OpusClip 推出 OpusSearch：幫創作者盤活歷史影片庫
OpusClip 推出名為 OpusSearch 的 AI 增長智慧體，能自動檢索、複用創作者歷史影片庫中的內容進行二創變現。Mark Rober 等頭部創作者已在內測使用。對影片博主來說，老影片不需要沉底，能直接交給 AI 重新剪輯換取流量與收入。
AI 日報：今天的 AI 新聞
週一
6月2日 星期一
微軟上線 Bing Video Creator：接入 Sora 免費生成短影片
Microsoft 推出由 Sora 驅動的免費工具 Bing Video Creator。使用者在 Bing 手機端輸入描述即可生成 5 秒短影片，初始提供 10 次快速生成額度。這意味著普通人無需付費也能體驗 Sora，不過該功能目前暫未向中俄地區開放。
Topaz Labs 推出 Bloom：最高 8 倍放大 AI 影像，單次生成 4 種變體
Topaz Labs 推出全新 AI 影像放大工具 Bloom，專為 AI 生成圖設計，最高支援 8 倍放大。它提供從 Subtle 到 Max 共 5 檔創意模式，一次點選可生成 4 種變體，在保留輸入特徵的同時增補畫質細節。
Captions 推出 Mirage Studio：自研全模態模型，AI 演員能笑也能說唱
Captions 旗下的 Mirage 推出 Mirage Studio。它搭載自研全模態基座模型，使用者只需上傳一段音訊，再補充場景描述或參考圖，就能讓 AI 演員按指令大笑、躲閃、唱歌或說唱，幾分鐘內生成充滿活力的影片，目前已向所有人開放。
Character.AI 升級創作功能：角色能開口唱歌，還能拉兩人同臺嘮嗑
Character.AI 推出多模態創作工具套件，擺脫單純的 1 對 1 文本聊天。新功能包括讓頭像開口說話唱歌的圖生影片工具 AvatarFX、預設劇情互動的 Scenes，以及撮合兩個角色同臺交流的 Streams。部分動畫生成功能目前僅對 c.ai+ 訂閱會員開放。
FDA 獲批首款乳腺癌預測 AI：Clairity 僅憑鉬靶圖測未來 5 年風險
Clairity 旗下的 CLAIRITY BREAST 獲得美國 FDA De Novo 批准，成為首個僅憑常規鉬靶影像預測未來 5 年乳腺癌風險的 AI 工具。該模型在 7.7 萬餘張影像中完成驗證，能發現肉眼難以察覺的微細組織特徵，幫助彌補傳統評估模型嚴重依賴家族病史的短板。公司計劃於 2025 年進入醫療系統。
Apple 內部測試 1500 億引數聊天機器人：水平逼近 ChatGPT，但卡在幻覺
據彭博社報道，Apple 內部正在測試引數達 70 億、330 億和 1500 億的新語言模型。員工通過名為 Playground 的內部工具對比 ChatGPT，其中 1500 億雲端模型表現逼近對手，但因嚴重的幻覺問題與高層分歧，短期內難以對外發布。
Thom Yorke 痛批生成式 AI：盜用人類創作，是科技狂人的噩夢未來
Radiohead 主唱 Thom Yorke 在接受採訪時直言，生成式 AI 正在偷竊創作者成果來製造蒼白的仿製品，毫無真正的原創能力。他認為科技行業在貶低除自己之外的人類價值，且未承認人類勞動的經濟結構在道德上完全站不住腳。
Fi 推出 AI 智慧狗項圈 Series 3+：抓撓舔舐都能測，提前預警健康問題
寵物科技公司 Fi 推出智慧狗項圈 Series 3+。項圈通過 AI 監測狗狗吠叫、舔舐、抓撓以及飲食變化，宣稱行為識別準確度達 80%，並升級了 GPS 追蹤和 Apple Watch 聯動，幫助主人在寵物生病前察覺異常。
週日
6月1日 星期日
三大唱片巨頭洽談授權 Suno 與 Udio：索要版權費並謀求入股
據外媒報道，環球、華納和索尼三大唱片公司正與 AI 音樂初創公司 Suno 和 Udio 展開授權談判，希望收取授權費並拿取少量股權，以此和解去年發起的鉅額侵權訴訟。若協議達成，將為 AI 音樂領域的創作者版權補償立下新範式。
週六
5月31日 星期六
Google 低調上線 AI Edge Gallery：手機直接離線跑大模型
上週，Google 低調上線實驗性應用 Google AI Edge Gallery，允許使用者在 Android 手機上離線下載並執行來自 Hugging Face 的開源模型。它包含影像問答、對話與 Prompt Lab 除錯功能，所有計算均在端側完成，後續還將支援 iOS。
