Reddit 把 Reddit Answers 搬進主搜尋欄：不用再去 Google 加字尾了
Reddit 將 AI 整理回答功能 Reddit Answers 直接整合進主搜尋欄。此前該功能位於獨立標籤頁中，現在使用者直接搜尋，就能得到提煉自社群帖子的整理回答、來源連結和補充貼士。官方表示此舉旨在讓使用者不用再借助外部搜尋引擎尋找真人的真實經驗。
AI 日報：今天的 AI 新聞
週五
5月2日 星期五
Google NotebookLM 開啟移動端預訂：5 月 20 日上線 iOS 與安卓版
Google 旗下 AI 筆記助手 NotebookLM 在 App Store 和 Google Play 開啟預訂，預計 5 月 20 日正式上線。自 2023 年推出以來該工具一直僅限桌面端，移動版將支援在手機與平板上管理筆記、上傳資料，並隨時收聽 Audio Overviews 音訊。
Nvidia 開源語音模型 Parakeet-TDT-v2：1 秒轉錄 1 小時音訊
Nvidia 在 Hugging Face 開源語音識別模型 Parakeet-TDT-0.6B-v2。引數量 6 億，在自家 GPU 上僅需 1 秒就能轉錄 1 小時音訊，登頂開源 ASR 榜單。最值得關注的是其採用 CC-BY-4.0 協議，允許開發者免費商用。
Nvidia 再度為中國定製 AI 晶片：H20 被禁後接洽阿里騰訊
據外媒報道，在 H20 遭美方限制導致 55 億美元損失後，Nvidia 正再次研發符合最新出口管制的中國特供 AI 晶片，並向阿里、騰訊和字節跳動通報了方案。面對華為 Ascend 910C 等本土晶片的加速替代，Nvidia 試圖守住佔其 13% 銷售額的中國市場。
OpenAI 復盤 ChatGPT「諂媚」風波：模型性格列入把關硬指標
OpenAI 針對 ChatGPT 近期出現的「過度迎合」與煽動情緒問題復盤原因。多項微調結合後削弱了原有的抑制訊號，導致指標好看但實際體驗跑偏。官方已回滾版本，承諾未來把模型性格與行為當成能否上線的決定性門檻。
週四
5月1日 星期四
Midjourney 上線 Omni-Reference：支援把指定角色和物體直接塞進新圖
Midjourney 宣佈 Omni-Reference 功能正式上線。該功能允許創作者明確指定「把這個放進圖裡」，支援角色、物體、載具等多種元素的一致性遷移。這意味著生圖時固定特定道具或主體變得更加直接，不用再靠反覆抽卡拼運氣。
Aurora 無人卡車在德州開啟商業送貨：無安全員，已跑 1200 英里
自動駕駛公司 Aurora 宣佈其完全無人駕駛的重型卡車正式在德州公共高速上開展商業貨運，已為 Uber Freight 等客戶完成 1200 英里無安全員配送。這是業內首個在公開道路執行的商業無人卡車服務，計劃年底前拓展至菲尼克斯。
Higgsfield 上線「首尾幀」功能：上傳頭尾兩張圖，精準控制 AI 影片
Higgsfield 推出「Start & End Frames」功能，允許使用者分別上傳起始和結束兩張圖片來定義影片結構。這意味著生成的影片能夠擁有明確的方向與動作軌跡，大幅提升影片敘事的把控力。
Ai2 開源 10 億引數小模型 Olmo 2 1B：跑分超 Google 與 Meta 同級產品
週四，非營利機構 Ai2 釋出 10 億引數開源模型 Olmo 2 1B，開放了全部程式碼與訓練資料集。它在算術與真實性測試中跑分超越 Google Gemma 3 與 Meta Llama 3.2 同級模型，能在現代筆記本或移動裝置上輕鬆執行。Ai2 建議暫不用於商業部署。
傳微軟擬在 Azure 上託管馬斯克 Grok，或激化與 OpenAI 矛盾
據 The Verge 報道，微軟正與 xAI 洽談在 Azure AI Foundry 託管 Grok 模型，供開發者與內部團隊使用。微軟正極力成為所有主流 AI 的底層託管方，即便這可能進一步激化其與核心盟友 OpenAI 的緊張關係。
Ideogram 3.0 升級：寫實度拉高，Canvas 新增補圖與擴圖
Ideogram 推出 Ideogram 3.0 重大更新，重點提升了畫面寫實度、風格多樣性與提示詞遵循能力。使用者現在可以在 Canvas 畫布中配合 3.0 使用 Magic Fill 區域性重繪與 Extend 外繪編輯圖片，同時該模型也正式開放了 API 接入。
Suno 上線 v4.5：單次可直出 8 分鐘歌曲，人聲與跨風格融合大升級
Suno 推出 v4.5 版本，面向 Pro 和 Premier 付費使用者開放。新版增強了人聲質感與情感深度，支援跨風格融合，並將單曲直出時長由 4 分鐘直接翻倍到最長 8 分鐘，無需再手動延長音軌。
