取清理 Bug 導致思考歷史丟失，以及限制字數的提示詞拉低了質量。三處問題現已全部修復，所有訂閱者額度已被重置。
Anthropic 擴充套件 Claude 聯結器：接入 Spotify 與 Uber 等生活應用
Anthropic 為 Claude 接入 AllTrails、Spotify、Uber 和 Instacart 等生活類聯結器，總數已超 200 個。Claude 現可在對話中主動推薦並串聯服務，下單或預訂前會主動向使用者確認。所有方案均可使用，移動端處於測試階段。
Copilot 智慧體能力全面上線：Word、Excel 和 PowerPoint 支援直接跨步操作
Microsoft 宣佈 Word、Excel 和 PowerPoint 中的 Copilot 智慧體功能正式全面可用。Copilot 不再只給建議，而是能直接在文件、表格和簡報中執行排版與資料分析等多步驟操作。新體驗已向企業及個人 Microsoft 365 訂閱使用者開放。
xAI 釋出 Grok Voice 1.0：帶後臺即時推理，直接接管客服電話
xAI 推出旗艦語音智慧體模型 Grok Voice 1.0 並開放 API。它支援 25 種以上語言，可在不增加延遲的前提下在後臺即時思考與呼叫工具，準確採集地址、賬號等複雜資訊，目前已用於 Starlink 電話客服。
週三
4月22日 星期三
微軟上線 Foundry 託管智慧體：每個會話獨享沙箱，空閒自動縮容至零
Microsoft 宣佈 Foundry Agent Service 託管智慧體開啟公開預覽。它為每個會話提供 Hypervisor 級隔離沙箱和持久化檔案系統，閒置時自動縮容至零且喚醒後磁碟狀態不丟。支援 LangGraph 等任意框架，一鍵即可釋出到 Teams 和 M365 Copilot。
Anthropic 調查 8 萬用戶：最靠 AI 提效的人，反而最怕失業
Anthropic 釋出覆蓋 8 萬多名 Claude 使用者的調查，發現從 AI 中獲益最大的群體反而最擔心被取代，高頻使用者的失業焦慮是用得最少者的 3 倍。工程師與職場新人的危機感最強；AI 雖然省出了時間，但也帶來了更大的職責範圍和更多工作。
Ideogram 上線自定義模型：用私有圖片訓練，鎖定品牌視覺與排版
Ideogram 推出自定義模型（Custom Models）功能，允許使用者使用自有影像資產而非全網公開資料訓練專屬生圖模型。該功能專門用於保持品牌的藝術風格、字型排版及視覺識別一致性，目前已面向 Team、Pro、Enterprise 會員及 API 開放呼叫。
Google 宣佈 Gemini Embedding 2 正式可用：跨音影片統一檢索
Google 宣佈原生多模態嵌入模型 Gemini Embedding 2 正式可用。它支援在文本、影像、影片和音訊之間進行統一檢索與推理，省去以往拼湊工具的繁瑣流程。目前開發者可通過 Gemini API 直接投入生產使用。
阿里開源 Qwen3.6-27B：270 億引數程式設計跑分反超 397B 大模型
阿里通義團隊開源稠密模型 Qwen3.6-27B。官方稱其在主流程式設計基準測試中全面超越自家的 Qwen3.5-397B-A17B，具備智慧體程式設計與多模態推理能力，支援思考與非思考模式，並採用寬鬆的 Apache 2.0 協議開源。
Google 釋出第八代 TPU：推訓分家，TPU 8t 與 8i 直指智慧體時代
Google 在 Cloud Next 上釋出第八代定製晶片 TPU 8t 與 TPU 8i，分別專攻模型訓練與推理。TPU 8t 單個 Superpod 可擴充套件至 9600 顆晶片並提供 121 ExaFlops 算力；TPU 8i 則針對智慧體推理把價效比提升 80%。兩款晶片均由 Google DeepMind 聯合設計，預計今年晚些時候正式商用。