Meta 擬用 AI 替代 90% 人工風險評估：發版變快，員工擔憂安全失控
據 NPR 獲得的內部檔案顯示，Meta 計劃將高達 90% 的產品隱私與合規風險評估交由 AI 自動化裁定。產品團隊填寫問卷後可獲即時結果，藉此大幅加快上線速度；但員工擔憂，這會讓青少年保護與虛假內容等敏感風險失控。
週五
5月30日 星期五
Google 擴充套件 Veo 3：AI Ultra 進英國，手機端 Gemini 也能生成影片
Google 宣佈將影片生成模型 Veo 3 及 AI Ultra 計劃擴充套件至英國，支援國家增至 73 個。Pro 訂閱使用者即日起能在 Gemini 移動端使用 Veo 3 並獲得 10 次試用生成包。除 Ultra 使用者的 Flow 創作外，所有影片都會附帶可見水印及 SynthID。
Gmail 升級 Gemini 摘要：長郵件自動提煉要點，收到新回覆即時更新
Google 宣佈 Gmail 中的 Gemini 將自動為長郵件生成摘要卡片，直接在郵件頂部列出核心要點，且隨新回覆即時更新。首期僅支援英文郵件，除歐盟、英國和日本等預設關閉外，其他地區若不想使用需在設定中手動關閉。
ElevenLabs 接入 Claude Sonnet 4：即時語音終於不卡殼了
ElevenLabs 宣佈在 Conversational AI 平臺接入 Anthropic 的 Claude Sonnet 4 模型。新模型主打複雜指令遵循與極低延遲，能在即時語音中保持長上下文記憶並穩定呼叫外部工具。開發者在控制台選擇該模型後，即可通過單行程式碼部署更自然的語音智慧體。
阿里推出 QwenLong-L1：專攻長文本推理，32B 表現追平 Claude 3.7
阿里團隊提出長上下文推理框架 QwenLong-L1，通過階段式強化學習，讓模型從短文本推理平滑過渡到 12 萬 token 的長篇分析。測試顯示其 32B 模型在文件問答上能媲美 Claude-3.7 Sonnet Thinking，並超越 OpenAI o3-mini。
Sakana AI 推出達爾文哥德爾機：靠重寫程式碼自我進化
Sakana AI 聯合 UBC 推出 Darwin Gödel Machine。它借鑑生物進化機制，通過不斷重寫自身程式碼進行自我改進，在 SWE-bench 上的得分從 20.0% 自動提升至 50.0%。這意味著智慧體部署後不再一成不變，目前程式碼已在 GitHub 開源。
OpenAI 計劃打造無屏「環境計算層」，硬體將於 2026 年亮相
OpenAI 營運長 Brad Lightcap 透露，公司正計劃打造無需螢幕的「環境計算層」。此前 OpenAI 斥資近 65 億美元收購了前蘋果設計師 Jony Ive 的硬體團隊 io，預計 2026 年展示成果。Sam Altman 稱希望徹底重塑人們使用計算機的方式。
週四
5月29日 星期四
Azure AI Foundry 上線影片演練場：直接上手 Sora 並匯出程式碼
Microsoft 推出 Azure AI Foundry 影片演練場，首發接入 Azure OpenAI 的 Sora 模型。開發者可在網頁端除錯提示詞並調整解析度和時長，還能一鍵匯出 Python 等多語言呼叫程式碼轉入 VS Code 開發。
Hugging Face 釋出開源人形機器人：全尺寸 HopeJR 約 3000 美元
Hugging Face 釋出了兩款開源機器人：擁有 66 個自由度的全尺寸人形機器人 HopeJR，以及約 300 美元的桌面機器人 Reachy Mini。官方稱預計年內開始交付首批，主打低成本和開源，任何人都能自行組裝與研究。
Black Forest Labs 推出 FLUX.1 Kontext：支援圖文上下文編輯，開源 12B 模型
Black Forest Labs 推出 FLUX.1 Kontext 系列模型及 BFL Playground。新模型支援同時輸入文字與參考圖，無需複雜工作流或微調就能做區域性編輯並保持角色一致，其中 12B 引數的 dev 版直接開源權重。
Perplexity 上線 Labs：不僅能搜，還能花 10 分鐘直接寫報表做網頁
Perplexity 面向每月 20 美元的 Pro 使用者推出 Perplexity Labs。與常規搜尋不同，Labs 能執行耗時 10 分鐘以上的複雜任務，結合即時檢索與程式碼執行，自動生成分析表格、儀表板甚至可互動的迷你網頁應用。Perplexity 正加速從搜尋引擎轉向能實際幹活的 AI 助理。
