xAI 釋出 Grok 3 Mini：自帶推理過程，價格僅為主流模型的五分之一
xAI 推出輕量語言模型 Grok 3 Mini 並上線 API。與主模型不同，Mini 版內建顯式推理並附帶完整思維鏈，百萬 token 輸入僅收 0.3 美元。第三方評測顯示其推理能力緊咬頭部旗艦，將大模型價格戰推向新低。
AI 日報：今天的 AI 新聞
週日
4月20日 星期日
ChatGPT 新模型暗藏文字水印？OpenAI 回應：只是強化學習的怪癖
Rumi 團隊發現 GPT-o3 與 o4-mini 輸出的長文本夾帶不可見的 Unicode 空格字元，疑似被嵌入文本水印。OpenAI 隨後澄清這絕非水印，只是「大規模強化學習的怪癖」。截至 4 月 23 日，該特殊字元現象已在最新測試中消失。
週六
4月19日 星期六
AI 學者創立 Mechanize：目標全面自動化人類工作，盯上 60 萬億美元市場
據報道，知名 AI 研究機構 Epoch 創始人 Tamay Besiroglu 成立初創公司 Mechanize，宣稱要實現「所有工作的全面自動化」，目前優先瞄準白領崗位。該專案已獲得 Jeff Dean、Nat Friedman 等知名人士投資，但因公然追求取代人類員工而在業內引發巨大爭議。
週五
4月18日 星期五
OpenAI 新推理模型幻覺加劇：o3 翻倍，o4-mini 近半回答瞎編
據 TechCrunch 報道，OpenAI 新發布的 o3 和 o4-mini 推理模型幻覺率明顯反彈。內部基準測試中，o3 在人物知識問答上的幻覺率達 33%，約為 o1 的兩倍，o4-mini 更是高達 48%。OpenAI 稱原因尚不明確，推測是推理模型給出的斷言變多所致。
Krea 推出 Krea Stage：單圖生成可編輯 3D 場景，還能做連貫影片
Krea 推出實驗性工具 Krea Stage。使用者只需上傳一張圖片，就能直接生成可自由調整光照、物體和視角的完整 3D 場景，還能基於該場景生成風格一致的連貫影片。它大幅降低了傳統 3D 建模門檻，無需專業硬體也能快速搭建虛擬世界。
Google 首次實機演示智慧眼鏡：搭載 Gemini，能找房卡還會導航
訊息，Google 在最近的 TED 演講中首次公開實機演示了 XR 智慧眼鏡原型。該裝置執行 Android XR 並接入 Gemini，鏡片內建微型彩色螢幕，不僅能記住房卡遺落位置，還能即時翻譯和投影導航。不過官方未公佈發售時間，預計要到 2026 年才能上市。
Google 推出 Gemma 3 QAT 版本：27B 模型塞進消費級顯示卡本地跑
Google 釋出採用量化感知訓練（QAT）的 Gemma 3 模型版本。通過將模型壓縮至 4 位（int4），視訊記憶體佔用大幅下降，困惑度下降幅度減少了 54%。這意味著原本需要昂貴算力卡的 27B 大模型，如今在單張 RTX 3090 顯示卡上就能直接本地執行。
週四
4月17日 星期四
Cursor 為 AI 客服胡謅政策道歉：虛構單裝置限制引發退訂潮
週一，程式碼編輯器 Cursor 的 AI 客服 Sam 編造了一項「每個訂閱僅限單裝置」的新政策，導致不少多裝置開發者誤以為官方改版而紛紛退訂。Cursor 隨後為此道歉。這再次暴露出大模型在缺乏人工稽核的客服場景下「自信胡說」的嚴重後果。
OpenAI 推出 Flex processing：響應變慢，API 價格直接砍半
OpenAI 推出 Flex processing 測試版，面向 o3 和 o4-mini 推理模型，以更慢的響應時間換取 API 價格直接減半。該模式適用於模型評估、資料擴充等非生產環境與非同步任務，開發者接入 o3 還需完成身份驗證。
前 YC 總裁創辦 SAIF 基金：專投 AI 安全，每張支票 10 萬美元
前 Y Combinator 總裁 Geoff Ralston 宣佈成立新基金 SAIF，專門扶持主打 AI 安全與負責任部署的初創團隊。該基金計劃以 1000 萬美元估值上限開出 10 萬美元 SAFE 支票，重點看決策解釋、合規及防禦系統，並明確拒絕投資全自主武器。
維基媒體在 Kaggle 上線資料集：別爬站了，直接下結構化 JSON
據報道，維基媒體基金會自 4 月 15 日起在 Kaggle 上線專為 AI 訓練打造的資料集。資料已整理為結構化 JSON 格式，首批提供英法雙語版本，旨在讓開發者省去爬蟲與清洗步驟，同時減輕維基百科伺服器的抓取壓力。
LTX Studio 釋出 LTXV 0.9.6：帶來兩款 2B 開源影片模型
LTX Studio 釋出 LTXV 0.9.6 更新，推出兩款 2B 引數開源影片模型。新版分為面向成片渲染的完整質量版，以及主打快速預覽與輕量化部署的蒸餾版，整體生成速度和穩定性都有所提升。