Google 釋出 Vision Banana：把影像分割與深度預測做成「生圖任務」
Google 釋出影像理解與生成統一模型 Vision Banana。它基於 Nano Banana Pro 微調，把語義分割、深度估計和表面法線等感知任務全轉成影像生成。測試顯示其零樣本表現甚至超越 Meta SAM 3 等專用模型，驗證了生圖訓練也能成為通用視覺理解的底座。
3D 高斯濺射房產方案：手機掃全屋，瀏覽器免 App 即可全景漫遊
一項基於 PlayCanvas 的開源 3D 高斯濺射方案讓手機掃描看房成為現實。AI 能將拍攝照片重建為數百萬個光雲，檔案比短影片還小，在瀏覽器裡就能照片級漫遊。全景看房成本大幅降至約 200 美元，已有自由職業者開始向房產公司等收費接單。
賓大造出光物質混合粒子：突破全光切換，為低功耗光子 AI 鋪路
賓夕法尼亞大學研究團隊製造出光與物質混合的準粒子「激子極化子」，成功實現能耗僅約四千萬億分之一焦耳的全光切換。該成果讓光子具備了邏輯開關能力，有望讓未來光子 AI 晶片擺脫頻繁的光電訊號轉換，大幅降低資料中心算力能耗。
OpenAI 推出 ChatGPT 工作區智慧體：團隊共享自動化，雲端全天候跑流程
OpenAI 在 ChatGPT 中推出工作區智慧體，作為 GPTs 的進階版本。該智慧體基於 Codex 構建，能在雲端獨立執行多步驟長任務，並可接入 Slack 跨工具協作。最值得關注的是，團隊能共享工作流並設定人工審批，至 2026 年 5 月 6 日前免費使用。
Anthropic 詳解 MCP 生產級架構：SDK 月下載破 3 億，按需搜尋省 85% Token
Anthropic 釋出指南，詳解如何通過模型上下文協議（MCP）將智慧體接入生產系統。官方透露其 SDK 月下載量已突破 3 億次。為解決雲端呼叫的上下文膨脹，Anthropic 推薦按意圖封裝工具，並通過執行時按需搜尋工具，能將定義佔用的 Token 減少 85% 以上。
Anthropic 啟動月度經濟調查：每月抽樣 Claude 使用者追蹤真實就業變化
Anthropic 宣佈上線「經濟指數調查」，每月通過自研工具 Anthropic Interviewer 抽樣訪談註冊滿兩週的 Claude 使用者。問卷將調研任務交接、效率變化及招聘預期，旨在藉助第一手定性資料，搶在滯後的傳統就業指標之前捕捉 AI 對職場的真實衝擊。
OpenAI 推出臨床醫生版 ChatGPT：免費向認證美醫護開放
OpenAI 推出臨床醫生版 ChatGPT，免費向經認證的美國醫生、藥劑師等開放。它針對病歷書寫與醫學檢索最佳化，支援文獻溯源與繼續教育學分統計，醫生測試安全準確率達 99.6%。目前僅面向美國認證醫護人員，後續將推向全球。
OpenAI 升級 Responses API：加長連線支援，智慧體呼叫提速 40%
OpenAI 為 Responses API 增加 WebSocket 模式。該模式通過持久長連線與記憶體狀態快取，避免每次 HTTP 請求重複傳輸和校驗歷史，將智慧體迴圈端到端延遲降低最高 40%，首字響應時間縮短近 45%，並在 Cursor 等編碼工具中全面落地。
OpenAI 開源 Privacy Filter：本地執行脫敏 8 類隱私資料
OpenAI 開源隱私過濾模型 Privacy Filter，可脫敏 8 類隱私資料。其總引數 1.5B、啟用引數僅 50M，支援 128,000 token 上下文，在修正基準測試中 F1 達 97.43%。資料無需上傳即可在本地完成脫敏。
Hugging Face 開源 ml-intern：能讀論文、跑訓練的「AI 實習生」
Hugging Face 開源 Agent 框架 ml-intern。它能自主閱讀論文、檢索資料集並寫程式碼微調模型，10 小時內將 Qwen 的科學推理成績大幅拉高。最值得關注的是它串聯起 Hugging Face 全套生態，能自動化搞定繁瑣的模型後訓練流程。
