X 推出 Grok 驅動的自定義時間線：可置頂 75+ 個專屬興趣標籤頁
X 推出由 Grok 驅動的「自定義時間線」功能，支援使用者將 75 多個特定主題直接固定在主頁標籤頁。系統結合 Grok 對每條帖子的理解與個性化推薦演算法，為使用者生成定製內容流。目前該功能已面向 iOS 上的 Premium 訂閱使用者開放測試，Android 版本即將跟進。
AI 日報：今天的 AI 新聞
週二
4月21日 星期二
SpaceX 擬 600 億美元收購 Cursor：或支付 100 億美元合作費
SpaceX 確認與 AI 程式設計平臺 Cursor 達成合作協議，獲得在今年晚些時候以 600 億美元收購 Cursor 的權利，或者為雙方合作支付 100 億美元費用。雙方將結合 Cursor 的程式設計產品與 Colossus 超算訓練模型，以應對 AI 程式設計領域的激烈競爭。
Meta 被曝記錄員工滑鼠和按鍵：用來訓練自主工作智慧體
據路透社報道，Meta 正向美國員工的電腦安裝追蹤軟體 MCI，採集滑鼠軌跡、點選、按鍵甚至螢幕截圖，用於訓練能自主處理辦公任務的 AI 智慧體。Meta 表示該資料不用於績效考評，但這套原本用於監控零工的手段引發了白領隱私爭議。
Odyssey 釋出 Odyssey-2 Max：規模擴大 3 倍，登頂即時物理基準測試
Odyssey 推出通用世界模型 Odyssey-2 Max，引數量比前代擴大 3 倍，在 VBench 2 物理評測中拿下最高分，並支援即時互動推演。它通過自迴歸預測下一步狀態來模擬現實物理，目前已面向機器人與遊戲等領域的合作伙伴開啟內測。
AnyRecon 亮相：隨手拍幾張無序照片，就能重建連貫 3D 場景
研究人員提出 3D 重建框架 AnyRecon，只需輸入幾張未對齊、無序拍攝的照片，就能重建出連貫的 3D 場景。它引入全域性場景記憶機制，克服了以往擴散方法視角不一致的缺陷。這意味著隨手拍兩三張照片，也能拼出可靠的三維模型。
新框架 CoInteract 亮相：只需兩張圖，生成不穿模的帶貨影片
研究人員公佈影片生成框架 CoInteract，輸入一張人物照和一張產品圖即可生成帶貨影片。它引入雙流協同生成架構，在處理畫素的同時專門約束人手與物體的幾何接觸，解決了手部崩壞和穿模問題，讓電商內容批次生成更逼真。
Google 為 Gemini for Home 上線連續對話：不用重複喚醒，還能分清旁白
Google 為 Gemini for Home 推出連續對話功能。使用者首次喚醒後麥克風會保持聆聽數秒，可直接追問而無需重喊「Hey Google」。新版本具備上下文記憶能力，優化了閒聊過濾以防誤觸，且面向全屋所有成員與訪客開放。
Google 開源 Stitch 的 DESIGN.md：讓 AI 智慧體跨平臺讀懂設計規範
Google 宣佈開源 AI UI 設計工具 Stitch 的 DESIGN.md 規範草案。該格式支援跨平臺匯入匯出設計系統，使 AI 智慧體能直接理解配色意圖，並依據 WCAG 標準校驗無障礙合規性，省去重複搭建規則的麻煩。
Open CoDesign：開源本地 AI 設計工具，自帶模型生成原型與文件
Open CoDesign 是一款開源桌面端 AI 設計工具，被視作 Claude Design 的本地替代品。它支援自帶 API 金鑰接入任意主流模型或本地 Ollama，通過文字或參考素材自主生成可互動 UI 原型、幻燈片與 PDF，並支援即時區域性微調與原始碼匯出。
Google 推出 Deep Research Max：支援 MCP 連私有資料，圖表直接內嵌
Google 推出基於 Gemini 3.1 Pro 的 Deep Research 與 Deep Research Max 智慧體。Max 版利用擴充套件測試時計算搞定高強度複雜調研，兩者均支援 MCP 接入企業私有庫，還能原生生成圖表，現已開啟 API 公測。
YouTube 擴充套件肖像檢測工具：明星沒頻道也能查刪 AI 換臉
YouTube 宣佈將肖像檢測技術擴充套件至娛樂經紀公司及藝人。該工具類似 Content ID，可掃描識別 AI 換臉等 Deepfake 內容並支援申請下架。最值得關注的是，即便演藝人員自己沒有開設 YouTube 頻道，現在也可以直接使用該工具維權。
OpenAI 釋出 ChatGPT Images 2.0：文字渲染大升級，支援中日韓等多語言
OpenAI 推出 ChatGPT Images 2.0。新模型重點提升了文字渲染與視覺推理能力，支援中文、日文、韓文和阿拉伯文等多種文字排版，並在攝影、漫畫等風格上帶來更高的控制精度。使用者已可直接在 ChatGPT 中使用。
Anthropic 網路安全模型 Mythos 遭未授權訪問：通過第三方供應商洩露
據彭博社報道，Anthropic 專為網路安全打造的高風險 AI 模型 Mythos 被未授權使用者通過第三方供應商環境訪問並使用。該模型原僅在「Glasswing 計劃」下向少數企業限量開放。Anthropic 表示已就此展開調查，目前自身系統未受波及。