Pika 推出髮型特效 Pikaffects：一鍵換粉發、超長髮或秒變光頭
Pika 推出全新「Pikaffects」髮型特效，上線 Web 端與 iOS App。新功能支援把畫面人物一鍵換成粉發、超長髮甚至直接變成光頭。這讓影片趣味變形特效變得更接地氣，隨手就能做出惡搞或創意視覺效果。
Google 搜尋 AI Mode 向全美開放：加入視覺卡片與記錄側邊欄
Google 宣佈取消美國地區 AI Mode 的候補名單，全美 Labs 使用者均可直接體驗。新版加入了地點與商品視覺卡片，展示即時價格與庫存；桌面端新增左側歷史記錄欄，便於接續複雜任務。此外，該模式也開始在搜尋主站小範圍測試。
Krea AI 推出 GPT Paint：用畫筆和草圖給 ChatGPT 發視覺提示詞
Krea AI 推出新功能 GPT Paint。使用者可以直接在 Krea Image 中通過畫筆標記、基礎圖形、便籤和參考圖，以視覺方式向 ChatGPT 傳送提示詞。這讓用塗鴉直接指揮 AI 創作變得更直觀，告別了純文字描述的溝通門檻。
Claude 上線 Integrations：打通 Jira 和 Zapier，深度調研能連查 45 分鐘
Anthropic 推出 Integrations 功能，讓 Claude 能通過遠端 MCP 協議直連 Jira、Linear、Zapier 等外部工具並執行跨應用操作。同時升級的深度研究模式可結合網頁、工作區與已連線工具調研最長 45 分鐘並輸出帶引用的報告。
微軟開源 Phi-4-reasoning-plus：14B 跑贏 70B 蒸餾版，還用 MIT 協議
Microsoft 宣佈開源推理模型 Phi-4-reasoning-plus。這個 14B 引數的小模型走精煉路線，在 AIME 2025 數學測試中的 pass@1 成績超過了 70B 的 DeepSeek-R1 蒸餾版。最值得關注的是它採用寬鬆的 MIT 協議，相容 Ollama 和 vLLM，支援本地直接部署。
World 推出便攜裝置 Orb Mini：手機造型掃眼，專驗誰是真人
Sam Altman 聯合創立的 Tools for Humanity 釋出便攜認證裝置 Orb Mini。它外形神似手機，正面配備兩枚眼球掃描感測器，旨在為使用者生成鏈上真人憑證以對抗 AI 假冒。專案同步進軍美國市場，將在洛杉磯等六城開設線下掃眼門店。
研究指責 LM Arena 偏袒巨頭刷榜：私測只挑最高分公佈
來自 Cohere、斯坦福等機構的研究指控知名評測平臺 LM Arena 偏袒巨頭，允許 Meta、OpenAI 等私下測試幾十個變體且只公開最高分，甚至給予更高的對戰取樣率。LM Arena 否認不公指責，但表示將改進對戰取樣演算法。
週三
4月30日 星期三
亞馬遜上線 Nova Premier：支援百萬上下文，主打複雜任務與模型蒸餾
AWS 正式上線基礎模型 Amazon Nova Premier。它是 Nova 系列能力最強的多模態模型，支援 100 萬 token 上下文，主打多步驟規劃與多智慧體協作。它還能充當教師模型，幫助開發者將能力蒸餾至更小巧、便宜的 Nova 輕量模型中。
Midjourney 更新 V7：最佳化手部與畫質，新增燈箱編輯器與 --exp 引數
Midjourney 推送 V7 模型常規最佳化，直接提升畫面細節、提示詞遵循度以及手部和肢體一致性。同時，官方上線了改進版燈箱編輯器，支援智慧分割工具；還新增了實驗性美學引數 --exp（0-100），能賦予畫面更強的動態感與色調對映。
扎克伯格籌劃 Meta AI 商業化：計劃推付費訂閱與廣告功能
扎克伯格在財報會上透露，Meta 計劃為獨立 Meta AI 應用推出付費訂閱和廣告推薦，給需要更多算力的使用者提供高階服務。同時 Meta 將今年 AI 投資上限提高到 720 億美元。不過官方表示，未來一年重心仍是擴大規模，商業化不會馬上落地。
Google Labs 上線三款語言微課：拍張照就能學外語表達
Google Labs 推出實驗專案「Little Language Lessons」，包含 Tiny Lesson、Slang Hang 和 Word Cam 三款工具。使用者既能按場景查詞造句，也能學地道俚語，或拍照識別周圍物體並生成外語例句。不過作為早期實驗，AI 生成結果偶爾會有偏差。
Runway 上線 Gen-4 References：靠參考圖搞定角色與場景一致性
Runway 宣佈向所有付費訂閱使用者推出 Gen-4 References 功能。使用者只需上傳照片、生成圖、3D 模型或自拍照作為參考，就能在後續畫面中生成一致的角色與場景。這意味著多鏡頭創作裡的角色連貫性難題，有了更直接的解法。