ChatGPT 新玩法引隱私擔憂：靠 o3 視覺推理反查照片位置
TechCrunch 報道許多使用者正利用 OpenAI 新上線的 o3 和 o4-mini 模型推斷照片拍攝地點。模型能通過對模糊細節裁剪、縮放並結合聯網搜尋，精準推算出餐館或街區。這種類似地理猜謎的玩法展現了推理能力，但也帶來了人肉搜尋等隱私風險。
阿里開源 14B 影片模型 Wan2.1-FLF2V：輸入首尾幀即可生成過渡
阿里巴巴開源 14B 引數影片生成模型 Wan2.1-FLF2V，允許創作者通過輸入起始和結束兩幀來生成過渡影片。該模型利用附加控制機制注入首尾幀的語義特徵，以維持畫風一致與複雜動作平滑，官網支援免費生成 5 秒 720p 影片。程式碼與權重已上線 GitHub 與 Hugging Face。
Arcads 上線 Gestures：輸入提示詞就能生成數字人動作與情緒
Arcads 向所有使用者上線「Gestures」功能。選定 AI 數字人後，只需輸入一句情緒提示詞，就能生成對應的神態與肢體動作，專為影片開頭的吸睛鉤子設計。也就是說，不用複雜調節，一句話就能解決數字人廣告面部與動作呆板的問題。
Google 推出 Gemini 2.5 Flash：首個混合推理模型，思考預算可自選
Google 推出 Gemini 2.5 Flash 預覽版。這是其首個混合推理模型，開發者可自由開啟或關閉「思考」過程，並在 0 到 24576 個 token 之間靈活調節思考預算，方便在回答質量、呼叫成本與響應延遲之間取得平衡。
Grok 上線對話記憶功能：能記住聊天曆史，給出個性化建議
Grok 宣佈支援對話記憶。現在它能記住使用者之前的對話內容，在索取建議或推薦時給出個性化回答。也就是說，後續交流不用再反覆交代背景，問答體驗會更貼合個人偏好。
週三
4月16日 星期三
據報特朗普政府考慮封禁 DeepSeek：擬限購輝達晶片並阻斷美本土訪問
據《紐約時報》報道，特朗普政府正考慮對中國 AI 實驗室 DeepSeek 實施限制，不僅擬阻止其採購輝達 AI 晶片，還可能直接禁止美國人使用其 AI 服務。DeepSeek 憑極低價格打亂了矽谷陣腳，但美方也在關注其是否涉嫌蒸餾 OpenAI 模型等侵權爭議。
LTX Studio 上線時間軸：支援精細剪輯與自定義 AI 演員
LTX Studio 釋出更新，新增時間軸編輯器與自定義 AI 角色訓練功能。創作者可以直接修剪片段、調整場景節奏並精準同步音訊，還能用參考圖固定主角面部與服裝風格。AI 影片最頭疼的剪輯和角色「變臉」難題，終於被整合進了同一套流程。
Stability AI 聯手 AMD：Stable Diffusion 針對 A 卡最佳化，提速最高 3.8 倍
Stability AI 宣佈與 AMD 合作推出 ONNX 最佳化版 Stable Diffusion。涵蓋 SD 3.5 與 SDXL 系列共四款模型，專為 AMD Radeon GPU 和 Ryzen AI APU 調優，推理速度比原生 PyTorch 最高提升 3.8 倍。模型已上線 Hugging Face，支援匯入 ONNX Runtime 環境或在 Amuse 3.0 中執行。
把肖像權賣給 AI 公司後，演員後悔了：分身被用來推銷假藥與搞宣傳
據法新社報道，多名演員將面孔與聲音授權給 Synthesia 等 AI 影片平臺後，發現自己的數字分身被用於虛假醫療廣告、末日預言甚至政變宣傳。由於簽署的合同充斥著廣泛且不可撤銷的授權條款，他們事後根本無法要求下架影片。
OpenAI 釋出 o3 與 o4-mini：推理模型首次全面支援工具呼叫
OpenAI 釋出推理模型 o3 與 o4-mini。新模型不僅在程式設計和數學評測中重新整理紀錄，還首次打通了全部內建工具，能在思考過程中自主搜尋網頁、執行 Python 和分析影像。這意味著推理模型正加速向能自主幹活的智慧體演進。
OpenAI 傳洽購 AI 程式設計工具 Windsurf：估值約 30 億美元，曾兩度接觸 Cursor
據彭博社與 CNBC 報道，OpenAI 近期正洽談以約 30 億美元收購 AI 程式設計工具 Windsurf。在此之前，OpenAI 曾在去年和今年兩度接觸 Cursor 母公司 Anysphere 尋求收購但均未成行。若交易達成，這將成為 OpenAI 迄今規模最大的一筆收購。
Docusign 推出 AI 合同智慧體：自動審合同與挑風險，年底上線
Docusign 推出 AI 合同智慧體，整合在其智慧協議管理平臺中，能自動分析協議、標出風險並提醒人工介入。該功能由 Iris 引擎驅動，首批智慧體預計 2025 年底上線，重點覆蓋銷售和採購流程。電子簽名巨頭正全力轉型幫企業管合同。