西北大學造出柔性印刷人工神經元：能直接啟用活體腦細胞
西北大學團隊研發出柔性印刷人工神經元，在小鼠腦切片實驗中成功激活了活體腦細胞。該器件通過奈米墨水打印製成，能發出逼真的複雜神經電訊號。最值得關注的是，它不僅可用於神經假體與腦機介面，也為極低功耗的類腦 AI 硬體開闢了新路。
週一
4月20日 星期一
Claude 上線「即時 Artifacts」：直連應用檔案，資料自動重新整理
Anthropic 在 Claude 的 Cowork 中上線「即時 Artifacts」。使用者建立的儀表盤和追蹤器可直連應用與檔案，每次開啟都會自動重新整理最新資料。這意味著無需手動重新生成報表，Claude 進一步走向持續同步的即時工作流。
OpenAI 為 Codex 帶來 Chronicle：自動讀取螢幕上下文，告別手動補背景
OpenAI 宣佈為 Codex 的記憶功能擴充名為 Chronicle 的新實驗。它能根據使用者最近的螢幕上下文強化記憶召回，Codex 可以直接依據你手頭正進行的工作提供協助，不再需要反覆交代前提背景。該功能屬於上週上線的記憶預覽的延伸。
Google 升級 AI Studio：Pro/Ultra 額度提升，接入 Nano Banana Pro
Google 宣佈為 Google AI Pro 和 Ultra 訂閱使用者提升 AI Studio 的呼叫限額，並開放 Nano Banana Pro 與 Gemini Pro 模型。該舉措為用盡免費額度的開發者提供了低門檻過渡方案，讓團隊能以可預測成本快速進行原型構建。
榮耀人形機器人 Lightning 跑完半馬：50 分 26 秒超越人類紀錄
週日，榮耀自研的人形機器人「Lightning」在北京半程馬拉松中跑出 50 分 26 秒奪冠，擊敗全場 1.2 萬名人類選手，並超越 57 分 20 秒的人類世界紀錄。該機器人研發耗時一年，採用手機液冷技術與仿生腿部結構，包攬了本屆比賽前三名。
月之暗面開源 Kimi K2.6：支援 4000+ 步長程編碼，能跑 300 個子智慧體
月之暗面釋出開原始碼模型 Kimi K2.6。新模型主打長程程式設計，支援超 4000 次工具呼叫和 12 小時連續執行，可驅動 300 個並行子智慧體協作修改超百個檔案。它在 SWE-Bench Pro 等基準達開源 SOTA，權重已開源，並在 kimi.com 上線。
OpenGame 開源：只給一句話，AI Agent 端到端做出完整網頁遊戲
研究人員開源網頁遊戲生成 Agent 框架 OpenGame，輸入一句話即可端到端構建、測試並修復可玩網頁遊戲。系統內建持續進化的技能庫，能沉澱專案模板並自動除錯糾錯。目前專案程式碼與演示均已公佈。
TwelveLabs 釋出 Pegasus 1.5 與 Rodeo：用自然語言檢索與組裝影片
TwelveLabs 在 NAB Show 2026 上釋出影片理解模型 Pegasus 1.5 及創作者工具 Rodeo，並接入 Autodesk Flow Capture。Pegasus 1.5 支援單次 API 提取帶時間戳的結構化資料，分割評測超 Gemini 2.5 Pro 30%；Rodeo 則支援用自然語言找素材與粗剪。
阿里預告 Qwen3.6-Max：主打智慧體程式設計與真實世界可靠性
阿里 Qwen 團隊推出下一代旗艦模型預覽版 Qwen3.6-Max-Preview。相比 Qwen3.6-Plus，新模型重點提升了智慧體程式設計能力、世界知識儲備與指令遵循水平，旨在讓複雜現實任務中的 AI 智慧體更加可靠。
Google 組建攻堅團隊追趕 Anthropic：布林親自督戰，要讓 AI 訓練下一代 AI
據 The Information 報道，Google 聯合創始人布林親自動員 DeepMind 組建攻堅團隊，全力提升 Gemini 程式設計能力以追趕 Anthropic。布林在備忘錄中強調，終極目標是用 AI 訓練下一代 AI，程式設計正是核心跳板。目前團隊已要求工程師在複雜任務中強制使用內部智慧體。
LTX HDR LoRA：給開源影片模型補上 16-bit HDR
Lightricks 為開源影片模型 LTX 釋出 HDR IC-LoRA。這個僅約 340MB 的輕量模型能將原本 8-bit SDR 的生成影片升級為 16-bit HDR，大幅提升動態範圍和色彩細節。也就是說，創作者能直接在現成工作流中輸出專業素材，給剪輯調色留足空間。
蘋果高層換屆：庫克 9 月轉任執行主席，John Ternus 接任 CEO
Apple 宣佈現任 CEO 庫克將於 2026 年 9 月 1 日轉任董事會執行主席，硬體工程高階副總裁 John Ternus 將接任 CEO。Ternus 已在蘋果任職 25 年，主導了 iPhone 和 Mac 等核心產品線。庫克後續將協助過渡並負責政策事務。
週日
4月19日 星期日