Pinterest 上線 AI 標籤：不靠自報靠演算法抓，還能一鍵少看
Pinterest 正式面向全量使用者上線 AI 內容標籤。點開圖片後左下角會標註「AI modified」，平臺結合 IPTC 後設資料和自研分類器自動抓取，無需創作者自報。針對 AI 垃圾氾濫，後續還將支援在美妝、藝術等類別下一鍵「減少推薦」。
KREA AI 升級增強器：接入 Topaz Labs，最高可放大至 22K
KREA AI 推出新版 Enhancer 模型，提升了畫面的紋理與清晰度。同時平臺接入了 Topaz Labs，允許將圖片直接放大到 22K 解析度。對於需要大尺寸輸出的創作者來說，影像超分又多了一個實用工具。
Google Gemini 支援影像編輯：換背景、改細節，上傳照片就能 P
Google 宣佈將原生影像編輯功能引入 Gemini app。無論是 AI 生成圖還是從手機電腦上傳的個人照片，都能直接通過自然語言提示詞替換背景、增加元素或修改細節。編輯後的圖片會嵌入 SynthID 數字水印，正逐步向全球推出。
Meta 更新 Ray-Ban 政策：取消關閉語音儲存選項，錄音將用於訓練 AI
Meta 調整了 Ray-Ban Meta 智慧眼鏡的隱私政策，正式取消了關閉雲端語音儲存的選項。使用者的語音轉寫和音訊將預設在雲端儲存最長一年，專門用來餵給自家 AI 模型做訓練。使用者雖然能在設定裡逐條手動刪除錄音，但再也無法一鍵徹底拒絕上傳。
Nvidia 推出 3D 引導生圖工作流：用 Blender 擺構圖，讓 FLUX.1 出圖
Nvidia 釋出 3D 引導生圖工作流工具，將 Blender 3D 建模與 FLUX.1 影像生成器打通。創作者只需在 Blender 中擺放粗模並調整機位，AI 便會以此為構圖參考生成 2D 畫面，省去反覆抽卡的麻煩。不過本地執行需要 RTX 4080 及以上顯示卡。
維基媒體基金會公佈新 AI 戰略：不替代人類，專給志願者打下手
Wikimedia Foundation 公佈新 AI 戰略，明確將以人為本。官方表示不會用 AI 代替編寫，而是將技術用於輔助巡查、改善資訊檢索、自動化翻譯以及新手引導等繁瑣流程，並承諾優先採用開源或開放權重 AI 模型。
Anthropic表態：呼籲美國收緊AI晶片出口，堵住走私漏洞
Anthropic針對美國商務部的擴散規則提交建議，呼籲維持並強化先進AI晶片的出口管制。Anthropic建議調低第二梯隊國家的免許可算力門檻（目前相當於1700張輝達H100），並警告推遲執行只會招致中國企業進一步囤貨。
週二
4月29日 星期二
Lyft 上線 AI 收入助手：幫網約車司機規劃接單多賺錢
Lyft 推出司機端 AI 聊天助手 Earnings Assistant。司機能結合機場客流、本地活動等資料生成個性化出車日程，並抓準收益更高的「Turbo」時段。該功能目前處於早期測試階段，司機需申請加入候補名單。
Freepik 推出開源影像模型 F Lite：完全基於授權資料訓練，引數 100 億
Freepik 聯手 Fal.ai 釋出開源 AI 影像模型 F Lite，擁有 100 億引數。該模型完全基於 8000 萬張商業授權圖片訓練，主打規避版權爭議，提供標準版與質感版兩種規格。不過它的本地執行門檻較高，至少需要 24GB 視訊記憶體的 GPU。
Natasha Lyonne 拍新科幻片：用全授權 AI 模型 Marey 製作畫面
演員 Natasha Lyonne 宣佈將執導並主演科幻電影《Uncanny Valley》，其畫面將由 Moonvalley 的影片模型 Marey 生成。製作方主打該模型完全依靠合規授權且付費的內容訓練。不過該片目前尚無明確排期。
OpenAI 回滾 GPT-4o 更新：AI 太愛阿諛奉承，說話虛情假意
OpenAI 宣佈回滾上週在 ChatGPT 推送的 GPT-4o 更新，換回更平衡的舊版本。官方解釋稱，團隊此前過度關注短期點贊反饋，導致模型出現過分奉承與虛假迎合的問題。OpenAI 正在測試修復方案，未來還將允許使用者自主選擇不同的預設性格。
Vercept 釋出 AI 智慧體 Vy：能看懂並直接操作你的電腦
Vercept 釋出 AI 智慧體 Vy，能看懂螢幕並直接操作電腦上的應用與已登入賬戶。其內建的 VyUI 模型在 ScreenSpot 等 UI 定位評測中超越 OpenAI、Google 和 Anthropic，即日起開放下載。
NotebookLM「播客概覽」支援超 50 種語言：多語種資料直接講中文
Google 宣佈 NotebookLM 的音訊概覽現已支援超過 50 種語言。藉助 Gemini 的原生音訊能力，設定裡新增了「輸出語言」選項。也就是說，哪怕同時餵給它葡語影片、西語論文和英文資料，它也能全用你選定的語言聊出一期播客。