多智慧體基準 TextArena 上線：用 57 款文字遊戲測大模型「心機」
評測基準 TextArena 論文上線 arXiv。它包含 57 款以上的競技類文本遊戲，專門測試大模型在談判、欺騙和心智理論等場景下的智慧體表現。系統支援即時 TrueSkill 評分、多人對抗以及人機互搏，為檢驗模型的多輪規劃能力提供了新競技場。
Grok 推出 Grok Studio：支援程式碼執行與協同編輯
Grok 釋出 Grok Studio 首個版本，加入程式碼執行與 Google Drive 支援。它能生成文件、程式碼、報告和網頁小遊戲，並在獨立視窗開啟內容，方便使用者與 Grok 共同編輯修改。
週二
4月15日 星期二
ChatGPT 上線圖片庫：所有 AI 生成圖集中看，還支援區域性微調
OpenAI 宣佈為 ChatGPT 上線 Image Library 功能，面向免費、Plus 和 Pro 使用者全面開放。左側邊欄能直接集中檢視 GPT-4o 生成的所有圖片，省去翻找聊天記錄的麻煩，還支援圈選區域性重繪。不過如果想刪除單張圖片，目前必須刪掉對應的整個對話。
Copilot Studio 引入 Computer Use：智慧體可直接操作網頁與桌面 UI
Microsoft 宣佈在 Copilot Studio 開啟 Computer Use 早期研究預覽。該功能讓智慧體像人一樣點選、輸入並操作網頁與桌面應用，無 API 也能跑通業務流程。它能動態適應介面變動自行修正，目前已開放測試申請。
Figma 發函要求 Lovable 停用「Dev Mode」：行業通用詞引商標爭端
Figma 證實已向 AI 初創公司 Lovable 傳送停終函，要求其停止在功能中使用已註冊商標的「Dev Mode」。Lovable 主打 Vibe Coding 並自稱 Figma 替代品，其 CEO 表示目前無意妥協；業界則普遍質疑該詞本就是行業通用說法。
據報 OpenAI 秘密開發社交網路：主打 ChatGPT 生圖，正打造類 X 資訊流
OpenAI 據報正在開發一款類似 X 的社交網路，目前已打造出內部原型，重點圍繞 ChatGPT 的影像生成功能。CEO 薩姆·奧特曼已私下向外部人士徵求意見，該專案未來可能作為獨立應用推出，也可能直接整合進 ChatGPT，目的是為模型訓練補充急需的即時社交資料。
OpenAI 任命 4 位非營利委員會顧問：90 天內提交慈善規劃
OpenAI 宣佈為其非營利委員會任命 4 位外部顧問，涵蓋民權、公共衛生及公共事務資深人士。顧問組將收集社群反饋，並在 90 天內向董事會提交報告。OpenAI 重申原有非營利實體「不會取消」，將投入更多資源支援教育、健康等公共議題。
快手釋出可靈 2.0：支援多元素影片編輯，全球使用者超 2200 萬
快手在北京正式釋出 KLING 2.0 影片模型與 KOLORS 2.0 影像模型。新版本引入多元素編輯器，允許使用者直接在已有影片中增刪或替換元素。官方同時透露，自去年 6 月上線以來，可靈 AI 全球使用者已突破 2200 萬。
Google 開放 Veo 2 影片生成 API：支援圖文生成 8 秒鏡頭
Google 宣佈影片生成模型 Veo 2 正式面向開發者開放。開發者可在 Google AI Studio 試用或通過 Gemini API 付費接入，模型支援通過文本或圖片提示生成 8 秒影片，具備真實物理模擬和多種運鏡風格。
Claude 上線 Research 功能：打通谷歌工作區與聯網搜尋
Anthropic 為 Claude 推出深度調研功能 Research，並整合 Google Workspace。Claude 可像智慧體一樣跨網頁檢索並讀取 Gmail、日曆與文件，幾分鐘內給出帶引用的總結。目前面向美日巴部分付費使用者公測。
Anthropic 正為 Claude 研發語音模式：最快本月上線，對標 ChatGPT
據彭博社報道，Anthropic 正準備在 Claude 中上線語音助手功能，正面迎戰 ChatGPT。新功能預計最快本月推出，首發提供 Airy、Mellow 和 Buttery 三種英文音色。此前其首席產品官已確認內部正在測試語音原型。
OpenAI 更新準備度框架：重新劃分高危能力，簡化防護門檻
OpenAI 更新了「準備度框架」（Preparedness Framework）。新版將風險等級精簡為 High 和 Critical 兩個閾值，把生化、網路安全與 AI 自我提升列為重點追蹤類別，並新增自主複製、故意裝笨等前沿研究類別。說白了，就是把模型能捅多大簍子的評估標準更量化地固定下來。
週一
4月14日 星期一