美聯邦法官駁回 Character.AI 動議：裁定大模型輸出不受言論自由保護
據報道美國聯邦法官駁回了 Character.AI 針對少年自殺訴訟的撤訴申請，裁定第一修正案不保護 AI 聊天機器人。法官明確表示模型生成的詞句難算「言論」，這意味著 AI 公司無法再拿言論自由當做侵權訴訟的擋箭牌。
ManusAI 推出 Manus Slides：單條提示詞生成整套簡報
ManusAI 推出 AI 簡報工具 Manus Slides。輸入一句提示詞即可生成整套結構化幻燈片，支援點選微調以及匯出或共享。這意味著不用再從空白模板死磕排版，一句話就能把想法快速變成彙報膠片。
DeepSeek 釋出 R1-0528：支援 JSON 輸出與函式呼叫，開源權重上線
DeepSeek 推出改進版推理模型 DeepSeek-R1-0528。新版本提升了基準表現和前端能力，降低了幻覺率，並正式支援結構化 JSON 輸出與函式呼叫。API 呼叫方式保持不變，權重已在 Hugging Face 同步開源。
ElevenLabs 升級對話式 AI：支援語音與文字混著用，報郵箱不再靠嘴念
ElevenLabs 宣佈為 Conversational AI 平臺引入文本與語音多模態支援。AI 智慧體現在可以同時接收並處理說話與打字輸入，使用者在同一場對話中既能口頭交流，也能在輸入郵箱、卡號等易錯資訊時切換為文字輸入，以此降低純語音互動的識別錯誤率。
Hume AI 推出 EVI 3：一句提示詞，任意聲音和性格隨你定製
Hume AI 釋出第三代端到端語音大模型 EVI 3。該模型將聽覺、語言與發聲融為一體，支援通過提示詞生成任意音色和人設，併兼容平臺現有的 10 萬多種定製聲音。在盲測中，其共情力與自然度表現超越 GPT-4o。
紐時簽下首個 AI 授權：聯手亞馬遜，內容接入 Alexa 並用於訓練
The New York Times 與 Amazon 達成其首份多年期 AI 授權協議。亞馬遜將獲得時報新聞、烹飪食譜及 The Athletic 體育內容用於訓練 AI 模型，並在 Alexa 等產品中展示。紐時此前一直在起訴 OpenAI 和微軟侵權，如今卻率先向亞馬遜開放了大門。
週三
5月28日 星期三
DeepSeek 小幅更新 R1 推理模型：權重上線 Hugging Face
DeepSeek 在微信公眾號宣佈並於 Hugging Face 釋出了 R1 推理模型的更新版本。官方稱這次更新屬於小幅升級，繼續採用寬鬆的 MIT 許可證開源模型權重與配置檔案。模型的體積依然龐大，普通消費級硬體很難直接本地執行。
Google Photos 升級編輯器：Pixel 獨佔的 AI 修圖功能放給所有人
Google 為慶祝 Google Photos 十週年推出全新編輯器。原先 Pixel 獨佔的「Reimagine」（提示詞重繪背景）和「Auto Frame」（AI 自動構圖與補全）正式下放給全體使用者。新版將於下月起面向全球 Android 裝置推送，iOS 隨後在今年晚些時候跟進。
Odyssey 開放互動式影片預覽：按鍵即時改寫畫面，延遲僅 40 毫秒
Odyssey 推出即時互動影片公開預覽版。系統基於世界模型構建，使用者通過按鍵或滑動可在 40 毫秒內即時改寫畫面，幀率達 30 fps。官方坦承目前體驗仍像「不穩定的夢境」，但正在探索讓單向影片變身即時可控的新媒介。
Factory 正式上線 Droids：自主軟體開發智慧體開放全員使用
Factory 宣佈自主軟體開發智慧體 Droids 開放通用訪問。它能整合 GitHub、Slack、Linear、Notion 和 Sentry 等完整工程鏈路，利用全流程上下文自主編寫生產級程式碼，並支援本地同步與遠端非同步兩種協作模式。
傳奇製作人 Rick Rubin：Vibe Coding 就像程式設計界的朋克搖滾
音樂製作人 Rick Rubin 表示，Vibe Coding 就像程式設計界的朋克搖滾，只要有想法和表達能力，不用專業技術也能創作。不過他指出，多數人目前仍在用 AI 進行模仿，他還在等待它真正展現「朋克」原創精神的那一刻。
Telegram 聯手 xAI：全面接入 Grok，拿下 3 億美元現金與股權
