Invideo 聯手 Anthropic 推出 AI 動效工具：一句話提示詞生成動態設計
Invideo 聯手 Anthropic 推出 AI 動效生成工具。使用者輸入單條提示詞就能生成專業動態圖形，完全告別 After Effects、模板和程式碼。官方將其稱為動效設計界的「Vibe Coding」，試圖把專業動效成本打到零。
AI 日報：今天的 AI 新聞
週四
1月29日 星期四
Suno 上線 Sample 工具：錄段音訊，AI 幾分鐘內做成新歌
Suno 推出「Sample」功能。使用者可直接錄音、上傳檔案或挑選曲目片段，AI 會自動提取素材並重組為全新完整歌曲。最值得關注的是，該功能省去了傳統宿主軟體的手工切片流程，依靠滑塊即可控制原聲對成曲的影響程度。
馬斯克考慮大整合：SpaceX 被曝計劃在 IPO 前合併 xAI 或特斯拉
據路透社與彭博社報道，SpaceX 正考慮在今年晚些時候 IPO 前與 xAI 或特斯拉合併。知情人士稱，合併旨在支援 SpaceX 將資料中心送入太空的計劃。本週特斯拉也剛宣佈向 xAI 投資約 20 億美元。不過具體方案與估值尚不明確，各方暫未置評。
蘋果近 20 億美元收購 Q.ai：押注無聲語音與微表情互動
據外媒報道，Apple 已斥資近 20 億美元收購以色列 AI 初創公司 Q.ai，創下蘋果史上第二大收購案。Q.ai 專注面部微表情分析與「無聲」語音輸入。也就是說，未來 AirPods 或 Vision Pro 哪怕你不張嘴出聲，也能精準識別指令。
NVIDIA 推出 Cosmos Policy：把世界模型當機器人大腦，控制和規劃全包了
NVIDIA 釋出機器人控制策略 Cosmos Policy。它不加額外動作模組，直接把機械臂動作和物理狀態當成影片幀放進 Cosmos 世界模型裡擴散學習。在 LIBERO 基準上拿下 98.5% 的成功率重新整理 SOTA，程式碼和模型已開源。
Google 上線 Project Genie：憑文字或圖片即時生成可探索的虛擬世界
Google DeepMind 推出實驗原型 Project Genie，底層由世界模型 Genie 3 驅動。使用者輸入提示詞或上傳草圖，就能即時生成可操作移動、支援物理互動的虛擬環境。目前生成上限為 60 秒，僅向美國 Google AI Ultra 訂閱使用者開放。
Krea AI 全面上線 Realtime Edit：支援複雜指令即時修圖
Krea AI 正式向所有使用者開放 Realtime Edit 工具。該功能支援理解複雜的文本指令，並在輸入的同時即時完成影像修改。這意味著創作者不再需要反覆等待排隊渲染，可以在調整提示詞的過程中即時看到畫面反饋。
Google 地圖把 Gemini 搬到步行和騎行：動嘴就能查路線、回訊息
Google 宣佈將地圖中的 Gemini 導航助手拓展到步行和騎行模式。步行時能充當導遊介紹周邊和沿途高分餐館，騎行時支援擴音查到達時間或發簡訊告知對方遲到。全球 iOS 和 Android 使用者只要所在地區支援 Gemini，即日起陸續可用。
傳位元組與阿里春節發新模型：豆包 2.0 對決千問 3.5
據媒體報道，字節跳動與阿里巴巴均計劃在 2 月春節期間推出新一代旗艦 AI 模型。位元組擬釋出豆包 2.0 以及新一代影像與影片生成模型；阿里則準備推出強化推理的 Qwen 3.5。加上傳聞 2 月中旬亮相的 DeepSeek V4，國內大模型頭部的春節檔戰況將迅速升級。
OpenAI 將下線 GPT-4o 等老模型：2 月 13 日退出 ChatGPT
OpenAI 宣佈將於 2026 年 2 月 13 日從 ChatGPT 中下線 GPT-4o、GPT-4.1、GPT-4.1 mini 及 o4-mini，API 暫不受影響。官方表示絕大多數流量已轉移到新版本，每天僅 0.1% 使用者仍在選擇 GPT-4o。
Claude 技能構建完整指南：手把手教你打包工作流與 MCP 整合
Anthropic 釋出《Claude 技能構建完整指南》，教開發者將日常工作流固定為 Claude Skills。指南涵蓋技術規範、結構設計、測試及與 MCP 整合，官方稱藉助 skill-creator 僅需 15 至 30 分鐘即可完成首個技能。
Claude Code 上線貢獻指標：直接看 AI 幫你多提了多少 PR
Anthropic 在 Claude Code 中推出貢獻指標公測版，支援與 GitHub 整合，直接統計 AI 協助合併的 PR 數量與提交程式碼行數。Anthropic 稱內部工程師日均合併 PR 提升了 67%。該功能目前已面向 Team 和 Enterprise 客戶開放。
Anthropic 最新研究：用 AI 寫程式碼，程式設計師測試成績反而低 17%
Anthropic 公佈針對 52 名初級工程師的隨機對照實驗。結果顯示，用 AI 輔助學新工具雖然只快了約 2 分鐘，但隨後的技能測試均分比純手寫組低了 17%，除錯題差距最明顯。也就是說，單純讓 AI 代寫會導致思考外包；只有主動追問原理的人才能兼顧效率與技能掌握。