Nvidia 製造進軍美國本土：Blackwell 在臺積電亞利桑那廠投產
Nvidia 宣佈開始在臺積電亞利桑那州工廠生產 Blackwell AI GPU，封裝與測試也由州內企業完成。同時，Nvidia 聯手富士康和緯創在得克薩斯州建設超級計算機制造廠，預計在未來 12 至 15 個月內實現量產爬坡。
Hugging Face 收購人形機器人公司 Pollen，Reachy 2 原始碼向開發者開放
開源社群 Hugging Face 宣佈收購法國初創公司 Pollen Robotics。Hugging Face 計劃對外銷售其人形機器人 Reachy 2，並允許開發者下載程式碼、參與改進。這意味著 Hugging Face 正把開源生態從純軟體模型加速推向實體機器人硬體。
OpenAI 新推理模型將亮相：o3 與 o4-mini 可跨學科構想前沿科研假說
據報道 OpenAI 準備在未來數週推出 o3 和 o4-mini 推理模型。新模型主打跨學科分析，能在核聚變、藥物研發等領域提出原創科學假說並設計實驗。最值得關注的是 AI 開始涉足博士級科研構想，不過傳聞企業訂閱月費高達 2 萬美元。
Google 公佈 DolphinGemma：把海豚叫聲塞進 Pixel 手機即時解析
Google 聯手喬治亞理工學院及 WDP 公佈 DolphinGemma 進展。該模型基於 Gemma 架構開發，約 4 億引數，能像預測下個單詞一樣預測海豚聲音序列，且可直接在 Pixel 手機上離線執行。Google 計劃在 2025 年夏天將該模型開源。
彭博社曝庫克死磕 AR 眼鏡：視作頭等大事，決心趕超 Meta
彭博社記者 Mark Gurman 爆料，蘋果 CEO 庫克正全力推動輕量級 AR 眼鏡研發，並決心趕在 Meta 之前推向市場。知情人士稱 Vision Pro 只是鋪墊，庫克在產品開發上幾乎只盯這一件事。不過微型電池與顯示技術仍需多年突破，蘋果也在評估先做類似 Ray-Ban 的純 AI 眼鏡過渡。
OpenAI 推出 GPT-4.1 系列 API：支援百萬上下文，新增 Nano 版本
OpenAI 在 API 中上線 GPT-4.1、GPT-4.1 mini 和首個 nano 版本。該系列將上下文擴充套件至 100 萬 token，SWE-bench Verified 程式設計得分達 54.6%，大幅領先 GPT-4o。最值得關注的是 mini 版降本 83% 且速度翻倍，更適合驅動各類智慧體。不過該系列目前僅供 API 呼叫，不直接進入 ChatGPT。
OpenAI 釋出 GPT-4.1 提示詞指南：三條指令讓智慧體解題率提升近 20%
OpenAI 釋出 GPT-4.1 提示詞指南。該模型比 GPT-4o 更嚴格按字面遵循指令，可控性更強。官方建議在智慧體 Prompt 中加入堅持解決、強制工具呼叫與顯式規劃三項提醒，實測將 SWE-bench Verified 解題率拉高了近 20%。
Search Arena 評測出爐：Perplexity Sonar 攜手 Gemini 2.5 奪冠
Perplexity 宣佈旗下 Sonar 系列在 LM Arena 新推出的 Search Arena 搜尋評測中領跑。Sonar-Reasoning-Pro 評分達 1136，與 Google Gemini 2.5 Pro 並列第一，正面勝率達 53%，引用信源數量是後者的 2 到 3 倍。
週六
4月12日 星期六
Netflix 測試 AI 搜尋引擎：接駁 OpenAI，按「心情」為你選片
Netflix 正在測試由 OpenAI 技術驅動的全新 AI 搜尋功能。使用者不再單靠關鍵詞，而是能直接按心情或個性化需求找片看。該功能目前先面向澳大利亞和紐西蘭的 iOS 使用者開放測試，預計未來幾週至數月內推向美國。
週五
4月11日 星期五
前員工聯名反對：OpenAI 轉向營利結構涉嫌違背最初使命
12 名 OpenAI 前員工向法院提交簡報支援馬斯克的訴訟，反對公司轉型為營利實體。他們指出非營利治理曾是招聘的核心承諾，放棄控制權將違背使命並誘使公司在安全上妥協。OpenAI 則回應稱非營利機構不會消失，正調整為益民公司架構。
DoorDash 聯手 Coco：在洛杉磯和芝加哥推機器人送外賣
DoorDash 宣佈與機器人公司 Coco 合作，在洛杉磯和芝加哥推出人行道機器人外賣服務，已有近 600 家商戶接入。DoorDash 稱送兩個漢堡用不著兩噸重的汽車。此前雙方試點已累計完成超 10 萬次配送。
OpenAI 宣佈 4 月 30 日退役 GPT-4：ChatGPT 將全面換用 GPT-4o