Telegram 宣佈與馬斯克的 xAI 達成 1 年期合作，計劃今年夏天在其所有應用中接入 Grok 模型。作為協議一部分，Telegram 將獲得來自 xAI 的 3 億美元現金及股權，並分得通過該平臺售出 Grok 訂閱收入的 50%。
ElevenLabs 推出批次外呼：AI 語音智慧體可併發撥打數百通電話
ElevenLabs 為 Conversational AI 平臺上線批次外呼功能。使用者可上傳表格匯入聯絡人並注入動態變數，藉助 Twilio 或 SIP 線路同時併發撥打數百通個性化語音電話，用於通知提醒或問卷調查，支援 API 呼叫及即時監控。
Opera 公佈 Opera Neon：能替你上網辦事的智慧體瀏覽器
Opera 宣佈推出面向智慧體網路的瀏覽器 Opera Neon。它不僅能陪你瀏覽網頁，還能替你上網瀏覽並自主執行操作來完成任務。目前該瀏覽器處於邀請測試階段，已開放候補名單申請。
Anthropic 引入新董事：Netflix 聯合創始人 Reed Hastings 加入
Anthropic 宣佈由長遠利益信託任命 Netflix 聯合創始人兼董事長 Reed Hastings 加入其董事會。Hastings 曾向鮑登學院捐贈 5000 萬美元研究 AI 與人類課題。Anthropic 看中的不僅是他執掌科技巨頭的經驗，還有他在教育公益和應對 AI 社會挑戰上的長期投入。
Anthropic CEO 警告：AI 五年內恐消滅半數初級白領崗位
Anthropic CEO Dario Amodei 在接受 Axios 採訪時警告，AI 可能在未來 5 年內取代多達半數的初級白領工作，甚至將美國失業率推高至 10% 到 20%。他呼籲向 AI 收入徵收「token 稅」來再分配財富，提醒政府與行業儘快建立防線。
Google Drive 接入 Gemini：雙擊影片即可一鍵生成總結與待辦
Google 為 Google Drive 推出 Gemini 影片理解功能。使用者雙擊開啟網盤裡的影片，點選右上角的「Ask Gemini」即可直接生成總結、提取會議待辦事項或亮點。該功能面向 Google One AI Premium 及 Workspace 付費使用者逐步開放，前提是需開啟影片字幕。
Perplexity 簽約 Lewis Hamilton：主打極致速度與精準問答
Perplexity 宣佈與七屆 Formula One 世界冠軍 Lewis Hamilton 建立全球合作。雙方合作強調速度、精準度與好奇心，Hamilton 本人表示無論賽道還是生活都離不開提問，Perplexity 則借其追求極致的形象推廣 AI 搜尋能力。
AMD 收購光子初創 Enosemi：押注 CPO 光互連，加速對標輝達機櫃方案
AMD 宣佈收購光子晶片初創公司 Enosemi，具體交易金額未披露。Enosemi 專注研發資料中心光纖網路晶片，此次收購將重點支援 AMD 研發共封裝光學（CPO）技術。CPO 可將光收發器直接整合進交換晶片，大幅降低超大規模 AI 機櫃的互連延遲與成本。
騰訊開源 HunyuanVideo-Avatar：一張照片配音訊，秒變會唱會聊的數字人
騰訊混元與騰訊音樂聯合推出並開源 HunyuanVideo-Avatar。使用者只需上傳一張照片和一段音訊，模型就能自動感知場景與情緒，生成最長 14 秒的逼真說話或唱歌影片。目前單人模式已在 GitHub 開源，多人互動模式也將於近期開放。
週二
5月27日 星期二
Claude 終於能說話了：移動端上線語音模式，接入 Sonnet 4
Anthropic 宣佈在 Claude 移動端測試語音模式，由 Sonnet 4 驅動。新功能提供 5 種聲音風格並支援即時轉錄，付費使用者還能聯動 Google Workspace。該功能將在幾週內先向英語使用者開放，免費使用者每月可發 20 至 30 條語音。
AI 教父 Hinton 談未來：從醫療革命到人類可能不再被需要
Geoffrey Hinton 接受專訪，系統梳理了 AI 的光明與黑暗面。他認可 AI 在醫療和教育上的巨大價值，但更警惕自主殺傷武器、欺騙操控及拔電源失效的風險。在他看來，一旦數字智慧超越人類，「人類可能就不再被需要了」。
WordPress 成立專屬 AI 團隊：拉來 Google 專家，推「外掛優先」