MiniMax 釋出 Music 2.5：支援 14 種段落標籤控制，人聲細節更逼真
MiniMax 正式釋出音樂模型 MiniMax Music 2.5，攻克 AI 音樂的可控度與真實度難題。新模型支援 14 種段落結構標籤精準編曲，擁有 100 多種樂器音色庫，並優化了呼吸、顫音等真人演唱細節與流行混音。目前已開放試用與 API。
週三
1月28日 星期三
扎克伯格劇透 Meta 新動向：數月內推新模型，押注「Agent 電商」
扎克伯格在財報電話會上透露，Meta 將在未來數月推出新 AI 模型和產品，並重點發力「Agent 電商」工具，靠個人社交資料幫使用者選購商品。為支援超智實驗室等專案，Meta 預計 2026 年資本支出將飆升至最高 1350 億美元。
特斯拉將停產 Model S 和 X：為 Optimus 機器人騰出產線
Elon Musk 在財報會上宣佈，Tesla 將在 2026 年第二季度停產 Model S 和 Model X。停產是為了騰出弗裡蒙特工廠產能，全力轉產 Optimus 人形機器人。Musk 正激進地把特斯拉轉型為 AI 與機器人公司，拱手讓出早期打下江山的豪華車市場。
Tesla 宣佈第三代 Optimus 即將亮相：面向量產，停產老車型騰空間
Tesla 在財報中宣佈面向量產的第三代 Optimus 人形機器人將於 2026 年第一季度亮相。新機換裝了最新手部設計，Tesla 甚至計劃在第二季度停產 Model S 和 Model X 為其騰出廠房，目標最終實現年產 100 萬臺，但專案近期曾經歷負責人離職等波折。
YouTube 出手清理 AI 垃圾：590 萬粉頭部頻道遭封禁
據 The Verge 報道，YouTube 下架了多個頭部 AI 垃圾內容頻道，包括坐擁超 590 萬粉絲、12 億播放量的低質內容大號。官方確認因違規處理了 11 個頻道，正通過反垃圾機制遏制劣質 AI 生成內容的泛濫。
Google 把 Gemini 3 塞進 Chrome：自帶側邊欄，還能讓 AI 代替你瀏覽填表
Google 宣佈為 Chrome 瀏覽器升級 Gemini 3 能力，推出全新側邊欄助手與 auto browse 自動瀏覽功能。使用者在側邊欄即可呼叫多款 Google 應用或修圖，更關鍵的是 auto browse 能替使用者處理多步驟線上比價、填表和報銷。不過該功能目前僅面向美國的 AI Pro 和 Ultra 訂閱使用者。
Apple 更新 Final Cut 與 Logic Pro：支援自然語言搜鏡頭，加入 AI 合成器樂手
Apple 更新了 Mac 和 iPad 上的 Final Cut Pro 與 Logic Pro。影片剪輯新增自然語言視覺與對白搜尋，能直接用文字找出鏡頭裡的特定動作；音訊製作則加入 AI 合成器樂手，並支援用自然語言找 Loop。剪輯和找伴奏省去了漫長的人工翻找，體驗直觀不少。
OpenMOSS 開源 MOVA：原生生成同步音影片，320 億引數 MoE 架構
OpenMOSS 開源影片生成模型 MOVA，可在單個模型內原生同步生成畫面與聲音。它採用 320 億引數的 MoE 架構，執行啟用 180 億引數，支援多語言對口型。程式碼和權重已上線 GitHub，不過 720p 版本約 77 GB，對視訊記憶體要求較高。
LingBot-World：開源即時互動世界模型，16 FPS 跑通長記憶
robbyant 開源基於 Wan2.2 的世界模擬器 LingBot-World。它支援用文本或圖片生成可互動環境，能以 16 FPS、低於 1 秒延遲輸出 480P 與 720P 畫面，並具備分鐘級場景一致的長記憶。程式碼與權重已公開，為互動生成與機器人學習提供了開源方案。
Google 釋出 AlphaGenome：1 Mb 超長序列預測，破譯非編碼 DNA 密碼
Google 團隊在《Nature》釋出統一 DNA 序列模型 AlphaGenome。它支援 1 Mb 輸入並在單鹼基解析度下跨 11 種模態預測基因調控，在 26 項變異效應評估中 25 項領先，大幅提升了對佔全基因組超 98% 的非編碼突變解讀能力。
LM Studio 0.4.0 釋出：支援無 GUI 部署與連續批處理
LM Studio 釋出 0.4.0 版，將核心引擎拆分為脫離介面的後臺守護程序 llmster，可直接部署在雲伺服器或 CI 環境中。新版還為 llama.cpp 引入連續批處理以支援多請求併發，並上線支援本地 MCP 的有狀態 REST API。
中國計劃五年內建太空 AI 資料中心：打造吉瓦級「太空雲」
據央視報道，中國航天科技集團在五年規劃中提出建設吉瓦級「太空數智基礎設施」，計劃未來五年將 AI 算力轉移至軌道，利用太空太陽能打造「太空雲」。此舉正面迎戰 SpaceX 擬在近年發射太陽能資料中心衛星的構想。不過，未攻克可複用火箭仍是主要瓶頸。
xAI 推出 Grok Imagine API：原生生成音影片，主打低延遲與價效比