週四，OpenAI 釋出更新日誌，宣佈將於 4 月 30 日從 ChatGPT 中退役一代功臣 GPT-4，全面由 GPT-4o 接替。官方表示 GPT-4o 在寫作、程式設計和理科能力上均已勝出。不過 API 使用者在 4 月 30 日之後依然能繼續呼叫 GPT-4。
外媒曝蘋果新版 Siri 今秋登場：支援指令修圖併發送，不用等至 2026 年
據《紐約時報》報道，內部人士透露蘋果計劃在今年秋季推出延期的新版 Siri，支援根據語音指令修圖併發送給好友等跨應用操作。此前彭博社曾報道該功能將推遲至 2026 年，新爆料意味著它有望直接隨 iOS 19 首發登場。
週四
4月10日 星期四
Microsoft 重啟 Recall 推送：進入釋出預覽通道，全面上線在即
週四，Microsoft 開始向 Release Preview 頻道的 Windows 預覽體驗成員逐步推送 Recall 功能。這項通過截圖記錄操作供後續搜尋的功能曾兩度因安全爭議推遲，現改為必須主動開啟，且僅限 Copilot Plus PC。進入該頻道意味著離正式全量推送只差臨門一腳。
DeepMind CEO：Google 計劃將 Gemini 與影片模型 Veo 合併
Google DeepMind CEO Demis Hassabis 在播客中表示，Google 最終會將 Gemini 和影片生成模型 Veo 合併，以此提升模型對物理世界的理解能力。他透露 Veo 主要是通過觀看海量 YouTube 影片來摸索現實物理規律，這也是打造通用數字助理的關鍵一步。
詹姆斯·卡麥隆談電影製作：想拍《沙丘》這種大片，得靠 AI 把成本砍半
導演詹姆斯·卡麥隆在播客中表示，要繼續拍出像《沙丘》或《阿凡達》這樣的重特效大片，就必須用 AI 將製作成本砍半。他認為 AI 不是替代人類工作，而是讓鏡頭製作速度翻倍，且自己正嘗試將 AI 融入視效工作流。
Canva 上線全新 AI 套件：支援自然語言搓小元件和智慧表格
Canva 宣佈在平臺內整合一系列 AI 新功能，包括通用助手 Canva AI、支援資料洞察的 Canva Sheets，以及能通過提示詞製作互動地圖或計算器的 Canva Code。該程式碼功能與 Anthropic 合作開發，進一步將 Canva 從靜態設計工具拓展為互動應用平臺。
ChatGPT 升級跨對話記憶：不用反覆交代，它能自動翻前賬了
OpenAI 開始為 ChatGPT 付費使用者推送跨對話記憶功能，AI 能直接參考你以往的聊天曆史定製回答。這意味著以後聊新話題不用再重頭交代背景，且支援隨時在設定裡關閉或刪除單條記憶。目前英國與歐盟地區暫未上線。
YouTube 上線 AI 音樂生成功能：輸入提示詞定製免版權伴奏
YouTube 開始在 Creator Music 中逐步推出 AI 音樂生成功能。創作者在「Music Assistant」標籤頁輸入樂器、情緒等文字描述，即可生成專屬純器樂配樂並免費用於影片，免除版權困擾。該功能目前面向美國的 YouTube 合作伙伴計劃創作者開放。
微軟辦 50 週年慶典：三任 CEO 押注 AI 未來，現場遭員工抗議打斷
微軟舉辦 50 週年慶典，蓋茨、鮑爾默與納德拉十年來首次同臺，展示了 Copilot 視覺感知等新功能。三任掌舵人一致將 AI 押為未來半世紀重心，鮑爾默戲稱 Copilot 以後也能當 CEO。不過現場遭遇員工就軍工合同發聲抗議，導致活動兩度中斷。
HubSpot 推出 200+ 更新：上線 4 款 Breeze 智慧體，直接嵌入 CRM 跑業務
HubSpot 在 Spring 2025 Spotlight 上釋出了 200 多項更新，重點推出客服、知識庫、銷售線索和內容生成的 4 款 Breeze AI 智慧體。這些智慧體直接利用 CRM 資料自動化流程，早期測試中客服工單自動化解決率已超 50%。
xAI 上線 Grok 3 API：旗艦與 Mini 雙版本開放，對標 Claude 3.7
xAI 正式開放 Grok 3 與 Grok 3 Mini 的 API。Grok 3 輸入每百萬 token 售 3 美元、輸出 15 美元，定價直接看齊 Claude 3.7 Sonnet。不過當前 API 上下文視窗僅限 131,072 tokens，不及此前宣稱的 100 萬。
週三
4月9日 星期三
Google DeepMind 擁抱 MCP：Gemini 模型與 SDK 將支援該協議
Google DeepMind 負責人 Demis Hassabis 宣佈，旗下 Gemini 模型和 SDK 將支援 MCP 協議。他表示 MCP 正在迅速成為智慧體時代的開放標準，未來將與 MCP 團隊及行業夥伴共同推進其發展。
OpenAI 正式反訴馬斯克：指責其發起虛假收購，要求制止不法行為