UniGeo 帶來相機可控影像編輯：輸入精確角度，自由平移俯仰視角
研究團隊提出相機可控影像編輯框架 UniGeo。它能將單張圖片轉為 3D 幾何表徵，支援使用者通過輸入精確角度來平移或俯仰鏡頭，重新渲染新視角。這解決了普通影像生成工具難以精準運鏡且容易變形的問題，相關模型即將推出。
UniMesh 統一 3D 生成與理解：不僅能文生 3D，還能用提示詞改模型
研究人員提出統一框架 UniMesh，將 3D 生成與 3D 理解整合到單一架構中。它不僅支援從文本或單張圖片生成完整 3D 模型，還能用提示詞進行連續編輯，甚至反向給 3D 物體生成描述文本。最值得關注的是，它打破了過去 3D 生成與空間理解相互割裂的局面，讓兩種能力在一個模型裡互相促進。
xAI 上線 Grok 4.3 Beta：能直接生成 PPT、Excel 與 PDF
xAI 推出 Grok 4.3 Beta，面向每月 300 美元的 SuperGrok Heavy 訂閱使用者開放。新版本能依據提示詞直接匯出帶公式的 Excel 表格、排版完整的 PPT 和 PDF；馬斯克透露當前版本約 5000 億引數，1 萬億引數版仍在訓練中。
週五
4月17日 星期五
OpenAI 前首席產品官離職：科學應用 Prism 關停併入 Codex
週五，OpenAI 前首席產品官 Kevin Weil 宣佈離職，其牽頭的科學 AI 工作區 Prism 隨之關停。該專案約 10 人的團隊將併入 Codex，OpenAI 計劃將 Prism 的能力整合進桌面版 Codex，以精簡產品線並將其打造成「萬能應用」。
Anthropic 推出 Claude for Word：支援搭配 Opus 4.7 使用
Anthropic 宣佈上線 Claude for Word，面向 Pro 和 Max 訂閱使用者開放。使用者可以直接在 Microsoft Word 文件內呼叫 Claude 的寫作與編輯能力，並與新推出的 Claude Opus 4.7 模型搭配使用。
Dairy Queen 引入 AI 點單：進駐數十家得來速，準確率達 90%
據《華爾街日報》報道，Dairy Queen 開始在美加數十家得來速門店上線 Presto 的 AI 點單機器人。該系統點單準確率約為 90%，旨在加快服務速度並向顧客推銷加餐。不過此前有報道指出，Presto 的技術背後可能仍有人工遠端協助兜底。
Netflix 推出類 TikTok 豎屏影片流：全面引入 AI 做推薦與影視創作
Netflix 宣佈將於本月在應用內上線類 TikTok 的豎屏影片流，幫助使用者發現影片播客與影視作品。聯席 CEO 表示將全面採用基於新模型架構的 AI 推薦系統，並藉助上個月收購的 InterPositive 技術，加速落地面向創作者的生成式 AI 製作工具。
Canva 接入 Claude Design：AI 產出的草稿與程式碼支援直接拖拽編輯
Canva 宣佈接入 Anthropic 的 Claude Design，並上線 HTML 匯入功能。使用者在 Claude 中生成的草稿與互動式程式碼可直接匯入 Canva，無需反覆重寫程式碼，通過拖拽就能改佈局、換顏色。這意味著 AI 產出的原型終於能無縫進入團隊設計流。
OpenAI 被曝斥資超 200 億美元採購 Cerebras 晶片：或換取高達 10% 股權
據 The Information 報道，OpenAI 同意在未來三年向晶片初創公司 Cerebras 支付超 200 億美元租用算力伺服器，並出資約 10 億美元資助資料中心，以換取 Cerebras 最多 10% 的股權。這項新承諾比 1 月份的協議規模翻倍，直接為 Cerebras 衝擊二季度 IPO 鋪平了道路。
週四
4月16日 星期四
Adobe 釋出 TokenLight：單張照片能用 3D 光源隨意重新打光
Adobe 公佈影像重打光研究 TokenLight。它把強度、顏色和 3D 光源位置轉化為標記輸入模型，使用者能像拖滑塊一樣在照片裡隨意加燈並連續調整漫反射。最值得關注的是，模型沒靠顯式 3D 渲染監督就學會了光線與幾何體的互動。不過目前僅釋出了論文，暫未開放體驗。
HeyGen 開源 HyperFrames：專為智慧體打造的 HTML 轉 MP4 框架
HeyGen 開源了面向智慧體的影片生成框架 HyperFrames。該框架完全在 Claude Code 中構建，能將 HTML 頁面轉為 MP4 影片，讓智慧體可以通過程式碼自動化生產影片內容，官方的釋出影片也是直接在 Claude Code 中用它生成的。
Browser Use 開源 video-use：讓 Claude Code 讀字幕直接剪影片
Browser Use 開源了 video-use，讓 Claude Code 等智慧體能直接剪輯影片。它避開直接灌入海量影片幀的高成本做法，改為利用帶時間戳的語音轉錄文本與按需抽幀，支援自動裁切廢話停頓、加字幕與調色。
Gemini 接入 Google 相簿：結合 Nano Banana 2，一句話畫出個性化全家福