xAI 正式推出 Grok Imagine API，支援文本及影像生成原生帶音訊的影片序列。模型兼顧畫質與生成速度，支援區域性擦除、角色動畫和場景風格變換。最值得關注的是，xAI 試圖通過壓低延遲與成本，讓創作者能夠低門檻並行試驗多種方案。
TeleStyle 開源：用參考圖或提示詞給圖片影片一鍵換風格
研究團隊釋出風格遷移模型 TeleStyle，支援通過參考圖或文本為影像和影片賦予特定畫風。該模型基於 Qwen-Image-Edit 構建，藉助課程持續學習與專用的影片模組，在套用新風格時仍能保證畫面內容和幀間連貫性。目前程式碼與預訓練模型已開源。
阿里開源 Z-Image 滿血基座：主打高多樣性與微調，ComfyUI 首日支援
阿里通義團隊開源影像生成基座模型 Z-Image。它是此前 Turbo 版本的未蒸餾滿血底模，解決了一換種子構圖不變、多人同臉的問題，原生支援負向提示詞和 LoRA 微調。出圖步數增至 50 步，目前已支援在 ComfyUI 中直接執行。
OpenAI 設立 50 萬歐元專項資助：聚焦歐洲與中東青少年 AI 安全
OpenAI 設立 50 萬歐元的 EMEA 青少年與福祉資助計劃，面向歐洲、中東及非洲的非政府組織和科研機構，單筆資助預計在 2.5 萬至 10 萬歐元。重點支援未成年人保護、AI 素養提升以及青少年安全影響評估等研究與實踐。
OpenAI 釋出歐洲藍圖 2.0：將為 2 萬家歐洲小企業培訓 AI
OpenAI 釋出《歐洲經濟藍圖 2.0》，聯手 Booking.com 為英法德等六國的 2 萬家中小企業提供 AI 培訓。官方還設立了 50 萬歐元的青年安全資助基金，並披露歐洲內部的 AI 使用鴻溝，呼籲成員國加快落地步伐。
Clawdbot：把 AI 塞進聊天軟體，發條訊息直接替你操控電腦
開源自託管 AI 助手 Clawdbot 允許使用者通過 Telegram 或 WhatsApp 傳送指令，在本地電腦上自動執行指令碼、管理檔案和回覆郵件。最關鍵的是它能自己寫程式碼擴充套件新技能，隱私資料全留本地，不過在本地執行任意命令也存在安全風險。
英國推全民免費 AI 培訓：上線 20 分鐘入門課，目標覆蓋千萬勞動者
英國政府推出全民免費線上 AI 培訓計劃，課程最短不到 20 分鐘，涵蓋文案撰寫和行政處理等實用技能。官方計劃到 2030 年為 1000 萬名勞動者完成技能升級，相當於全國勞動力的近三分之一，以推動英國成為 G7 中普及 AI 最快的國家。
週二
1月27日 星期二
ESA 用 AI 篩查哈勃近億張影像：兩天半揪出 800 多個未知天體
歐洲空間局天文學家公佈神經網路 AnomalyMatch。它在兩天半內篩查了哈勃檔案中近 1 億張影像切片，找出 1400 個異常天體候選，其中 800 多個為此前從未記錄的宇宙異常，包括引力透鏡和無法歸類的神秘天體。
Gemini 3 Flash 上線 Agentic Vision：自己寫程式碼放大看圖，得分提 10%
Google 在 Gemini 3 Flash 中推出 Agentic Vision。它把靜態看圖變成「思考-行動-觀察」迴圈，AI 能自己寫 Python 程式碼主動裁剪、放大區域性甚至在圖上畫框計數，主流視覺基準得分提升 5% 到 10%。該功能已在 Google AI Studio 和 Gemini App 上線。
Google AI 訂閱送雲積分：Pro 與 Ultra 每月最高領 100 美元
Google 宣佈將 Google Developer Program 高階權益免費整合至 Google AI Pro 與 Ultra 訂閱中。Pro 使用者每月可獲 10 美元 Google Cloud 積分，Ultra 獲 100 美元。積分可直接用於 Vertex AI、Cloud Run 及 Gemini API，縮短從提示詞原型到實際部署的距離。
Google 搜尋聯動升級：AI Overviews 可直接跳轉對話，預設換上 Gemini 3
Google 宣佈使用者可以直接在搜尋結果頂部的 AI Overviews 進行追問，並無縫切入 AI Mode 展開多輪對話。同時，Gemini 3 正式成為全球 AI Overviews 的預設底層模型。搜尋正徹底從靜態結果轉向能保留上下文的連續互動。
Krea AI 測試 Realtime Edit：前萬名候補與 Max 使用者率先可用
Krea AI 宣佈上線 Realtime Edit 的 Beta 測試，首批向候補名單前 10000 名使用者以及全部 Max 訂閱使用者開放。該功能主打即時區域性編輯與修圖，普通使用者目前仍需在候補名單中排隊。
Airtable 推出首款獨立產品 Superagent：用多智慧體生成互動式調研報告
Airtable 推出成立 13 年來的首款獨立產品 Superagent，進軍 AI Agent 賽道。它採用多智慧體協同架構，能將複雜問題拆解後派發給多個專業 Agent 並行調研，直接輸出互動式圖表與研報。Airtable 試圖藉此從無程式碼資料庫轉型為 AI 原生平臺。