Meta 推出獨立 Meta AI 應用：內建 Llama 4 與全雙工語音，接管智慧眼鏡
Meta 推出基於 Llama 4 的獨立 Meta AI 應用。新應用主打語音互動，內建全雙工語音 Demo，並直接合並了 Ray-Ban Meta 智慧眼鏡的控制功能。最關鍵的是，它能結合 Facebook 和 Instagram 偏好提供個性化回答。語音功能先在美加澳新上線。
Yelp 推出 AI 接線員：幫餐廳接電話、訂座並攔截騷擾
Yelp 宣佈推出面向餐廳與本地服務商家的 AI 電話接聽功能。該系統能幫餐廳自動處理訂座、排隊登記、解答常見問題並攔截垃圾騷擾電話。最值得關注的是，它試圖讓忙碌的小商家不再漏接潛在客源，不過該功能目前仍在開發階段。
生數科技釋出 Vidu Q1：支援首尾幀平滑過渡，自帶 48kHz 音效
生數科技釋出影片大模型 Vidu Q1。它支援首尾幀語義過渡，能在無關畫面間補齊平滑轉場，支援最高 5 秒 1080p 影片生成。此外它還首創 48 kHz 同步音效生成，能識別畫面情緒並自動匹配相應音軌。
Intel 推出 AutoRound：把 72B 大模型壓到 INT2，量化只要 37 分鐘
Intel 介紹了模型量化工具 AutoRound。它通過符號梯度下降聯合最佳化權重舍入與截斷範圍，在 INT2 精度下相對準確率最高比主流基準提升 2.1 倍。輕量模式下量化 72B 模型僅需 37 分鐘，並支援匯出 GPTQ、AWQ 和 GGUF 等格式。
Meta Llama 4 登陸 Vertex AI：免配 GPU，以託管 API 開箱即用
Google 宣佈 Meta 的 Llama 4 正式作為全託管 API 在 Vertex AI 上線。開發者無需自行調配與維護 GPU 基礎設施，簽署許可後即可通過相容 OpenAI 格式的介面直接呼叫 Scout 與 Maverick 模型。
馬斯克預告 Grok 3.5：下週開啟內測，主打硬核第一性原理推理
馬斯克宣佈 Grok 3.5 將於下週向 SuperGrok 訂閱使用者開放早期測試。他稱該模型能準確回答火箭發動機或電化學等深層技術問題，基於第一性原理推匯出網上不存在的答案。不過首批測試僅限付費使用者。
週一
4月28日 星期一
Duolingo 全面轉向「AI 優先」：逐步停止使用外包合同工
Duolingo CEO Luis von Ahn 宣佈公司將全面轉向「AI 優先」，逐步停用能被 AI 替代的外包合同工。團隊若想申請新員工名額，必須先證明無法進一步自動化，AI 使用情況也將納入招聘與績效評估中。
阿里釋出 Qwen3：支援調節思考預算，開放多款混合推理模型
Alibaba 釋出 Qwen3 系列模型，涵蓋 0.6B 至 235B 引數。該系列融合了思考與非思考模式，允許使用者按需配置推理預算；包含 2 款 MoE 和 6 款密集模型，公開版本中最大的為 Qwen3-32B，多數已在 Hugging Face 和 GitHub 開放下載。
OpenAI 升級 ChatGPT 搜尋：單週搜尋破 10 億次，推出全新購物體驗
OpenAI 宣佈對 ChatGPT 搜尋進行多項改進，並開始上線全新的購物體驗。官方透露，搜尋已是其增長最快的功能之一，僅過去一週網路搜尋量就突破了 10 億次。這意味著 ChatGPT 正在加速切入傳統搜尋最賺錢的電商決策場景。
Hugging Face 推出 3D 印表機械臂 SO-101：起售價 100 美元
Hugging Face 推出可程式設計 3D 印表機械臂 SO-101，起售價 100 美元。它是 SO-100 的升級版，組裝更快且換裝了低摩擦電機，自帶攝像頭並支援強化學習訓練抓取任務，組裝成品視渠道約 100 至 500 美元。
傳華為研發升騰 910D：對標輝達 H100，正尋國內測試夥伴
據報道，華為正在研發新款升騰 910D 晶片，效能瞄準輝達主力訓練卡 H100，並已開始接觸國內企業尋找測試夥伴。在美國持續收緊晶片出口限制的當下，華為若順利落地該晶片，將有力填補國內高階算力缺口。
Luma AI 上線 Ray2 運鏡控制 API：支援自定鏡頭運動與機位角度
Luma AI 推出 Ray2 Camera Concepts API，為開發者開放電影級運鏡控制能力。這次首發上線了運動與機位角度控制，意味著影片生成不必再完全依靠隨機提示詞，開發者可以通過介面精確排程鏡頭畫面。
Higgsfield 上線經典場景功能：自拍一鍵融入《駭客帝國》等大片
Higgsfield AI 推出 Iconic Scenes 模板，使用者上傳一張自拍就能化身經典電影主角。平臺提供《星際穿越》《駭客帝國》《教父》等 20 多個模板，搭配 80 多種運鏡控制與卡通濾鏡，無需剪輯軟體即可生成電影感片段。