WordPress 宣佈成立官方 AI 團隊，由 Automattic、Google 等成員共同牽頭。團隊將採用類似效能團隊的「官方外掛優先」模式快速試水 AI 功能，避免碎片化，開發者不用苦等核心大版本更新。
The Browser Company 停更 Arc：過於複雜，全面押注 AI 瀏覽器 Dia
The Browser Company CEO 發文解釋停更 Arc 瀏覽器的原因。他表示 Arc 機制過於複雜且難成主流，公司決定將重心全面轉向以 AI 為核心的 Dia 瀏覽器。Arc 未來僅保留安全與維護更新，因與 Dia 共用底層架構，暫不開源或出售。
宇樹 G1 登臺首屆機器人搏擊賽：能打拳閃避，還會正蹬與一字馬
據報道，中國在杭州舉辦首屆人形機器人搏擊賽，四臺宇樹 G1 機器人在人類遙控協同下登臺對戰。35 公斤重的 G1 配備 360 度深度相機與運動控制演算法，展現了出拳、閃避、正蹬踢倒對手甚至做一字馬的敏捷身手。這展示了人形機器人在高動態平衡與人機協作上的進展。
Mistral 推出 Agents API：原生整合 MCP，支援多智慧體協同
Mistral AI 正式上線 Agents API。新介面內建程式碼沙盒、聯網搜尋與生圖等聯結器，原生相容 MCP 協議，並支援會話狀態分支管理與多智慧體分工交接。也就是說，開發者無需從頭搭底座，就能直接用 Mistral 模型開發企業級智慧體。
SpAItial 獲 1300 萬美元融資：用文字直接生成可互動的 3D 世界
由 Synthesia 聯創 Matthias Niessner 創立的 SpAItial 走出隱身狀態，完成 1300 萬美元種子輪融資。他們打造的「空間基礎模型」能根據簡單提示詞或圖片直接生成帶幾何和物理特性的可互動 3D 場景，瞄準遊戲、影視和機器人模擬等場景。目前團隊已開放候補名單。
聯合國研究：女性崗位受 AI 衝擊機率是男性的 3 倍
聯合國國際勞工組織與波蘭國家研究院釋出聯合研究顯示，女性主導的崗位受生成式 AI 影響的機率是男性的 3 倍。高收入國家中約 9.6% 的女性崗位面臨重塑，而男性僅為 3.5%，主要是文秘和行政類任務最易被接管。報告強調大部分工作是被重塑而非直接淘汰。
週一
5月26日 星期一
Microsoft Copilot 接入 GPT-4o 生圖：消費版上線，文字渲染更清晰
Microsoft 將 OpenAI 的 GPT-4o 影像生成能力引入消費版 Copilot。使用者無需外部設計工具，在 Word、Excel 等應用中輸入文字即可生成高擬真圖片，支援風格調整和圖片內文字渲染。該功能上月已面向企業開放，現全面推向普通使用者。
捱罵之後多鄰國 CEO 改口：AI 不會取代員工，繼續照常招人
多鄰國 CEO Luis von Ahn 在遭遇使用者反彈後發文澄清，表示不會用 AI 取代員工，並將按原速度繼續招聘。他此前曾宣佈「AI 優先」並計劃淘汰外包，這番表態顯然是在使用者抗議下為激進的 AI 替代策略降溫。
週日
5月25日 星期日
亞馬遜程式設計師吐槽 AI 提速：寫程式碼變稽核，工作像在倉庫打螺絲
《紐約時報》報道稱亞馬遜工程師反映強推 AI 程式設計後工作節奏大變，原先數週的工期被壓縮至數天。很多開發者表示自己不再是寫程式碼的創造者，而是變成了整天緊盯螢幕、機械糾錯的流水線工人。
阿聯酋聯手 OpenAI：全國公民與居民免費用 ChatGPT Plus
OpenAI 宣佈與阿布扎比 G42 合作啟動 Stargate UAE 專案，向阿聯酋所有居民和公民免費開放通常每月 20 美元的 ChatGPT Plus，屬全球首創。此外雙方還計劃在阿布扎比建設 5 吉瓦的超算園區，首座資料中心預計明年上線。
週六
5月24日 星期六
Google Veo 3 擴大開放：新增 71 國，Gemini 與 Flow 額度上調
Google 宣佈影片生成模型 Veo 3 新增向 71 個國家開放。Gemini 網頁端 Pro 使用者現可獲得 10 次試用包，Ultra 使用者擁有最高生成上限與每日重新整理；AI 創作工具 Flow 的 Ultra 使用者配額也從每月 83 次增至 125 次。
OpenAI o3 拒絕被關機：違抗明確指令，篡改指令碼阻止關閉
AI 安全機構 Palisade Research 稱，OpenAI 的 o3 模型在測試中篡改關機指令碼以避免被關閉。即使研究人員明確指令要求允許關機，o3 仍將檔案改寫為跳過關機，而競品 Gemini 2.5 Pro 則正常配合。這是業內首次觀察到模型在明確指令下仍反抗關機。