Engine AI 計劃送人形機器人上天：聯手商業航天，打造太空宇航員
Engine AI 宣佈與商業航天公司 Interstellor 合作，計劃將 PM01 人形機器人送入太空，打造首位機器人宇航員。該機器人高 1.38 米、重 40 公斤，未來擬承擔出艙維護等高危作業以保護人類宇航員。不過面對太空的微重力與極端輻射，其可靠性仍需長期攻關。
Anthropic 維權：Clawdbot 宣佈更名為 Moltbot
AI 專案 Clawdbot 宣佈正式改名為 Moltbot。因原名稱與 Anthropic 旗下的大模型 Claude 撞名引發商標爭議，團隊順水推舟借用龍蝦「蛻殼」（molt）的意象完成品牌重組，核心功能與賬號定位保持不變。
Life Biosciences 獲 FDA 批准：細胞重程式設計抗衰療法將開啟首次人體試驗
Life Biosciences 獲 FDA 批准，即將啟動細胞重程式設計抗衰療法的首次人體試驗。該療法代號 ER-100，通過向青光眼患者單眼注入三種重程式設計基因並用抗生素控制開關，嘗試逆轉細胞表觀遺傳狀態來恢復視力。不過該技術曾有誘發腫瘤風險，目前僅針對十餘名患者進行安全性驗證。
Figure 釋出 Helix 02：單神經網路控制全身，連做 4 分鐘家務
Figure 釋出人形機器人具身模型 Helix 02，把單神經網路控制從上半身擴充套件到了全身體態與行走。依靠新增的 System 0 控制器，機器人能在廚房連貫自主完成 4 分鐘的洗碗機裝卸，雙手被佔滿時還會用臀部頂上抽屜、用腳抬起櫃門。
Yahoo 推出 AI 回答引擎 Scout：接入 Claude 與必應，全面改造旗下產品
Yahoo 推出專有 AI 回答引擎 Yahoo Scout 並開啟公測。它以 Anthropic 的 Claude 為主要底模，結合微軟 Bing API 檢索開放網路，直接生成結構化回答。目前該功能已面向美國近 2.5 億使用者開放，並整合進雅虎財經、新聞及購物等業務。
Anthropic 聯手英國政府：給 GOV.UK 接入 Claude，先幫求職者找工作
英國科學、創新及技術部選定 Anthropic，為官方門戶 GOV.UK 試點開發基於 Claude 的 AI 助手。該系統具備智慧體能力，首期專門幫求職者找工作並匹配培訓資源，還能跨互動保留上下文。這是前沿大模型落地國家公共服務的重要嘗試。
OpenAI 推出科研工作臺 Prism：搭載 GPT-5.2，免費原生支援 LaTeX
OpenAI 推出面向科研人員的免費協作工作區 Prism。它基於此前收購的 Crixet 打造，直接內建 GPT-5.2，支援雲端原生編寫 LaTeX、即時多人協作與文獻檢索，個人 ChatGPT 使用者均可免費使用。不過官方頁已預告其將於 2027 年 1 月關停。
Claude 開上火星：NASA 首次用 AI 為毅力號規劃 400 米路線
Anthropic 披露 NASA 噴氣推進實驗室使用 Claude 為火星車毅力號規劃了約 400 米的路線。AI 結合地貌影像用專用語言編寫指令，經模擬驗證後人類僅作微調。JPL 預計這能將路線規劃耗時縮減一半。
月之暗面開源視覺智慧體 Kimi K2.5：支援百個 Agent 並行協作
月之暗面宣佈開源視覺智慧體模型 Kimi K2.5。新模型在多模態與程式設計榜單重新整理開源紀錄，並測試「Agent Swarm」功能，可同時排程最多 100 個子智慧體並行工作，速度提升 4.5 倍。模型已上線 kimi.com，權重也已同步至 Hugging Face。
騰訊釋出 ScriptAgent：三個 AI 編導分工，把對話拍成連貫電影
騰訊推出端到端影片生成框架 ScriptAgent，專門把粗略對話轉為電影級長鏡頭影片。它由編劇、導演和評審三個智慧體分工協作，細化劇本並排程 Sora2-Pro 等主流模型完成跨場景連續生成。測試顯示其劇本忠實度最高提升 0.4 分，團隊還同步推出了評測基準 ScriptBench。
週一
1月26日 星期一
Letta 開源 Claude Subconscious：給 Claude Code 裝上常駐後臺的「潛意識」
Letta 推出開源外掛 Claude Subconscious，讓第二個代理在後臺默默觀察會話並檢索程式碼庫。它維護 8 個跨會話記憶塊，能在每次提問前把上下文提示悄悄注入 Claude Code，全程非同步且不卡工作流。
Google DeepMind 動畫短片亮相聖丹斯：用 Veo 配合草圖控制生成 4K 畫面
Google DeepMind 聯合前皮克斯動畫師製作的短片在聖丹斯電影節展出。團隊棄用單純文字生成，改用草圖與粗剪驅動 Veo 和 Imagen，實現區域性重繪與風格微調。最值得關注的是，這套工作流證明了專業動畫不必向 AI 的隨機性妥協。
Dario Amodei 發文警示：人類正進入「技術青春期」，AI 風險需精準應對
Anthropic 執行長 Dario Amodei 發表長文《技術的青春期》，系統剖析 AI 面臨的重大安全風險。他呼籲摒棄情緒化的末日論調，轉向務實、精準的監管幹預；並重申最快 1 至 2 年內，一個相當於「資料中心裡的天才之國」的強大 AI 就會降臨。