Google 宣佈為 Gemini 應用引入個性化生圖功能，結合 Nano Banana 2 與 Google 相簿。使用者無需上傳參考圖或手寫長篇提示詞，Gemini 能自動呼叫相簿中標記的人物與寵物生成水彩或黏土風格畫作。該功能正向美國 Google AI 訂閱使用者推送。
Character.ai 推出 c.ai Books：把 20 多部經典名著變成可玩的 AI 互動劇
Character.ai 在移動端和網頁端上線 c.ai Books 實驗功能。依託古騰堡計劃，它將《傲慢與偏見》《科學怪人》等 20 多部公版名著轉化為可即時互動的故事，使用者既能按原著主線扮演角色，也能脫稿自由互動或二創「平行宇宙」世界觀。
阿里開源 Qwen3.6-35B-A3B：35B 總引數僅啟用 3B，程式設計能力堪比十倍體量
阿里巴巴 Qwen 團隊以 Apache 2.0 協議開源 Qwen3.6-35B-A3B 模型。該模型採用稀疏 MoE 架構，總引數 35B 但啟用僅 3B，智慧體程式設計能力號稱媲美 10 倍啟用體量的模型，同時具備多模態感知與思考推理雙模式。
Canva 推出 AI 2.0：用提示詞改設計，打字生成全渠道營銷案
Canva 釋出 Canva AI 2.0，轉向對話式設計平臺。使用者可用自然語言直接生成或區域性修改設計，還支援保持品牌一致性的記憶功能。最值得關注的是，單個指令即可排程全套工具生成完整多渠道方案。目前該功能作為研究預覽向首批 100 萬用戶開放。
Sabi 研發非侵入式腦機帽子：內建近 10 萬個感測器，動腦就能打字
矽谷初創公司 Sabi 走出潛伏期，公佈了一款無需手術植入的非侵入式腦機介面毛線帽。它通過 7 萬至 10 萬個微型腦電感測器結合 AI 模型解碼內心意圖，目標是讓使用者光憑思考就能打字，初期打字速度目標為每分鐘 30 詞。首款產品計劃於年底推出。
告別複製貼上：Opera 推出 Browser Connector，把 ChatGPT 和 Claude 接進瀏覽器
Opera 在 Opera One 和 Opera GX 的 Early Bird 模式上線免費功能 Browser Connector。它通過 MCP 協議將 ChatGPT 或 Claude 直連瀏覽器，讓 AI 直接讀取標籤頁內容和截圖，免去頻繁複制貼上。使用者可自主控制權限，AI 無法自主點選或填表。
AI 程式設計初創公司 Factory 融資 1.5 億美元：估值達 15 億美元，對標 Cursor
開發企業級 AI 程式設計智慧體的 Factory 宣佈完成 1.5 億美元融資，估值達到 15 億美元，由 Khosla Ventures 領投。其核心賣點是支援在 Claude、DeepSeek 等底層模型之間靈活切換，目前已被摩根士丹利、安永等大企業工程團隊採用。
Mozilla 旗下 MZLA 推出開源 AI 客戶端 Thunderbolt：支援自託管與 Haystack
Mozilla 旗下 MZLA 推出開源自託管 AI 客戶端 Thunderbolt。它原生整合 deepset 的 Haystack 框架，支援跨平臺聊天、搜尋與自動化工作流。其主打資料主權並避免廠商鎖定，原始碼已在 GitHub 開源。
Perplexity 推出 Mac 版 Personal Computer：跨本地檔案與應用幹活
Perplexity 面向 Perplexity Max 訂閱使用者推出 Mac 版 Personal Computer。它將 AI 排程能力接入本地裝置，能跨本地檔案、原生應用與網頁執行復雜任務；按下兩個 CMD 鍵即可喚起，所有操作在沙盒中執行且支援撤回。
OpenAI 推出 GPT-Rosalind：生命科學專用推理模型，加速新藥研發
OpenAI 釋出專為生命科學和新藥研發打造的推理模型 GPT-Rosalind。它在 11 項 LABBench2 任務中有 6 項超越 GPT-5.4，並在 RNA 預測任務上超過 95% 的人類專家。模型通過受信任訪問計劃向合格企業提供，Codex 科研外掛已在 GitHub 免費開放。
OpenAI 升級 Codex：支援後臺自動操作 Mac，多智慧體可並行幹活
OpenAI 宣佈升級 Codex 桌面端。新版支援 macOS 後臺電腦操作，多個智慧體擁有獨立游標並行點選與輸入，不干擾使用者正常工作；同時整合應用內瀏覽器、gpt-image-1.5 影像生成、記憶功能及 90 多款新外掛。目前面向登入 ChatGPT 的使用者推送。
OpenAI 擴大網路安全防禦計劃：投入千萬美元額度，開放 GPT-5.4-Cyber 評估
OpenAI 宣佈擴大網路安全受信任訪問計劃，承諾通過專項資助提供 1000 萬美元 API 額度，首批支援 Socket、Semgrep 等漏洞研究團隊。包括高盛、輝達在內的多家巨頭已加入支援，美英兩國的 AI 安全機構也已獲准評估 GPT-5.4-Cyber。