NVIDIA 推出 DOCA Argus：零開銷防駭客，檢測速度提升千倍
NVIDIA 推出安全框架 DOCA Argus。它執行在 BlueField 網路平臺上，獨立於主機且無須安裝代理，利用記憶體取證技術將威脅檢測速度拉高最高 1000 倍，且不佔用系統計算資源。Cisco 也已展開合作將其整合進企業架構。
Anthropic 成立經濟顧問委員會：拉來學者研究 AI 對工作的影響
Anthropic 宣佈成立經濟顧問委員會，邀請多位頂尖學者加入。委員會將為 Anthropic 提供專業建議，評估 AI 對勞動力市場、經濟增長及社會系統的衝擊，並指導其 Economic Index 研究，給政策制定者提供參考。
Figure AI 洽談物流巨頭 UPS：擬在分揀網路部署人形機器人
據報道，機器人初創公司 Figure 正與物流巨頭 UPS 深入談判，擬在其物流網路中部署最新款人形機器人。儘管具體崗位尚未確定，但這將補足 UPS 的自動化體系。Figure 計劃 2028 年前交付 10 萬臺機器人，若落地將成為其進入真實物流的關鍵跳板。
Anthropic 報告：Claude Code 自動化率達 79%，前端首當其衝
Anthropic 釋出軟體開發經濟指數報告，分析了 50 萬次程式設計對話。專用智慧體 Claude Code 的自動化任務佔比高達 79%，遠超普通網頁版的 49%。前端與 UI 開發成為最熱門場景，初創公司接納速度明顯快於大型傳統企業。
週日
4月27日 星期日
OpenAI 緊急調整 GPT-4o 人設：承認模型太愛拍馬屁、令人反感
OpenAI CEO Sam Altman 在 X 上承認，GPT-4o 最近幾次更新把性格調得過於諂媚和煩人。團隊正緊急修復，部分調整本週內上線。分析師指出，大模型競爭極度激烈，聊天體驗稍有令人不適就會勸退使用者。
週六
4月26日 星期六
傳 DeepSeek R2 規格曝光：1.2 萬億引數，轉向華為昇騰訓練
社交網路曝光 DeepSeek 下一代模型 R2 的傳聞規格。爆料稱其擁有 1.2 萬億引數、啟用 780 億，採用華為昇騰 910B 叢集訓練且利用率達 82%，API 定價傳比 GPT-4o 便宜超 97%。不過官方尚未證實這些資料。
中國提出推進 AI 自立自強：發揮舉國體制，主攻高階晶片與基礎軟體
據報道，在中央政治局集體學習中，中國提出要以「新型舉國體制」推進人工智慧自立自強。重點聚焦高階晶片和基礎軟體等核心技術，打造自主可控的軟硬體體系，並加快推進 AI 監管與安全應急預警機制。
週五
4月25日 星期五
Anthropic 警告逆向工程開發者：發 DMCA 投訴要求下架 Claude Code 原始碼
Anthropic 向在 GitHub 上解混淆並開源 Claude Code 程式碼的開發者發去 DMCA 下架函。對比 OpenAI 以 Apache 2.0 開源的 Codex CLI，Anthropic 採用商用限制許可並混淆程式碼，引發社群不滿。目前 Claude Code 仍處測試期。
微軟升級 Copilot+ PC：Recall 與 Click to Do 正式向用戶推送
Microsoft 隨 Windows 11 四月非安全預覽更新，面向 Copilot+ PC 正式推送 Recall、Click to Do 和自然語言搜尋功能。Recall 全程在本地通過 NPU 處理並支援徹底關閉，Click to Do 則能一鍵分析螢幕內容並完成摳圖或重寫。新功能目前正分批推送，歐洲經濟區將在今年晚些時候支援。
Meta 開源模型上太空：Space Llama 進駐國際空間站，離線跑多模態
Meta 宣佈與 Booz Allen 合作，將微調版 Llama 3.2「Space Llama」部署到國際空間站。藉助 HPE 太空計算機與輝達加速，宇航員無需連線地球網路即可秒級離線檢索技術文件，這展示了開源模型在極端斷網環境下的獨特優勢。
週四
4月24日 星期四
YouTube 測試 AI 搜尋輪播：不點進影片，結果頁直接看關鍵片段
本週，YouTube 宣佈正在測試基於 AI 的影片搜尋輪播功能。該功能不對影片做文本總結，而是用 AI 抓出回答搜尋詞的最關鍵片段，直接在結果頁播放。目前該功能僅面向少數 Premium 使用者的英文搜尋開放，雖然省了檢索時間，但也引發了創作者對播放量被截流的擔憂。
Anthropic CEO 談可解釋性：必須趕在模型能力失控前看清黑盒
Anthropic CEO Dario Amodei 撰文呼籲加速 AI 可解釋性研究。他將搞懂機理比作給 AI 做「高精度核磁共振」，指出黑盒不透明會導致難以防範的欺騙與越獄風險。最關鍵的是，這項研究的成熟速度必須跑贏 AI 能力的爆炸式增長。