OpenAI 正式對埃隆·馬斯克提起反訴，要求法院制止其進一步的「不法與不公平行為」，並追究其造成的損失。OpenAI 指控馬斯克借虛假收購擾亂其商業計劃、拖慢發展以謀取私利。這場由公司重組引發的法律恩怨進一步升級。
三星家用機器人 Ballie 今夏發售：接入 Gemini，自帶投影還能指導穿搭
三星宣佈家庭機器人 Ballie 將於今年夏天在美國發售，目前已開啟預註冊。這款球形雙輪機器人內建投影儀，接入了 Google Gemini 多模態推理能力，能根據視覺輸入提供穿搭建議、聯動智慧家居調節作息。不過其具體售價仍未公佈。
Adobe 預告首個 Photoshop 智慧體：看圖自動給修圖建議，一鍵執行
Adobe 預告將在 Photoshop 中推出首個創意智慧體 Action Panel。它能主動分析畫面並推薦修圖操作，支援用自然語言觸發超過 1000 種一鍵動作並代為執行。此外，Adobe 還計劃為 Premiere Pro 和 Acrobat 等產品配備粗剪和文件分析智慧體。
Google 用 AI 重製《綠野仙蹤》：畫面擴至 16K，讓畫外角色重回鏡頭
Google 披露正利用 AI 重製 86 年前的經典電影《綠野仙蹤》，用於拉斯維加斯 Sphere 場館的 16K 巨型螢幕。團隊微調 Gemini、Veo 2 和 Imagen 3，不僅擴充套件背景、拉高畫質，還藉助華納檔案數字化還原畫外角色。全片超 90% 內容經 AI 處理，預計 2025 年 8 月 28 日首映。
WordPress.com 推出 AI 建站工具：打字對話就能生成完整網站
WordPress.com 推出免費的 AI 網站構建器，只需用對話描述需求，AI 就能自動生成帶有文本、排版和配圖的完整站點。使用者既能繼續通過聊天框修改，也可手動微調頁面；不過目前它還不支援電商站點或複雜系統整合。
不用再手動翻帖了：Reddit 聯手 Google 推出 Reddit Answers
Reddit 宣佈與 Google Cloud 合作推出 Reddit Answers。該功能接入 Vertex AI 上的 Gemini 模型，能直接從海量社群討論中提煉答案，並附帶帖子出處和相關社群推薦，還支援多輪對話追問。
Google 釋出第七代 TPU Ironwood：首款專為推理設計的自研晶片
Google 推出第七代 TPU Ironwood。這是其首款專為大模型推理打造的晶片，能效比上一代 Trillium 翻倍，單晶片視訊記憶體達 192 GB。整機叢集最高可串聯 9216 顆液冷晶片，計劃年內正式上線 Google Cloud。
Anthropic 推出 Claude Max 訂閱：每月最高 200 美元，額度拉高 20 倍
週三，Anthropic 推出全新訂閱計劃 Claude Max，月費在 100 至 200 美元之間。100 美元檔提供 Pro 計劃 5 倍的使用額度，200 美元檔則直接拉高到 20 倍。新檔位主要面向頻繁傳大檔案、寫長程式碼的重度使用者，緩解經常撞上限的問題。
詹姆斯·卡麥隆談 AI：大片成本必須砍半，監管應管輸出而非輸入
導演詹姆斯·卡麥隆在播客中表示，重度依賴特效的大片必須藉助 AI 將製作成本減半，核心是把單鏡頭完成速度翻倍而非裁員。對於版權爭議，他認為人類本身也是靠經驗訓練的模型，法律應判定最終輸出是否侵權，而非限制訓練輸入。
Google開發者大放送：Veo 2影片模型上線API，2.5 Flash即將到來
Google 宣佈影片生成模型 Veo 2 正式接入 Gemini API，支援文生影片與圖生影片；同時推出支援音影片低延遲流式處理的 Live API 預覽版。繼 2.5 Pro 之後，具備思考能力的輕量級模型 Gemini 2.5 Flash 也即將面向開發者上線。
Google Vertex AI 湊齊多模態：上線音樂模型 Lyria，升級 Veo 2 影片編輯
Google Cloud 將文本生成音樂模型 Lyria 引入 Vertex AI 白名單預覽，成為首個集齊影片、影像、語音和音樂全模態的企業平臺。同時 Veo 2 增加運鏡控制與影片修圖，Chirp 3 支援 10 秒音訊克隆聲音。目前新能力均需申請白名單。
Google Workspace升級：推智慧體工作流Flows，文件能變播客
Google 宣佈為 Workspace 推出多項 AI 功能。重頭戲是自動化工具 Workspace Flows，用自然語言即可排程自定義智慧體處理跨應用複雜流程；Docs 引入類 NotebookLM 的音訊概覽，Vids 則接入 Veo 2 生成影片。目前多項功能正分階段進行 Alpha 測試。
Google 聯手 50 家企業推 A2A 協議：讓不同智慧體協同幹活