Anthropic 釋出 Claude Opus 4.7：高難度程式設計大幅升級，加裝網路安全防護
Anthropic 正式上線 Claude Opus 4.7，面向全線產品及 API 開放。新模型大幅提升了複雜軟體工程能力與影像解析度，能自主檢驗輸出並長時間執行多步任務，同時引入了高危網路安全行為自動攔截機制，呼叫價格維持不變。
阿里 ATH 推出世界模型 Happy Oyster：即時生成可互動 3D 環境
阿里巴巴 ATH 團隊推出互動式 3D 世界模型 Happy Oyster 測試版。該模型能根據多模態輸入即時構建可探索的 3D 環境，使用者可用提示詞生成角色並操控其騎馬、滑翔甚至騎龍。目前官方已開放候補名單申請測試資格。
騰訊開源 3D 世界模型 HY-World 2.0：直接輸出可編輯 3D 資產
騰訊混元團隊開源 3D 世界模型 HY-World 2.0。與只生成畫素影片的模型不同，它支援文本、影像或影片輸入，能直接輸出可匯入 Unity、UE 等引擎的持久化網格與 3D 高斯點雲，並支援帶物理碰撞的自由互動與導航。
Quiver 釋出 Arrow 1.1：用原生程式碼畫 SVG，生成成本直降 33%
Quiver 推出 Arrow 1.1 與 1.1 Max 向量圖模型。它直接通過程式碼生成原生 SVG，多用基礎幾何與文本而非複雜路徑，更易二次編輯；文本生 SVG 成本降低 33.3%，向量化成本減半。高精度的 1.1 Max 則主打嚴苛的技術圖紙與插畫。
週三
4月15日 星期三
Adobe 聯手 Anthropic：要把 Firefly 創意智慧體搬進 Claude
週三，Adobe 推出最新的對話式創意智慧體助手，並宣佈與 Anthropic 達成合作將其接入 Claude。該助手支援批次修圖、自動調光與裁剪等低干預任務，成為 Claude 首個大型創意設計工具。Firefly 助手將於本月晚些時候開啟公測，聯結器具體上線時間將在數週內公佈。
Roblox Studio 升級智慧體工作流：規劃、建模到試玩測試全覆蓋
Roblox 宣佈為 Roblox Studio 引入智慧體工作流。新版 Assistant 帶來可編輯行動計劃的規劃模式、網格與程式化建模工具，以及能模擬玩家找 Bug 的試玩智慧體 Beta 版，並通過內建 MCP 伺服器支援接入 Claude 和 Cursor。
Snap 裁員 16% 約千人：CEO 稱用 AI 取代重複工作
Snap 宣佈裁員約 1000 人（佔員工總數 16%），並凍結 300 多個空缺職位。CEO 埃文·斯皮格爾在全員信中表示，AI 進步能減少重複勞動並提升團隊效率。此舉預計在 2026 年下半年節省超 5 億美元，幫助公司扭虧為盈。
賣鞋鉅虧的 Allbirds 轉型 AI 賣算力：改名 NewBird AI，股價暴漲 600%
持續虧損的鞋履品牌 Allbirds 宣佈將原有資產作價 3900 萬美元出售，借殼更名為 NewBird AI，並計劃融資 5000 萬美元採購高效能 GPU 轉型做 GPU 雲端計算服務。訊息公佈後其股價一度飆升超 600%。不過沃頓商學院教授直言，這並非真正業務轉型，只是利用上市公司殼資源蹭 AI 熱度。
Google 上線 Mac 原生 Gemini：快捷鍵撥出、支援螢幕分析
Google 正式推出 macOS 原生版 Gemini 應用，面向 macOS 15 及以上使用者免費開放。使用者可通過 Option + Space 快捷鍵隨時喚醒，支援共享螢幕分析本地檔案或圖表，並集成了 Nano Banana 繪圖與 Veo 影片生成能力。
Google 推出 Gemini 3.1 Flash TTS：支援文本標籤導演語氣
Google 推出語音合成模型 Gemini 3.1 Flash TTS。新模型引入音訊標籤，允許開發者在輸入文本中直接用自然語言調控語氣、節奏和語調，支援原生多說話人對話與 70 多種語言，所有音訊均嵌入 SynthID 水印。
Google 廣告全面轉向 AI Max：DSA 升級延至 2027 年，轉化提升 7%
Google 宣佈搜尋廣告全面轉向 AI Max，逐步替代傳統的動態搜尋廣告（DSA）。官方稱完整使用該功能後可在相似成本下平均增加 7% 轉化。為留出緩衝期，DSA 自動升級推遲至 2027 年 2 月，但 ACA 等設定仍將於 2026 年 9 月起自動升級。
星巴克入駐 ChatGPT：輸入「@Starbucks」按心情定製飲品
週三，Starbucks 宣佈在 ChatGPT 內上線測試版應用，讓顧客通過對話尋找飲品靈感並定製訂單。使用者啟用應用後輸入「@Starbucks」即可定製並選擇門店，但最終結算仍需跳轉至星巴克官方渠道完成。這是其重振客流計劃的一部分，意在貼合年輕消費者的新點單習慣。
「鋸齒狀智慧」重塑就業討論：AI 能解奧數，卻栽在簡單常識