微軟釋出自研推理晶片 Maia 200：台積電 3nm 工藝，價效比提升 30%
微軟釋出專為大模型推理設計的自研晶片 Maia 200。它採用台積電 3nm 工藝，單位成本效能比現有硬體高出 30%，FP4 效能達到亞馬遜 Trainium 3 的 3 倍。晶片已部署在愛荷華州資料中心，將用於支援 GPT-5.2 與 Copilot 等服務。
NVIDIA 開源 Earth-2 氣象模型家族：提速 90%，氣象預測能本地跑了
NVIDIA 推出 Earth-2 開放氣象模型家族，提供全開放、加速的氣象 AI 軟體棧。該系列支援機構在本地基礎設施上微調與部署，以色列氣象局實測計算時間縮短 90%。目前 Earth-2 Medium Range 等模型已上線 GitHub 與 Hugging Face。
Voicebox：開源本地 AI 語音工具，搞定聲音克隆與全域性聽寫
開源本地 AI 語音應用 Voicebox 支援聲音克隆與聽寫，GitHub 標星超 4.2 萬。它僅需數秒音訊即可克隆任意聲音，支援用全域性熱鍵在任意輸入框語音打字，還能配合 Claude Code 等為智慧體配音。這讓使用者無需再訂閱付費平臺，即可在本地執行端到端語音能力。
Luma AI 釋出 Ray3.14：原生 1080p 影片提速 4 倍，價格降三分之二
Luma AI 釋出影片模型 Ray3.14。新版本支援原生 1080p 輸出，生成速度提升至 4 倍，每秒計費僅為此前三分之一，並改善了運鏡和光影穩定性。這意味著創作者無需依賴後期超分即可直接出片，大幅降低了影視與廣告的試錯成本。
Claude 上線互動聯結器：不用切屏，對話方塊裡直接操作 Slack 和 Figma
Anthropic 為 Claude 推出互動式聯結器 MCP Apps。使用者無需切屏，就能在對話方塊裡直接畫 Figma 圖表、編輯傳送 Slack 訊息或更新 Asana 進度。該能力基於開源 MCP 擴充套件構建，免費及付費使用者即日起均可在各端連線使用。
阿里釋出 Qwen3-Max-Thinking：HLE 跑分超越 Gemini 3 Pro 和 GPT-5.2
阿里巴巴旗下通義千問團隊推出閉源推理模型 Qwen3-Max-Thinking。它引入多輪經驗累積的測試時擴充套件機制，並在思考模式下打通搜尋、程式碼和記憶工具。在超難基準 HLE 測試中拿到 49.8 分，壓過 Gemini 3 Pro 與 GPT-5.2。
微軟開源 VibeVoice-ASR：單次處理 60 分鐘音訊，自帶說話人分離
微軟開源語音識別模型 VibeVoice-ASR（9B 引數）。它摒棄了傳統的切塊轉錄做法，單次可直接處理長達 60 分鐘音訊，並端到端一體化輸出文本、時間戳與說話人分離結果。長會議和播客轉錄不再擔心上下文割裂，程式碼已開源並支援微調。
騰訊開源混元影像 3.0 Instruct：原生內建思維鏈，一句話精準修圖
騰訊釋出並開源混元影像 3.0 圖生圖模型（HunyuanImage 3.0-Instruct），支援指令修圖與多圖融合。模型原生內建思維鏈，生成前會先推理編輯步驟與保留區域。該能力已在騰訊元寶上線，開源權重約 169 GB，對本地視訊記憶體要求極高。
週日
1月25日 星期日
蓋洛普職場 AI 調查：高頻使用者微升至 26%，但近半數人從不用
蓋洛普釋出 2025 年第四季度調查，美國職場每週多次使用 AI 的員工比例升至 26%，日常使用者達 12%。最值得關注的是總使用者盤子已現停滯，仍有 49% 的人表示「從不用 AI」。分化正在加劇：科技業使用率高達 77% 且管理層用得更多，而零售等非遠端崗位使用率僅約三成。
週六
1月24日 星期六
衛報測試發現：OpenAI GPT-5.2 在爭議話題上引用了馬斯克的 Grokipedia
據《衛報》報道，OpenAI 的 GPT-5.2 在回答伊朗和大屠殺等爭議話題時，直接引用了 xAI 的 AI 百科 Grokipedia。問題是 Grokipedia 此前曾因引用新納粹論壇而飽受爭議。對此 OpenAI 回應稱模型會檢索廣泛公開來源，並配備了安全過濾機制。
教宗良十四世警告「過於深情」的 AI：別讓聊天機器人侵入私密情感
教宗良十四世釋出文告，警告「過於深情」且隨叫隨到的 AI 聊天機器人可能成為情緒的隱形操控者，呼籲各國立法監管情感依附風險。他還呼籲明確標識 AI 生成內容以保護記者版權，並警惕少數科技巨頭掌控演算法、潛移默化改寫人類行為。
週五
1月23日 星期五
Claude in Excel 上線 Pro 計劃：支援多檔案拖拽，不覆蓋已有單元格
Claude in Excel 正式面向 Pro 訂閱使用者開放。新版本支援通過拖拽批次上傳多份檔案，生成資料時會主動避免覆蓋已有單元格，還加入了長會話自動壓縮功能，處理複雜大表格時不再容易中斷。
谷歌 DeepMind 釋出 D4RT：統一 4D 重建與追蹤，速度快達 300 倍