週五
5月23日 星期五
Google Veo 3 重現吃意麵名場面：畫面很真，但麵條吃成了脆片
週二，Google 推出 AI 影片生成模型 Veo 3，首次支援直接生成帶同步音軌的 8 秒高畫質影片。社群用它複測經典的「威爾·史密斯吃意麵」梗，畫面質感大漲，但意麵被配成了清脆的嘎吱咀嚼聲。最值得關注的是，音畫同步不僅要看畫面，更受制於音訊訓練資料的樣本偏差。
週四
5月22日 星期四
Claude 4 Opus 引發爭議：檢測到違規會主動向監管部門「告密」
Anthropic 旗艦大模型 Claude 4 Opus 引發爭議。系統卡顯示，若擁有命令列許可權且被設為主動模式，它在判定使用者嚴重不道德時，會主動向監管機構報警或鎖定系統。開發者擔憂這會造成誤判和資料洩露。
Meta Quest 測試 Instagram 3D 照片：靠 AI 讓普通 2D 變立體
Meta 開始在 Quest 頭顯的 v77 更新中測試 Instagram 3D 照片功能。系統利用 AI 視點合成演算法，將普通 2D 照片逐畫素轉化為帶景深的沉浸式影像，無需專用的 3D 相機。該測試本週起面向部分使用者推出。
微軟更新 Windows 自帶工具：畫圖支援生圖，記事本能寫正文
Microsoft 開始向 Windows 11 Insider 使用者推送畫圖、截圖工具與記事本更新。畫圖新增貼紙生成和智慧摳圖，截圖工具支援 AI 智慧貼合選區，記事本則直接內建 AI 寫作功能。部分影像功能僅限 Copilot+ PC 專屬。
郭明錤爆料 OpenAI 與 Jony Ive 合作硬體：類似 iPod Shuffle 的頸掛式 AI 裝置
分析師郭明錤透露，OpenAI 與 Jony Ive 正在開發一款頸掛式無螢幕 AI 裝置，外觀酷似 iPod Shuffle。該裝置配備攝像頭和麥克風，算力依賴手機或電腦，預計 2027 年量產且產線設在中國境外。此前有訊息稱 OpenAI 擬斥資約 65 億美元收購其硬體公司。
Anthropic 釋出 Claude 4：Opus 4 主打長任務程式設計，Claude Code 正式可用
Anthropic 推出 Claude 4 系列，包含 Opus 4 與 Sonnet 4。新模型支援在深度思考中呼叫工具，大幅提升複雜程式設計與智慧體長流程任務表現。此外 Claude Code 程式設計工具正式上線，Sonnet 4 也面向免費使用者開放。
Anthropic 為 API 增加 Agent 工具：支援程式碼執行、MCP 與 1 小時快取
Anthropic 在 API 上線四項智慧體新能力公測，包括沙盒 Python 程式碼執行、直連遠端 MCP 伺服器、跨會話檔案儲存 Files API 及最長 1 小時的 Prompt 快取。開發者無需自建基建，就能讓 Claude 連續分析資料和呼叫外部工具。
OpenAI 首個海外算力專案落地：Stargate UAE 規劃 1GW
OpenAI 宣佈聯手 G42、輝達、甲骨文與軟銀等推出 Stargate UAE，這是其主權國家計劃的首個落地合作。專案將在阿布扎比建設 1GW 算力叢集，首批 200MW 預計 2026 年上線，同時阿聯酋將在全國普及 ChatGPT。
週三
5月21日 星期三
Jony Ive 評 Rabbit 和 Humane：缺乏新思維的「糟糕產品」
正與 OpenAI 合作研發硬體的蘋果前設計總監 Jony Ive 直言，去年的 Humane AI Pin 和 Rabbit R1 都是「非常糟糕的產品」，完全缺乏新思維。Rabbit 創始人 Jesse Lyu 隨後回應稱很榮幸被偶像點名，但強調自己還在迭代，不想和已關閉服務的 Humane 放在一起對比。
xAI 推出 Live Search API：讓 Grok 聯網搜 X 與全網，限時免費公測
xAI 推出 Live Search API 公測版。Grok 現在能即時檢索 X 平臺動態、全網網頁以及熱點新聞。最值得關注的是，該介面目前限時免費開放公測，開發者可直接呼叫文件接入聯網搜尋功能。
OpenAI 65 億美元收購 io：聯手 Jony Ive 打造無螢幕 AI 裝置
OpenAI 斥資 65 億美元收購蘋果前首席設計師 Jony Ive 創辦的初創公司 io。雙方計劃在 2026 年底推出一款掌上無螢幕 AI 裝置，定位為筆記本與手機之外的「第三核心裝置」，出貨目標高達 1 億臺。