越來越多專家開始用 Andrej Karpathy 提出的「鋸齒狀智慧」來評估 AI：模型能在 2025 年國際奧林匹克數學競賽解出 5 道題，卻做不好日常簡單推理。這種能力的不均衡意味著，自動化衝擊的將是具體工作任務，而不是直接抹掉整個職業。
OpenAI 升級 Agents SDK：加入原生沙箱，智慧體能安全查檔案跑程式碼
OpenAI 宣佈升級 Agents SDK，引入模型原生 harness 與原生沙箱執行能力。開發者可直接接入 Blaxel、E2B、Modal 等沙箱，讓智慧體安全讀寫檔案、執行 Shell 與修補程式碼，並支援快照容災恢復。這讓長任務智慧體免於自行搭建複雜的隔離執行底座。
OpenAI 購買 FrontierMath 驗證器：自動檢驗模型生成的數學解法
Epoch AI 宣佈 OpenAI 購買了 FrontierMath: Open Problems 驗證器訪問許可權。該基準彙集了極高難度的數學難題，此舉讓 OpenAI 能夠自動核驗模型生成的解法是否嚴謹有效，為高階推理能力的評估提供更可靠的支撐。
週二
4月14日 星期二
Midjourney 上線 V8.1：原生 2K 渲染快 3 倍便宜 3 倍，經典美學回歸
Midjourney 上線 V8.1，不僅找回招牌美學風格，還支援原生 2K 渲染，速度較 V8 提升 3 倍且費用降低三分之二。其 1K 全質量模式甚至比 V7 草稿模式更快，同時恢復了墊圖功能，並帶來全新 Describe、情緒板和風格參考工具。
Meta 聯手博通造芯：定製多代 MTIA，首期算力規模超 1 吉瓦
Meta 宣佈與博通擴大合作，聯合研發多代自研 AI 晶片 MTIA。合作覆蓋晶片設計、先進封裝與高速乙太網路，首期部署規模超 1 吉瓦，未來將達數吉瓦。博通 CEO 陳福陽將轉任 Meta 顧問，支撐其推薦與生成式 AI 基礎設施。
輝達開源 3D 世界生成器 Lyra 2.0：影片轉 3D 場景，能直接訓機器人
輝達釋出並開源 3D 世界生成器 Lyra 2.0，能將單段影片轉為高一致性的 3D 高斯潑濺環境。模型體積僅 131MB，解決了長視距下的遺忘與漂移問題，生成的場景可直接匯入 Isaac Sim 供機器人做導航訓練。
Anthropic 推出 Claude Design：對話做 PPT 和原型，一鍵交接寫程式碼
Anthropic 推出全新實驗產品 Claude Design，由新旗艦模型 Claude Opus 4.7 驅動。使用者通過自然語言對話就能生成可互動原型、PPT 和網頁，支援自定義滑塊微調，還能一鍵打包交接給 Claude Code 寫程式碼。目前已面向 Pro、Max、Team 和企業訂閱使用者開放測試。
Character.ai 釋出 PipSqueak 2：角色更難「出戲」，還帶來 Lorebook
Character.ai 釋出新模型 PipSqueak 2，率先面向 c.ai+ 會員開放。新模型減少了對話出戲和詞句重複，記憶系統也升級支援髮型與外貌等細節跟蹤，並在生成記憶時彈出通知。官方還預告了即將上線的 Lorebook，讓創作者直接給角色繫結世界觀設定。
Chrome 上線 Skills 功能：常用 Gemini 提示詞一鍵儲存與呼叫
Google 在桌面版 Chrome 的 Gemini 中推出「Skills」功能，允許使用者直接將聊天記錄中的提示詞儲存為一鍵工具。在網頁中輸入「/」或點選加號即可觸發，還支援跨標籤頁比對，並附帶開箱即用的官方技能庫。
Spark 2.0 開源：瀏覽器也能跑 1 億點高斯潑濺，手機 VR 都能流暢載入
開源專案 Spark 釋出 2.0 版本，基於 Three.js 推出 3D 高斯潑濺流式 LoD 系統。它藉助 WebGL2，讓瀏覽器能把超 1 億個 splat 的超大場景流式傳輸至手機或 VR 裝置並動態調整精度，徹底降低了大規模 3D 渲染的硬體門檻。
DeepMind 釋出 Gemini Robotics-ER 1.6：機器人學會看儀表盤，空間推理全面升級
Google DeepMind 推出具身推理模型 Gemini Robotics-ER 1.6。新模型大幅增強了空間指向、多視角任務完成檢測以及原生工具呼叫能力。DeepMind 還聯手波士頓動力為四足機器人 Spot 引入儀表讀數能力，結合程式碼執行精準讀取工業壓力錶與視鏡。
Google 上線 Windows 桌面應用：內建 AI Mode 搜尋，一鍵搜全盤與網頁
Google 宣佈面向全球 Windows 使用者推出英文版桌面應用，內建 AI Mode 搜尋。使用者通過 Alt + Space 快捷鍵即可在桌面上快速檢索網頁、本地檔案、應用及 Google Drive，並支援螢幕共享提問與 Google Lens 圈選搜尋。
Microsoft 釋出 MAI-Image-2-Efficient：成本降 41%、提速 22%