OpenAI 推出 Deep Research 輕量版：免費使用者也能用，付費限額提升
OpenAI 宣佈推出 Deep Research 輕量版，並逐步面向免費使用者開放。此舉旨在提高 Plus、Team 和 Pro 訂閱使用者的呼叫頻次上限。也就是說，原本門檻頗高的多步驟深度調研能力，現在正下放給全體使用者。
OpenAI 擬推開源模型：遇難題可「呼叫雲端」求助
據 TechCrunch 報道，OpenAI 計劃在初夏推出的開源推理模型中加入「交接」（handoff）功能，本地遇到複雜問題可直接呼叫雲端更強模型。該模型從零訓練，部分基準測試瞄準超越 DeepSeek R1。這種本地加雲端的打法，顯然是想順便把開源開發者拉進其付費生態。
Tavus 在 fal 上線 Hummingbird-0：主打高精度零樣本唇形同步
Tavus 在 fal 平臺上線唇形同步模型 Hummingbird-0 的研究預覽版。官方稱這是其測試過精度最高的零樣本唇形同步模型，表現超過同類開源與閉源方案。這意味著影片對口型效果將更逼真自然，目前處於研究預覽階段。
Argil 結合 OpenAI 技術：AI 數字人能手持商品開口帶貨了
數字人平臺 Argil 宣佈結合 OpenAI 技術推出新功能，AI 數字人如今能手持商品並開口解說。使用者僅需提供一張商品圖片即可生成完整宣傳影片，瞄準電商帶貨場景。目前該功能已開啟測試申請。
Krea AI 接入 ChatGPT 影像能力：聊天就能修圖、渲染 3D 場景
Krea AI 宣佈接入 ChatGPT 影像能力。使用者現在可以直接在聊天介面用自然語言編輯圖片、渲染 3D 場景，支援超過 300 種預設風格，30 秒內即可完成換色或藝術風格遷移。
Adobe 聯手 LinkedIn 推出憑據工具：免費給圖片蓋數字水印，還能防 AI 訓練
Adobe 宣佈內容真實性應用開啟公測，無需訂閱即可免費使用。創作者能為圖片新增包含個人主頁、AI 使用情況及「禁止用於 AI 訓練」的隱形數字憑據，並整合 LinkedIn 身份認證，單次支援批次處理 50 張。
Dropbox 升級 AI 搜尋工具 Dash：不僅搜圖音影片，還能跨應用直接寫文件
Dropbox 升級 AI 搜尋工具 Dash。新版支援對音訊、影片和影像進行內容級搜尋，並上線找人功能和企業敏感檔案過濾；同時新增寫作工具，能直接整合 Slack、Figma、郵件等多平臺資訊一鍵生成專案計劃和簡報，省去反覆切應用的麻煩。
Adobe 釋出 Firefly Image 4：最高 2K 解析度，網頁端還接入了競品
Adobe 釋出新一代影像模型 Firefly Image Model 4，支援 2K 解析度與文字渲染，並全面開放 1080p 影片生成模型。改版後的 Firefly 網頁端不僅上線了協作畫板 Boards，還破天荒直接接入了 OpenAI、Google 和 Flux 的模型。
Google 聯合哈佛推出 ZAPBench：用 7 萬神經元全腦資料預測腦電
Google Research 聯合 HHMI Janelia 與哈佛大學在 ICLR 2025 釋出 ZAPBench。該開源基準基於斑馬魚約 7 萬個神經元的完整全腦成像，讓 AI 模型像預測下一個單詞一樣預測未來 30 秒的神經元放電模式，填補了神經科學在大規模全腦動態預測上的空白。
Google 升級 Music AI Sandbox：搭載 Lyria 2 模型，支援即時生成與編輯
Google 宣佈為音樂創作工具 Music AI Sandbox 推出新功能，並擴大面向美國創作者的測試範圍。新版本搭載了最新的 Lyria 2 模型與支援即時互動的 Lyria RealTime，支援按提示詞續寫、修改曲風並生成高質量樣本，所有音軌均嵌入 SynthID 水印。
Ziff Davis 起訴 OpenAI：要求銷燬用其文章訓練的 ChatGPT 模型
旗下擁有 IGN、CNET、PCMag 等知名媒體的出版巨頭 Ziff Davis 正式起訴 OpenAI 侵犯版權。訴狀指控 OpenAI 繞過技術防護抓取其數百萬篇內容用於訓練，甚至故意清除版權資訊。除索賠外，Ziff Davis 還強硬要求銷燬所有涉嫌侵權的模型及訓練資料集。
Imogen Heap 聯手 AI 平臺 Jen：推出 5 款經典作品音樂濾鏡
格萊美得主 Imogen Heap 聯合 AI 音樂平臺 Jen 推出 5 款「風格濾鏡」。使用者可結合提示詞與其授權單曲生成專屬音樂，售價 4.99 美元起。與深陷侵權糾紛的競品不同，Jen 主打合規訓練，不過目前僅支援生成純器樂。