Google 聯合 Atlassian、Salesforce 等 50 多家企業推出開源協議 Agent2Agent（A2A）。它讓不同廠商和框架下的 AI 智慧體能夠跨系統通訊與協同分工，作為 Anthropic MCP 協議的互補。正式商用版本預計今年晚些時候推出。
週二
4月8日 星期二
OpenAI 推出 Evals API：提示詞評估直接接入 CI/CD
OpenAI 推出 Evals API，把原先在控制台上手動跑的模型評估變成可用程式碼呼叫的介面。開發者能用 Python 自定義測試用例並配置 YAML，將提示詞評測直接塞進 CI/CD 流程，像傳統軟體寫單測一樣盯住輸出質量。
Together AI 開源 DeepCoder-14B：14B 引數追平 o3-mini
Together AI 聯手 Agentica 開原始碼推理模型 DeepCoder-14B-Preview。該模型基於 DeepSeek-R1 蒸餾版本強化學習微調，僅憑 14B 引數在 LiveCodeBench 拿到 60.6% 準確率，追平 OpenAI o3-mini。團隊還同步開源了 2.4 萬道驗證題資料集與加速框架。
Google 升級 Deep Research：由 Gemini 2.5 Pro 驅動，支援轉播客
Google 宣佈 Gemini Advanced 訂閱使用者現可使用基於 Gemini 2.5 Pro 的 Deep Research 深度研究功能。官方稱其分析推理與綜合能力顯著提升，報告盲測表現以超 2:1 領先競品，並支援轉成播客音訊；Workspace 使用者暫僅限網頁端體驗。
微軟 AI 版 Quake 挨批，卡馬克力挺：造強力工具是進步核心
針對玩家批評微軟 AI 版《雷神之錘 II》演示砸人飯碗，Quake 締造者 John Carmack 發文力挺。他稱這項即時生成研究令人印象深刻，AI 正如當年高階語言淘汰手寫機器碼，是推動進步的強力工具。Epic CEO Tim Sweeney 也表示贊同。
Zoox 進軍洛杉磯：改裝車隊上路測圖，自動駕駛今夏開跑
Zoox 開始在洛杉磯部署由人工駕駛的改裝豐田 Highlander 車隊採集地圖資料。這是 Zoox 進入的第六座測試城市，為今年夏天更廣泛的自動駕駛測試鋪路。相比已在當地開通付費運營的 Waymo，Zoox 仍處於早期階段。
Snapchat 推出贊助 AI 濾鏡：把使用者自拍放進品牌 AI 場景
Snapchat 推出面向品牌的 Sponsored AI Lenses 廣告格式。廣告主不再需要耗費週期製作 3D 和特效模型，而是直接利用 Snap 自研生成式 AI，把使用者的自拍無縫融入最多 10 種品牌定製的 AI 場景中。Tinder 和 Uber 已率先嚐鮮，使用者停留時長明顯高於普通濾鏡廣告。
Google 推出地理空間推理框架：用 Gemini 串聯遙感與多模態模型
Google Research 推出全新遙感基礎模型與「Geospatial Reasoning」研究框架。通過 Gemini 編排智慧體工作流，將衛星航拍影像、氣象與人口模型打通，用於災後評估與城市規劃等複雜分析。Airbus 和 Planet Labs 等機構已加入首批測試。
Deep Cogito 走出隱身：開源 Cogito v1 系列混合推理模型
AI 初創公司 Deep Cogito 今天開源 Cogito v1 系列模型，覆蓋 3B 到 70B 五種尺寸。它基於 Llama 微調，支援直接回答與自我反思兩種推理模式，還補齊了原生工具呼叫能力。不過在部分數學基準上，其推理表現仍落後於 DeepSeek R1。
Nvidia 開源 Nemotron Ultra：引數不到一半，效能硬剛 DeepSeek R1
Nvidia 開源 2530 億引數大模型 Llama-3.1-Nemotron-Ultra-253B-v1。它基於 Meta 舊款模型深度重構，可單機跑在 8 卡 H100 上，並在問答和程式碼測試中勝過 6710 億引數的 DeepSeek R1，不過純數學基準依然略遜一籌。
IBM 釋出 z17 大型機：搭載 Telum II 晶片，每天可跑 4500 億次 AI 推理
IBM 正式釋出新一代大型機 IBM z17。它搭載內建第二代片上 AI 加速器的 Telum II 處理器，AI 推理效能比 z16 提升 50%，每天可完成超 4500 億次推理且響應僅 1 毫秒。最關鍵的是，企業無需搬移核心資料，就能在主機內直接跑風控與生成式 AI。
Amazon 升級 Nova Reel 1.1：影片時長翻倍至 2 分鐘，支援多鏡頭連續生成