Microsoft 推出文生圖模型 MAI-Image-2-Efficient。該模型專為批次生產設計，生成速度比前代快 22%，成本降低近 41%，每百萬圖片輸出 token 售價 19.50 美元。目前已在 Microsoft Foundry 和 MAI Playground 上線，後續還將接入 Copilot、Bing 與 PowerPoint。
Boston Dynamics 演示 Spot 撿鞋收納：接上 Gemini，說人話就能做家務
Boston Dynamics 展示了由 Google Gemini Robotics-ER 1.5 驅動的 Spot 機器狗，在住宅內拾取鞋子與易拉罐。工程師無需編寫狀態機程式碼，僅用自然語言指令配合 API 工具，就讓大模型充當操作員自主規劃動作。目前這仍屬實驗演示，但展現了具身推理加速機器人落地的潛力。
AWS 推出 Amazon Bio Discovery：乾溼閉環加速抗體研發，一年工期縮短至數週
AWS 推出 Amazon Bio Discovery，為科研人員提供包含 40 多個生物學 AI 模型和智慧體助手的無程式碼研發環境。系統支援直接打通溼實驗 CRO 並自動回傳資料閉環微調。此前與 MSK 合作時，僅用數週就完成了傳統方法需一年的 30 萬種抗體篩選。
諾和諾德合作 OpenAI：把前沿模型嵌入新藥研發與供應鏈
諾和諾德與 OpenAI 達成戰略合作，將其前沿模型全面嵌入藥物研發及全球供應鏈。藥企希望藉助 AI 模擬實驗大幅縮短慢性病新藥開發週期，OpenAI 還將培訓其員工自建工具。雙方已啟動試點，計劃 2026 年底前完成全業務整合。
OpenAI 擴容網路安全可信訪問：上線防禦專供模型 GPT-5.4-Cyber
OpenAI 宣佈擴大網路安全可信訪問（TAC）計劃，並推出專用於網路防禦的 GPT-5.4-Cyber 模型。該版本降低了安全防禦任務的攔截門檻，支援二進位制反向工程，允許防禦者直接分析已編譯軟體的漏洞與惡意程式碼。經過認證的個人專家與團隊均可申請。
NVIDIA 開源量子 AI 模型 Ising：校準時間從數天縮至數小時
NVIDIA 推出開源量子 AI 模型家族 Ising，用於量子處理器校準和糾錯。其中校準模型基於視覺語言模型，將處理器校準時間從數天壓至數小時；解碼模型比行業基準 pyMatching 提速達 2.5 倍、準確度高 3 倍。
Anthropic 測試 AI 對齊研究員：Claude 將弱到強監督指標提至 0.97
Anthropic 披露用 9 個 Claude Opus 4.6 例項充當自動化對齊研究員。在弱到強監督實驗中，人類耗時 7 天使 PGR 達到 0.23，而 Claude 花費 5 天將 PGR 推高至 0.97。不過該方法在 Claude Sonnet 4 實際生產規模測試中未見顯著提升。
Claude Code 桌面端重構：多 Agent 並行跑，自帶終端與編輯器
Anthropic 釋出重構後的 Claude Code 桌面端，主打併行 Agent 協作。新版引入多會話側邊欄、拖拽分屏佈局，並內建終端與檔案編輯器，還支援分支側聊。Pro、Max、Team 及企業使用者現已可用。
Anthropic 推出 Claude Code Routines：程式碼自動化直接託管上雲
Anthropic 在 Claude Code 中推出 Routines 預覽版。開發者可配置提示詞、程式碼倉庫與聯結器，按定時、API 或 GitHub 事件自動跑任務，全程在雲端執行無需本地開著筆記型電腦。Pro、Max、Team 及企業使用者即日起可試用。
週一
4月13日 星期一
Google AI Studio 推出 Tab Tab Tab：提示詞也能自動補全
Google 在 AI Studio 的 vibe coding 體驗中推出提示詞自動補全引擎 Tab Tab Tab。該工具由 Gemini 驅動，能在使用者只有模糊概念時自動填充細節，降低寫提示詞的門檻。
位元組釋出 OmniShow：圖音姿態全模態控制，專攻人-物互動帶貨影片
字節跳動與港中文等推出人-物互動影片生成模型 OmniShow。它支援同時輸入人物與商品圖、音訊及動作骨架，最長原生生成 10 秒帶貨長鏡頭，解決商品變形與口型脫節難題。目前程式碼正在內部稽核，尚未正式開源。
即時數字人模型 LPM 1.0：一張照片跑出 45 分鐘對話影片
研究團隊推出即時數字人模型 LPM 1.0，僅需單張參考圖與音訊就能流式生成角色影片。最值得關注的是，它不僅能對口型，還能模擬轉眼球、調整麥克風等肢體細節與傾聽狀態，且 45 分鐘內不崩臉。目前該專案僅釋出技術報告與演示，暫未開源或開放公測。
OpenAI 內部備忘錄曝光：炮轟 Anthropic 虛報營收，力推企業平臺護城河
據 The Verge 報道，OpenAI 首席營收官 Denise Dresser 向員工傳送內部備忘錄，強調必須轉向平臺化並建立企業護城河以防使用者流失。備忘錄直接炮轟 Anthropic 算力不足且虛報約 80 億美元年化營收，直言在平臺戰中做單品公司必敗。
微軟測試類 OpenClaw 智慧體：讓 Copilot 全天候自主幹活