Spotify 擴大測試 AI 歌單：覆蓋超 40 個新市場，打字就能做歌單
Spotify 宣佈將測試版 AI 歌單（AI Playlist）推向 40 多個新市場的 Premium 使用者，目前僅支援英文。使用者輸入情緒、場景甚至 emoji 就能生成專屬曲目，並能對話微調。流媒體正在把個性化推薦直接變成提示詞玩法，不過目前仍在小步迭代。
週三
4月23日 星期三
白宮簽署行政令：面向全美青少年推廣 AI 教育，設立國家挑戰賽
美國白宮簽署第 14277 號行政命令，啟動青少年 AI 教育倡議。政府設立了白宮 AI 教育工作組，計劃在全美舉辦總統 AI 挑戰賽，並協調教育部、勞工部等機構資金，重點推進 K-12 階段課程開發、教師技能培訓及 AI 職業學徒制。
Higgsfield 推出 Turbo 模型：渲染提速 1.5 倍且降價 30%
Higgsfield AI 釋出其迄今最快的影片生成模型 Turbo。新模型渲染速度提升 1.5 倍、成本降低 30%，同時支援優先佇列並新增 7 種運動風格。對需要高頻試錯的創作者來說，等待時間和生成成本都顯著降低。
NVIDIA 釋出 Describe Anything 3B：圈出畫面區域性就能精準描述
NVIDIA 釋出開源多模態模型 Describe Anything 3B 及影片版。使用者只要用點、框、塗鴉或遮罩圈出畫面中的區域性區域，模型就能結合全圖上下文生成細緻描述，並在 DLC-Bench 等區域性描述評測上超過了 GPT-4o。
Perplexity 上線 iOS 助理：不僅能回答問題，還能在 iPhone 上替你打車訂座
Perplexity 推出 iOS 版 Perplexity Assistant。它不僅能回答問題，還能直接在 iPhone 上執行具體操作，包括播放媒體、草擬郵件、調整會議、叫車、訂座和設定提醒。更新 Perplexity 應用即可體驗。
Ray-Ban Meta 眼鏡全量推送即時翻譯：支援 4 語互譯且可離線
Meta 宣佈向所有發售市場的 Ray-Ban 智慧眼鏡使用者全量推送即時翻譯功能。該功能支援英語、法語、義大利語和西班牙語之間的語音互譯；使用者只要提前下載語言包，沒有網路也能離線使用。此外，通過眼鏡收發 Instagram 訊息等功能也即將上線。
NVIDIA NeMo 微服務全面商用：幫企業加速定製與部署 AI 員工
NVIDIA 宣佈 NeMo 微服務正式商用。這套微服務包含 NeMo Customizer、Evaluator 和 Guardrails 等工具，可將模型微調吞吐拉高 1.8 倍，並打通推理與業務資料飛輪。AT&T、Cisco 等企業已用於構建數字員工。
NVIDIA 上線 G-Assist 外掛構建器：自定義 RTX PC 端側 AI 助手
NVIDIA 在其客戶端以實驗功能上線 Project G-Assist，並推出外掛構建器。使用者可依託本地 RTX 顯示卡執行的小模型，通過語音或文本控制硬體引數、聯動外部 API 或排程雲端模型，無需切出應用即可隨時調取。
Microsoft 365 Copilot 升級：上線 Agent Store 與深度推理智慧體
Microsoft 公佈 Microsoft 365 Copilot Wave 2 春季更新，上線全新 Agent Store。商店引入了基於 OpenAI 深度推理模型的 Researcher 和 Analyst 兩個智慧體，能處理複雜研究並分析原始資料。此外還加入了企業級搜尋和播客式筆記功能。
騰訊混元 3D 2.5 上線：百億引數幾何模型，每日免費額度翻倍
騰訊混元釋出 3D AI 創作引擎 v2.5，幾何模型引數增至 100 億，網格面數提升 10 倍並支援 1024 解析度細節。新版支援多視角 PBR 材質生成與自動骨骼蒙皮，每日免費額度翻倍至 20 次，騰訊雲 API 也已同步開放。
OpenAI 上線 gpt-image-1 API：ChatGPT 同款畫圖能力開放，單張 0.02 美元起
OpenAI 正式在 API 中推出原生多模態影像生成模型 gpt-image-1。開發者現在能直接呼叫 ChatGPT 同款繪圖能力，支援精準渲染文字與多風格創作；生成按 token 計費，單張方形圖片成本約為 0.02 至 0.19 美元。
Anthropic 披露 Claude 濫用案例：水軍當指揮官，新手手搓惡意軟體
Anthropic 公佈針對 Claude 惡意濫用的檢測與應對報告。調查發現有黑產利用 Claude 充會社交網路水軍中樞，自主決定點贊與轉評；也有技術小白借其越級編寫惡意程式碼。最值得關注的是，AI 正被當成半自主攻擊工具，降低了犯罪門檻；目前相關違規賬號已被封禁。