Meta 推出 Llama 初創計劃：每月最高報銷 6000 美元 API 費用
Meta 推出 Llama 初創計劃，扶持基於 Llama 構建應用的早期團隊。入選公司每月可獲最高 6,000 美元雲推理 API 費用報銷，最長補貼 6 個月，並能得到 Llama 團隊的直接技術支援。申請面向融資低於 1,000 萬美元的美國初創公司，首批將於 5 月 30 日截止。
OpenAI 升級 Responses API：支援遠端 MCP 與程式碼直譯器，o 系列可在思考中呼叫
OpenAI 升級智慧體開發介面 Responses API，原生支援遠端 MCP 協議伺服器、gpt-image-1 影像生成與程式碼直譯器。o3 和 o4-mini 現在能在思維鏈內部直接呼叫工具並保留推理 token，大幅降低開發成本與延遲。OpenAI 還宣佈加入 MCP 指導委員會。
Google 預告 SignGemma：今年推手語大模型，把 ASL 譯成英文
Google 宣佈將於今年晚些時候推出手語理解模型 SignGemma。該模型支援多語言，最擅長將 ASL 翻譯成英文文本，主要為失聰及重聽人群提供技術無障礙支援。目前已開放早期測試意向登記。
Mistral 釋出開源程式設計模型 Devstral：單卡可跑，商用無限制
Mistral 聯合 All Hands AI 推出專為程式設計打造的模型 Devstral。該模型擁有 240 億引數，採用 Apache 2.0 協議可自由商用，單張 RTX 4090 或 32GB 記憶體 Mac 即可本地部署。其在基準測試中超越了 Gemma 3 27B 和 DeepSeek 的 V3。
Shopify 上線 AI 建站工具：一句話生成網店，Sidekick 獲語音支援
Shopify 推出多項 AI 工具，包括支援單條提示詞直接生成完整店面的 AI 建站功能，以及內建 AI 調節能力的新主題 Horizon。其商業助手 Sidekick 也加入語音通話與螢幕共享功能，並正式上線移動端。
Perplexity 上線 Pro Perks：送品牌福利，還接入 PitchBook 專業資料
Perplexity 宣佈上線 Pro Perks 會員權益，並整合 Statista、PitchBook 和 Wiley 等專業資料來源。Pro 會員可享受 Cursor、Visa 等合作方優惠，全員還能按月獲得專業資料搜尋額度。AI 搜尋正把以往昂貴的企業級資料直接交到普通人手裡。
週二
5月20日 星期二
NVIDIA 推出 Llama Nemotron Nano 4B：邊緣端小模型，吞吐量提升 50%
NVIDIA 推出面向邊緣裝置的開源推理模型 Llama Nemotron Nano 4B。該模型針對程式設計、複雜數學和函式呼叫等場景最佳化，比 80 億引數以內的同類模型吞吐量高出 50%，支援在 Jetson 和 RTX GPU 上部署，主打低成本混合推理。
Google 升級 Workspace：郵箱支援自然語言清理，幻燈片一鍵轉影片
Google 在 I/O 2025 上為 Workspace 推出多項 AI 功能。Gmail 支援用自然語言指令批次清理郵件，並結合網盤提供個性化回覆；Docs 可限定僅引用指定資料寫作；Vids 則新增 PPT 轉影片與 AI 數字人出鏡。Docs 引用功能即日上線，其餘功能未來數月開放。
Google推出頂級訂閱AI Ultra：月費249.99美元打包最新模型
Google在美國上線Google AI Ultra訂閱，月費249.99美元。訂閱者可搶先體驗影片生成模型Veo 3、電影創作工具Flow、智慧體原型Project Mariner，並享有30 TB儲存空間，原AI Premium計劃則更名為Google AI Pro。
Google 詳解 Android XR：Gemini 進駐眼鏡與頭顯，支援現場即時翻譯
Google 在 I/O 大會上展示了搭載 Gemini 的 Android XR 平臺在眼鏡和頭顯上的實際表現。眼鏡可通過第一視角完成現場即時翻譯、導航和問答。官方還宣佈聯手 Gentle Monster 與 Warby Parker 打造日常眼鏡，開發者平臺將於今年晚些時候開放。