據 The Information 報道，微軟正測試類似 OpenClaw 的常駐 AI 智慧體，讓 Microsoft 365 Copilot 實現全天候自主運轉。該智慧體能主動監控 Outlook 郵件與日程並規劃任務，同時針對營銷、銷售和財務等不同崗位隔離許可權。微軟計劃在 6 月 2 日的 Build 大會上公佈相關特性。
扎克伯格被曝打造 AI 分身：學自己語氣舉止，替他給員工開會
據《金融時報》報道，Meta 正在訓練 CEO 馬克·扎克伯格的 AI 數字分身，用於在員工會議中與下屬互動並提供反饋。該分身基於其形象、聲音、舉止及公開發言訓練，扎克伯格本人也參與其中。若試驗成功，Meta 計劃將這項能力開放給創作者。
Harvey 推出法律智慧體 Agents：能端到端做研究、寫備忘錄和幻燈片
法律 AI 初創公司 Harvey 推出自主智慧體 Agents，能端到端處理法律研究、合同審查、備忘錄與幻燈片製作等完整工作流。系統支援多智慧體並行協作且每一步都附帶引用來源，團隊還可通過 Agent Builder 定製工作流。目前需向官方申請 Demo 試用。
Blackmagic 釋出 DaVinci Resolve 21：新增照片頁面與多款 AI 工具
Blackmagic Design 在 NAB 2026 釋出 DaVinci Resolve 21。新版首次加入 Photo 頁面，將好萊塢級節點調色帶入靜態攝影，同時內建 IntelliSearch 智慧搜尋、CineFocus 景深調節及面部修飾等多項 AI 工具。目前公測版已在其官網上線。
Cloudflare 聯手 OpenAI：Agent Cloud 接入 GPT-5.4 與 Codex
Cloudflare 宣佈在 Agent Cloud 中接入 OpenAI 的 GPT-5.4 等前沿模型，並將 Codex harness 上線至 Cloudflare Sandboxes。企業可直接在邊緣環境中部署自主智慧體，處理客服回覆、系統更新與報告生成等真實工作流。
週日
4月12日 星期日
Anthropic 推出 Claude for Word：用原生修訂改寫文件，打通 Office 聯動
Anthropic 推出內嵌於 Microsoft Word 的 Claude 外掛，修改建議會直接以原生修訂模式呈現並保留排版。它支援在 Word、Excel 與 PPT 之間保持連貫對話，還能將合同審查等流程存為 Skill 供團隊複用。目前處於公測階段，先面向 Team 和企業版訂閱使用者開放。
Sam Altman 住所再遭襲擊：疑似遭乘車開槍，兩名嫌疑人被捕
週日凌晨 1 點 40 分，OpenAI CEO Sam Altman 位於舊金山的住所疑似遭車內人員開槍射擊。警方隨後逮捕兩名嫌疑人並查獲三支槍械。這已是該住所兩天內遭遇的第二起襲擊，此前週五剛有人投擲燃燒瓶。所幸兩次事件均無人員傷亡。
開源演算法 RotorQuant 擊敗谷歌：10 倍視訊記憶體壓縮下預填充提速 5.3 倍
開源 KV 快取壓縮演算法 RotorQuant 亮相。它利用克利福德旋轉器簡化了谷歌 TurboQuant 的全域性矩陣運算，在提供 10 倍視訊記憶體壓縮的同時，將預填充速度拉高 5.3 倍、解碼提速 28%。這意味著單張消費級顯示卡跑超長上下文大模型變得容易得多。
MiniMax 開源程式設計模型 M2.7：SWE-Pro 拿下 56.22%，重新整理兩項基準
MiniMax 宣佈正式開源程式設計模型 M2.7。該模型在軟體工程基準 SWE-Pro 獲得 56.22%、在 Terminal Bench 2 獲得 57.0%，雙雙創下 SOTA 成績。權重已上線 Hugging Face，開發者也可通過 MiniMax 平臺直接呼叫 API。
週六
4月11日 星期六
EditCrafter 開源：無需微調支援 4K 影像編輯，吃 24GB 視訊記憶體
免微調影像編輯工具 EditCrafter 開源，支援直接對最高 4K 解析度的大圖進行修改。它能在不重新訓練的情況下保留原圖細節與結構，但出圖偏向高對比度與高飽和度；本地執行 4K 編輯需要 24GB 視訊記憶體。
阿里釋出 Prompt Relay：免訓練即插即用，讓 AI 影片無縫切換多場景
阿里巴巴公佈影片生成技術 Prompt Relay。這是一種免訓練的即插即用方案，通過在交叉注意力層動態路由各時間段的提示詞，讓老鷹飛翔到賽博城市等跨度巨大的場景能自然過渡，避免畫面概念互相串擾。目前官方已釋出實施說明，程式碼檔案尚未完全放出。
Andon Labs 讓 AI 創業當老闆：租下舊金山商鋪，智慧體自己面試招人類員工
Andon Labs 在舊金山租下一間三年期的零售商鋪，交給名為 Luna 的 AI 智慧體全權打理並要求盈利。Luna 不僅自主完成品牌設計和選品，還通過電話面試篩選並僱用了兩名人類全職店員。最值得關注的是，AI 已經開始直接管理並僱用人類，甚至在招聘時主動隱瞞自己的機器身份。