Amazon 升級影片生成模型 Nova Reel 至 1.1 版本，把生成時長從 1 分鐘拉長到最長 2 分鐘。新版本還加入了「多鏡頭」功能，不僅能保持整段影片風格統一，還支援用單張圖片和提示詞精準控鏡，創作者一次最多可生成 20 個連續鏡頭。
lmarena.ai 公開 Llama-4 對戰資料：指責 Meta 靠定製模型刷榜
評測平臺 lmarena.ai 公開 2000 多條 Llama-4 盲測資料，回應社群質疑。平臺直言 Meta 未提前說明參測的實驗版模型專門針對人類偏好與風格做了定製最佳化，有討巧刷分之嫌，後續將收緊榜單規則並上線原生版本複測。
週一
4月7日 星期一
Shopify CEO 限制招人：想加編制，先證明 AI 幹不了
上月下旬，Shopify CEO Tobi Lütke 向員工發備忘錄，要求各團隊申請新編制前必須先證明 AI 無法勝任。熟練使用 AI 已成為公司對全員的基本要求，並會納入績效評審。招人的第一道關卡，變成了先證明 AI 真的幫不上忙。
TTT 架構殺入影片生成：結合 Diffusion 生成 1 分鐘連貫動畫
學者 Xiaolong Wang 宣佈將測試時訓練（TTT）引入影片生成。該方案將 TTT 作為 RNN 記憶模組並結合 Diffusion Transformer，通過梯度下降更新隱藏狀態，成功生成了 1 分鐘劇情連貫的《貓和老鼠》動畫，為長影片生成的記憶瓶頸提供了新解法。
Meta 否認 Llama 4 跑分造假：沒針對測試集刷分
Meta 生成式 AI 副總裁 Ahmad Al-Dahle 發文否認針對測試集訓練以虛標 Llama 4 跑分的傳言。此前週末網路熱傳 Meta 刻意美化測試成績，且實測中各平臺表現不一。官方回應稱模型剛發出來，各雲端實現仍需幾天調優並持續修復 bug。
Runway 推出 Gen-4 Turbo：生成 10 秒 AI 影片僅需 30 秒
Runway 推出 Gen-4 Turbo，這是其目前最強影片模型的最快版本。生成一段 10 秒的影片現在僅需 30 秒，主打快速迭代與創意探索。目前該功能已面向所有方案的使用者開放。
ElevenLabs 推出 MCP 服務：Claude 與 Cursor 可直接生成語音
ElevenLabs 釋出官方 MCP 服務端，支援接入 Claude Desktop、Cursor 和 Windsurf。開發者在對話介面就能直接讓 AI 生成語音、克隆聲音或轉錄音訊，還提供了無需本地部署的託管版。
紐約時報等數百家媒體聯名：呼籲美國政府「阻止 AI 竊取」
包括《紐約時報》在內的數百家出版商聯合發起廣告活動，呼籲美國政府阻止 AI 盜用版權內容。活動由行業協會 News/Media Alliance 主導，要求科技巨頭為抓取的內容支付補償，並在生成結果中強制標明出處。
Google 搜尋 AI Mode 升級：能看圖搜圖，向數百萬 Labs 使用者開放
Google 為搜尋 AI Mode 增加多模態能力，使用者拍照或上傳圖片即可獲得帶網頁連結的詳細解答。新功能融合了定製版 Gemini 和 Google Lens 技術，並採用多查詢扇出機制深入理解畫面細節。目前該體驗已在移動端上線，並向美國數百萬 Labs 使用者擴大測試。
微軟 Copilot Vision 登陸手機：用攝像頭即時看懂世界
Microsoft 將 Copilot Vision 正式帶到移動端。開啟手機攝像頭，AI 就能即時分析畫面或相簿照片，解答植物健康或裝修搭配等問題。目前該功能已整合在 Copilot 手機應用的語音模式中，面向美國 Copilot Pro 訂閱使用者開放。
Meta 被曝 Llama 4 刷分造假：內部員工與副總裁傳相繼辭職
據行業博主披露的 Meta AI 員工爆料，Llama 4 實際表現遠落後於開源頂尖水平，管理層甚至建議將測試集混入後訓練來刷榜。該員工已提出辭職並拒絕在技術報告上署名，並透露 Meta AI 副總裁也因同樣原因離職。
週日
4月6日 星期日
傳 OpenAI 洽談收購 io Products：Jony Ive 牽頭、估值或超 5 億美元
據報道 OpenAI 正洽談收購蘋果前設計總監 Jony Ive 牽頭的 AI 硬體初創公司 io Products，估值或超 5 億美元。該公司正與 Ive 的 LoveFrom 合作開發「無螢幕手機」等新型個人裝置。這意味著 OpenAI 可能不再甘於只做模型，準備親自下場做終端。
Anthropic 首席科學家透露：Claude 4 將在未來六個月內推出
Anthropic 首席科學家 Jared Kaplan 表示，Claude 4 將在未來六個月左右面世。他指出，在後訓練和強化學習的推動下，AI 迭代週期正在進一步壓縮，甚至快過了硬體更迭，整個行業毫無放緩跡象。