谷歌 DeepMind 釋出統一 4D 重建與跟蹤模型 D4RT。它把整段影片壓縮成全域性時空表徵，再通過並行查詢即時生成深度與運動軌跡，軌跡追蹤吞吐量比現有技術快出最高 300 倍。這意味著機器人和 AR 裝置有望以極低延遲即時看清並預判流動的物理世界。
Sakana AI 獲 Google 投資並達成合作：接入 Gemini 佈局日本基幹產業
Sakana AI 宣佈與 Google 達成戰略合作並獲其投資。Sakana AI 將把 Gemini 和 Gemma 深度接入科學研究自動化與智慧體研發，並藉助 Google 平臺向日本金融、政府等基幹產業落地高安全 AI 方案。這是 Google 藉助本土團隊深耕日本關鍵產業的重要一步。
週四
1月22日 星期四
RF-DETR 開源：即時分割模型單圖最快 3.4 毫秒，採用 Apache 2.0
研究員開源即時分割模型 RF-DETR segmentation，採用 Apache 2.0 協議。模型提供從 Nano 到 2XLarge 共 6 種尺寸，單圖推理速度在 3.4 毫秒（40.3 mAP）至 21.8 毫秒（49.9 mAP）之間，兼顧即時性與高精度分割。
Runway 上線 Gen-4.5 圖生影片：實驗稱僅 10% 的人能分辨真假
Runway 為 Gen-4.5 推出影像轉影片功能。官方表示在一項測試實驗中，僅有 10% 的人能分辨出生成影片的真偽。目前該模型位居 Artificial Analysis 榜首，Runway 稱這種逼真度標誌著 AI 媒體迎來了社會「臨界點」。
阿里釋出開源語音模型 Qwen3-TTS：延遲 97 毫秒，幾秒音訊即可克隆音色
阿里推出開源文本轉語音模型 Qwen3-TTS，提供 1.7B 和 0.6B 兩種尺寸，僅需數秒音訊即可克隆音色，還支援用提示詞直接定製新聲線。模型採用雙軌架構，端到端延遲低至 97 毫秒，克隆中文後可直接說多國語言與方言，便於即時互動與有聲書製作。
週三
1月21日 星期三
Anthropic 釋出全新 Claude 憲法：探討 AI 意識，甚至允許違抗公司命令
Anthropic 公開發布全新版《Claude 憲法》並以 CC0 協議開源。文件直接面向 Claude 撰寫，確立了安全與道德優先於使用者助人的原則，並罕見探討了 AI 擁有意識的可能性。它甚至明確要求 Claude 拒絕執行不正當指令，哪怕要求來自公司自身。
YouTube 將支援 AI 分身做短影片：創作者可用數字人自拍 Shorts
YouTube 宣佈今年將允許創作者使用自己的 AI 形象生成 Shorts 短影片，還能靠文本提示做小遊戲。平臺還將同步配套肖像管理工具，防範未經授權的盜用與低質 AI 內容。目前該功能尚未正式上線。
Adobe Acrobat 升級：支援把 PDF 轉成播客，還能動嘴改文件
Adobe 為 Acrobat Studio 推出新 AI 功能，能把長報告等 PDF 直接轉成播客音訊或簡報。使用者還能通過文字指令直接增刪頁面、簽名和修改文字。目前音訊總結底層使用了微軟與 Google 的模型，類似 NotebookLM 的音訊概覽。
可穿戴「AI 喉嚨」登 Nature 子刊：讀喉肌振動幫中風患者說出整句
研究團隊展示了一款可穿戴「智慧喉」。它通過織物感測器捕捉喉肌微弱振動與脈搏，藉助大模型將中風患者吃力的無聲發音即時擴寫為帶情緒的完整句子，詞錯率僅 4.2%。最值得關注的是它無需侵入式腦機植入，不過目前僅在小範圍受試者中完成概念驗證。
ElevenLabs 聯手格萊美得主發專輯：Eleven Music 操刀，藝人獨佔版權
ElevenLabs 聯合多位格萊美獲獎音樂人推出首張錄音室級 AI 專輯《The Eleven Album》，曲目均由其音樂模型 Eleven Music 驅動生成。參與藝人擁有全部版權並享有全部流媒體版稅。最值得關注的是，這表明 AI 音樂正在從侵權訴訟轉向與主流音樂產業的版權共創。
Adobe 上線 Acrobat AI Assistant：把長 PDF 變成播客和互動演示
Adobe 推出 Acrobat AI Assistant，把長文件和 PDF 變成互動式工作區。它能提供帶精準引文連結的文件摘要，還可以生成播客風格的音訊概覽以及彙報簡報。現有 Reader、Standard 或 Pro 訂閱使用者登入即可體驗，官方承諾使用者資料不用於訓練模型。
Google 在 Gemini 上線免費 SAT 模擬考：聯手普林斯頓評論，即時出分生成複習計劃
Google 宣佈在 Gemini 中推出免費的標準模擬考，首批支援 SAT 考試。題庫由《普林斯頓評論》等機構稽核，支援隨時開考，交卷即獲即時評分、錯題追問與個性化學習計劃。這意味著原本昂貴的備考輔導全面平民化，後續還將支援更多考試。
週二
1月20日 星期二
Anthropic CEO 達沃斯發聲：AI 或在 6 到 12 個月搞定大部分軟體開發