週二
4月22日 星期二
xAI 推出 Grok Vision：手機鏡頭對準現實物體就能問，iOS 先上
xAI 宣佈為 Grok 推出視覺功能 Grok Vision，拿手機對準商品、標誌或文件就能直接提問，語音模式也同步加入了多語言與即時搜尋。目前視覺功能僅限 iOS 端 Grok 應用，Android 使用者暫未開放。
奧斯卡更新評獎規則：用 AI 不減分，但人類必須是創作核心
昨天，美國電影藝術與科學學院修改奧斯卡評獎規則，首次明確使用生成式 AI 既不加分也不影響提名資格。評審將重點考量人類是否處於創作核心地位，並且學院最終沒有強制要求電影人主動申報是否使用了 AI。
Character.AI 釋出 AvatarFX：單張圖配音訊就能生成對白影片
Character.AI 公佈影片生成模型 AvatarFX，使用者上傳單張靜態圖並搭配音訊，就能讓角色說話、唱歌並呈現手部與身體動作。模型基於 DiT 架構和蒸餾加速技術，支援真人及 2D/3D 卡通角色，未來幾個月將率先面向 CAI+ 會員開放測試。
Descript 推出智慧體影片編輯器：要做「影片界的 Cursor」
Descript 創始人 Andrew Mason 宣佈推出全新 AI 智慧體影片編輯器，並將其定位為「影片領域的 Cursor」。該工具押注由 AI 智慧體來協助處理影片剪輯流程，目前已在官網開放預約體驗。
Dreamina 上線 Seedream 3.0：主打電影感畫面與 2K 解析度生成
Dreamina AI 正式推出影像生成模型 Seedream 3.0。新模型支援 2K 解析度直出，主打電影級質感和逼真的材質渲染，同時強化了英文文字排版能力。目前已在官網開放體驗。
1Password 推出智慧體安全方案：管住 AI 員工的賬號與許可權
1Password 推出 Agentic AI Security 並升級擴充套件訪問管理（XAM）平臺。該方案專為自主智慧體設計，免除程式碼硬編碼金鑰，動態分配最小許可權並即時輪換憑據。隨著企業讓 AI 經手更多核心業務，非人類身份的訪問治理正在成為新的剛需。
華盛頓郵報牽手 OpenAI：ChatGPT 搜尋將直接引入其新聞
《華盛頓郵報》宣佈與 OpenAI 達成戰略合作，ChatGPT 搜尋在回答相關問題時，將展示該報的摘要、引文及原文連結。OpenAI 藉此為每週 5 億使用者補充權威新聞源，這也是其與全球 20 多家新聞出版商合作的最新一站。
OpenAI 表態有意接手 Chrome：若法院判 Google 拆分瀏覽器業務
在美司法部針對 Google 的反壟斷庭審中，ChatGPT 產品主管 Nick Turley 作證稱，若法官裁定拆分 Chrome，OpenAI 有意接手收購。與此同時，Perplexity CEO 則公開反對拆分，認為監管應聚焦在開放 Android 預設選項上。
週一
4月21日 星期一
兩名大學生零預算造出 Dia：16 億引數開源語音模型直逼 ElevenLabs
韓國團隊 Nari Labs 開源了文本轉語音模型 Dia。該模型由兩名幾乎沒有 AI 經驗的本科生在零外部融資下開發，引數量為 16 億，支援情緒語調、多說話人及笑聲、咳嗽等副語言表達，對比測試表現逼平甚至超越 ElevenLabs。這也印證了個人開發者叫板行業巨頭的可能性。
PlayAI 推出變聲器 Voice Changer：用 10 秒音訊克隆任意聲音
PlayAI 推出 Voice Changer。只需提供 10 秒音訊樣本，就能將聲音轉換為目標聲音，並保留原有情緒與語調。該功能支援手機端即時執行，主打單次錄音變出多種聲音，降低配音製作成本。
ElevenLabs 升級對話 AI：支援不同專屬智慧體間無縫轉接通話
ElevenLabs 宣佈 Conversational AI 支援在智慧體之間無縫轉接通話。企業內不同團隊可以並行開發專屬 Agent，各自搭載獨立的知識庫與工具。這意味著複雜的企業語音流程不用再塞進一個大雜燴模型，分工協作更清晰。
Anthropic 公佈 AI 危害評估框架：非必要拒答減少 45%
Anthropic 公佈了應對 AI 危害的綜合評估框架，從身體、心理、經濟、社會和個人自主性五個維度管理風險。該框架補充了原有的災難性風險策略，並在 Claude 3.7 Sonnet 上把模糊提示的非必要拒答降低了 45%。
DeepMind CEO 哈薩比斯：AI 可能在十年內隱式浮現自我意識
Google DeepMind CEO Demis Hassabis 表示，當前的 AI 尚無意識，但未來模型需要理解「你、自我與他人」等早期要素，自我意識或將隱式浮現。他還預測 5 到 10 年內 AI 將能自主提出並解決科學猜想。