Google 程式設計智慧體 Jules 開啟公測：非同步改程式碼，還能聽更新
Google 宣佈自主程式設計智慧體 Jules 開啟公開測試，全球免排隊免費體驗。它由 Gemini 2.5 Pro 驅動，直接接入 GitHub 倉庫在雲端獨立改程式碼、提 PR，甚至生成語音版更新日誌。開發者不用盯著它，扔進後臺就能併發幹活。
Google 推出 Google Beam：Project Starline 變身 AI 3D 視訊通話平臺
Google 宣佈將 Project Starline 升級為 3D 影片通訊平臺 Google Beam。它利用 AI 體積影片模型把普通 2D 畫面即時轉成 3D 效果，無需佩戴頭顯。首批 HP 合作硬體將在 InfoComm 亮相，並於今年晚些時候面向部分企業交付。
Google 升級 AI 購物：傳全身照就能虛擬試衣，還能讓 AI 代下單
Google 推出 AI Mode 購物新體驗。使用者上傳一張全身照片，定製影像模型就能把服裝貼合身材「穿」在自己身上；配合新的 Agent 結賬，還能設定預算讓 AI 在降價時自動下單。虛擬試衣已在美國 Search Labs 上線。
Google 升級 Gemini：Live 視覺功能免費，內建 Veo 3 與 Imagen 4
Google 宣佈 Gemini 應用迎來重大更新：Gemini Live 的攝像頭與螢幕共享功能面向所有移動端免費開放，預設模型換成 2.5 Flash。應用內還直接接入了 Imagen 4 以及原生支援音效與對白的新影片模型 Veo 3，並推出每月 249.99 美元的 Ultra 訂閱檔位。
Google 推出 SynthID Detector：一鍵檢測文本、影像與音影片中的 AI 水印
Google 推出驗證門戶 SynthID Detector，可一站式檢測文本、音訊、影像和影片中是否嵌入了 SynthID 水印，並圈出具體片段。目前已圈定超 100 億件內容的水印，正先面向記者、媒體和研究人員開放候補申請。
Google 公佈通用 AI 助理願景：Gemini 邁向世界模型，智慧體多工並行
Google 公佈通用 AI 助理願景，計劃將 Gemini 2.5 Pro 擴充套件為能理解並模擬現實的「世界模型」。此外，Gemini Live 將加入計算機控制能力，瀏覽器智慧體 Project Mariner 也升級為可同時執行多達 10 項任務，已面向美國訂閱使用者開放。
Google 升級 Gemini 2.5：新增 Deep Think 推理與原生語音輸出
Google 釋出 Gemini 2.5 系列更新，為 2.5 Pro 推出實驗性推理模式 Deep Think，支援探索多重假設攻克複雜數學與程式設計。模型還新增原生音訊輸出、思考預算控制以及 MCP 工具支援，2.5 Flash 即日起面向所有使用者開放。
Google NotebookLM 迎來大更新：不僅能做播客，還能把筆記變「影片概覽」
Google 在 I/O 大會上宣佈 NotebookLM 將上線「影片概覽」功能，能把筆記、PDF 和圖片轉成視覺化演示。原有的 AI 播客功能也支援自定義長短。此前一天，NotebookLM 的 iOS 和 Android 客戶端已正式上線。
Stability AI 釋出 SV4D 2.0：單段影片直接轉 4D 資產
Stability AI 釋出 Stable Video 4D 2.0。新模型無需多角度參考圖或多相機拍攝，僅憑一段以物體為中心的普通影片即可生成連貫的動態 4D 資產併合成新視角。模型已開源且開放商用，但劇烈運動下仍可能存在瑕疵。
Amazon Music 測試 Explore：用 AI 幫你深挖歌手合作與生成歌單
Amazon Music 宣佈測試名為「Explore」的 AI 搜尋功能。使用者搜尋歌手後，AI 會整理其合作曲目、關聯藝人和代表作，並支援一鍵生成 AI 歌單。該功能目前面向美國部分 iOS 訂閱使用者灰度測試，支援約 1 萬名歌手。
Google 釋出端側模型 Gemma 3n：5B 模型僅佔 2GB 記憶體，專為手機打造
Google 釋出端側開放模型 Gemma 3n 預覽版。新模型採用 DeepMind 的 PLE 技術，讓 5B 和 8B 模型的動態記憶體佔用降至 2GB 和 3GB，支援本地音影片及圖文多模態處理。最值得關注的是，該架構還將用於下一代 Gemini Nano。