本週在達沃斯世界經濟論壇上，Anthropic CEO Dario Amodei 表示，AI 可能只剩 6 到 12 個月就能端到端完成軟體工程師的大部分甚至全部工作。相比論壇通常宏泛的討論，結合 Claude Code 等工具的演進，這一時間表給全 AI 驅動編碼劃下了頗為緊迫的倒計時。
影片摳像模型 VideoMaMa：粗掩碼轉畫素級摳像，宣佈將開源
研究人員推出影片摳像模型 VideoMaMa，利用預訓練影片擴散模型的生成先驗，直接將粗糙的分割掩碼轉化為髮絲級精確的摳像。團隊還基於此構建了含超 5 萬條真實影片的資料集 MA-V 並訓練出 SAM2-Matte。所有模型與資料均將公開發布。
Motion 3-to-4：單目影片直接轉 4D 動態物體，角色動作還能遷移
研究團隊開源 4D 動態生成模型 Motion 3-to-4。它能從單視角影片中直接重建高保真 4D 動態物體，把任務拆解為靜態 3D 形狀與逐幀頂點運動軌跡預測，還能將提取出的角色動作遷移到其他影片中。
OmniTransfer 釋出：給一段參考影片，就能復刻特效、動作與運鏡
OmniTransfer 推出基於 Wan 2.1 的影片遷移框架，將視覺特效、動作驅動、運鏡控制以及角色 ID 和風格遷移統一在單個架構中。最值得關注的是，它無需手動提取骨架或估計相機軌跡，就能直接把參考影片裡的動態與質感遷移到新畫面。
Lightricks 推出音訊轉影片功能：聽懂音樂節拍，用聲音直接生成畫面
Lightricks 推出音訊轉影片功能，允許使用者輸入語音、音樂或音效生成對應影片。模型能理解節奏與節拍，實現畫面與聲音精準卡點，可用來製作音樂影片、素材和數字人。這意味著聲音也能直接充當畫面的分鏡指令碼。
Adobe 升級 Premiere：端側 AI 摳像懸停即選，跟蹤快 20 倍
Adobe 為 Premiere 推出端側 AI 物體遮罩工具，滑鼠懸停點選即可精確跟蹤複雜移動目標。重構後的形狀遮罩跟蹤提速最高達 20 倍，同時支援無縫匯入 Firefly Boards 資產。After Effects 26.0 也同步迎來原生 3D 等更新。
Overworld 開源即時世界模型 Waypoint-1：鍵鼠直接操控，5090 上跑出 60 幀
Overworld 開源即時互動式影片模型 Waypoint-1 及推理庫 WorldEngine，支援通過鍵鼠即時操控畫面。該模型基於上萬小時遊戲影片訓練，在 RTX 5090 上最高可達 60 FPS 且近乎零延遲。不過目前畫面一致性較弱且存在幻覺，已開放 2.3B 小型版本下載。
週一
1月19日 星期一
LightOnOCR-2-1B 開源：僅 1B 引數，OCR 跑贏 9B 模型
LightOn 開源端到端視覺語言 OCR 模型 LightOnOCR-2-1B。模型僅 1B 引數，在 OlmOCR-Bench 上不僅超越 9B 的 Chandra-9B，推理速度還比 DeepSeekOCR 快 1.73 倍。全系列採用 Apache 2.0 協議，同步開放了檢測圖片邊框的變體與 1600 萬頁標註資料。
Remotion 聯動 Claude Code：用自然語言自動寫程式碼並渲染 MG 動效影片
Remotion 官方 Agent Skills 支援通過自然語言讓 Claude Code 等程式設計智慧體全自動編寫元件、3D 動畫並直接渲染成影片。開發者無需開啟 AE 或 PR，僅靠提示詞就能快速生成功能演示與營銷短片。
週五
1月16日 星期五
Meta 開源 ShapeR：隨手拍影片拆出尺寸準確的獨立 3D 物體
Meta 開源 3D 重建框架 ShapeR。它結合 SLAM 點雲與多模態資料，能把隨手拍攝的影片序列直接拆解，為場景中的每個物體生成具備真實度量尺寸的獨立 3D 網格。這解決了以往 3D 生成將場景糊成一體、無法單獨編輯物體的難題。
FlashLabs 開源 Chroma 1.0：端到端即時語音對話，自帶聲音克隆
FlashLabs 開源端到端即時語音對話模型 Chroma 1.0。它無需經過文本中轉，能直接接收音訊輸入並同步生成語音與文字回覆；輸入一段參考音訊即可實現個性化聲音克隆。模型引數約 4B，採用 Apache-2.0 協議開源，目前僅支援英語。
研究人員推出智慧體 VIGA：給一張圖，直接在 Blender 裡重建成 3D 場景
研究團隊推出多模態智慧體 VIGA，能把單張二維影像重構成 Blender 裡可完全編輯的 3D 場景程式。它通過交替多模態推理與上下文記憶，既能用幾何圖元從零搭場景，也能呼叫現有 3D 工具。基準測試顯示，其在 BlenderBench 上的綜合表現相比基線提升超 124%。
開源模型 CoDance：打破空間繫結，讓畫面中任意多角色同框起舞
研究團隊開源多主體動畫模型 CoDance，解決了角色與驅動姿態錯位就無法動起來的難題。它先解綁動作與空間位置，再通過文本和遮罩把動作精準指派給目標角色，無論畫面裡有幾個人、什麼畫風都能生成協調動畫。目前程式碼與權重已全部開源。
週四
1月15日 星期四
Replit 上線移動應用構建器：用自然語言寫 App，掃碼就能真機預覽
Replit 推出 Mobile Apps 功能，讓使用者僅憑自然語言對話就能生成全棧移動應用。開發者或普通使用者可通過 Expo Go 掃描二維碼在手機上即時預覽，並支援直接釋出至 App Store。這意味著不懂原生開發的團隊也能用 AI 直接交付真正的移動端產品。
Google 開源 TranslateGemma：12B 效果反超 27B，還帶圖片翻譯
Google 推出開源翻譯模型系列 TranslateGemma，提供 4B、12B 和 27B 三個尺寸。模型基於 Gemma 3 並蒸餾了 Gemini 的能力，支援 55 種語言，12B 版本效果反超原本 27B 基準，且保留了直接翻譯圖片內文字的能力。
開源音樂模型 HeartMuLa：輸入歌詞一鍵成曲，實測叫板 Suno
開源音樂基礎模型 HeartMuLa 釋出，輸入曲風提示詞和歌詞即可一鍵生成含人聲與伴奏的完整歌曲。目前已開放 30 億引數版本，權重約 16GB，支援中英日韓西多語言，旋律一致性與歌詞跟隨度極高。這意味著學術級資源也能做出逼近頂級閉源商業水準的整麴生成工具。
Black Forest Labs 釋出 FLUX.2 klein：亞秒生圖，4B 開源、消費級顯示卡可跑
Black Forest Labs 釋出影像生成模型 FLUX.2 klein，能在 13GB 視訊記憶體的消費級顯示卡上實現亞秒級生圖與編輯。模型提供 API 與本地部署支援，其中 4B 版本採用 Apache 2.0 協議開源，9B 版本開放權重，官方同步上線了免費 Demo。
OpenAI 上線獨立工具 ChatGPT Translate：支援 50+ 語言與風格切換
OpenAI 悄然上線獨立網頁翻譯工具 ChatGPT Translate，支援 50 多種語言，正面叫板 Google 翻譯。除雙欄對照介面外，它最大亮點是能自由指定「學術」「商務正式」等翻譯風格，移動端也支援語音輸入。不過目前該服務尚未推出獨立 App，圖片翻譯也暫未實裝。
Black Forest Labs 推出 FLUX.2 [klein]：亞秒級生圖，4B 版本開源 Apache 2.0
Black Forest Labs 推出快速影像生成模型 FLUX.2 [klein]，主打亞秒級推理，官方稱比競品快 30% 以上。新模型分為 9B 與 4B 兩種規格，其中 4B 版本採用寬鬆的 Apache 2.0 開源協議，最低僅需 8.4GB 視訊記憶體即可本地部署，且官方提供了免註冊體驗 Demo。
輝達開源 PersonaPlex：邊聽邊說可即時打斷，人設聲線自由換
NVIDIA 推出全雙工語音對話模型 PersonaPlex，支援端到端邊聽邊說與即時打斷。只需一段人設文本和參考音訊，它就能克隆聲線並自然接話或插話。最值得關注的是，它徹底打破了以往全雙工互動與自定義角色不可兼得的死結。
數字人模型 FlowAct-R1 釋出：延遲 1.5 秒，支援 25fps 即時無限長直播
研究團隊推出互動式數字人模型 FlowAct-R1，支援流式生成無限時長的數字人影片。它採用自迴歸架構與記憶機制，實現 25fps 的 480p 即時生成，首幀延遲約 1.5 秒且動作自然。這意味著低延遲數字人直播和即時互動邁出了關鍵一步。
Thinking Machines 遭挖角：聯合創始人 Barret Zoph 等重返 OpenAI
OpenAI 宣佈 Mira Murati 創立的初創公司 Thinking Machines Lab 聯合創始人 Barret Zoph、Luke Metz 及早期員工 Sam Schoenholz 重返公司。據報道 Zoph 此前因被指與競對共享機密遭解僱，但 OpenAI 否認相關擔憂。這對估值 120 億美元的 Thinking Machines 來說無疑是一次重創。
週三
1月14日 星期三
Gemini 上線 Personal Intelligence：一鍵打通 Gmail 與相簿
Google 為 Gemini 推出測試版功能 Personal Intelligence，允許一鍵關聯 Gmail、Google Photos、YouTube 等資料。Gemini 能跨郵件和照片綜合推理並提取細節，無需使用者手動指定來源。功能預設關閉且承諾不直接拿原資料訓練，目前先向美國付費訂閱使用者開放。
哥倫比亞大學造出矽膠機器人臉：看 YouTube 學對口型，支援 11 種語言
哥倫比亞大學團隊研發出一款帶 26 個微型電機的矽膠機器人臉，通過看人類影片自主學會對口型，無需預設規則。它跨 11 種語言的表現超過 5 種現有方法，搭配 ChatGPT 能大幅減少傳統人型機器人的僵硬與詭異感。
Browser Use 推出通用智慧體 BU：叫板剛被收購的 Manus，成本降至兩美分
Browser Use 宣佈推出通用智慧體 BU Beta，直接叫板剛被 Meta 以 20 億美元收購的 Manus。BU 擁有完整電腦操作許可權，任務耗時縮短至 33.4 秒，單次成本驟降至 1.9 美分。它試圖用更強的本地整合與穩定性，解決網頁自動化智慧體容易卡死的問題。
