新架構 Titans 引入神經長期記憶：突破 200 萬上下文且兼顧速度
研究人員在 arXiv 釋出新架構 Titans。它把注意力機制當短期記憶，配合可在測試時學習的神經長期記憶模組，在保持快速並行訓練與推理的同時，將上下文擴充套件至 200 萬 token 以上，表現超越傳統 Transformer。
AI 日報：今天的 AI 新聞
週二
12月31日 星期二
週三
12月25日 星期三
Hugging Face 詳解智慧體分級：呼籲不要開發完全自主的 AI Agent
Hugging Face 發文梳理 AI 智慧體的定義與自主權光譜。文章將系統自主度劃分為五檔，指出人類失控的風險隨自主權讓渡而劇增，並明確呼籲不要開發能自行編寫和執行程式碼的完全自主 Agent，目前更應聚焦權責可控的半自主系統。
週一
12月23日 星期一
xAI 完成 60 億美元 C 輪融資：估值翻倍至 450 億美元，加速擴建算力
xAI 完成 60 億美元 C 輪融資，估值近乎翻倍至 450 億美元，累計融資金額達 120 億美元。紅杉資本、輝達和 AMD 等老股東參投。新資金將用於將其十萬張 GPU 的孟菲斯算力叢集再擴容一倍，並全力研發下一代 Grok 模型與產品。
週五
12月20日 星期五
OpenAI 壓軸公佈 o3 推理模型：效能超越 o1，跳過 o2
OpenAI 在「12 天」年終活動收官日公佈下一代推理模型 o3 和 o3 mini。新模型在數學競賽、博士級科學問答與 ARC-AGI 基準上大幅超越 o1。不過普通使用者目前還用不上，o3 mini 預計 1 月底上線，完整版 o3 隨後推出。
週一
12月16日 星期一
Midjourney 上線情緒板：用一組參考圖定製專屬出圖風格
Midjourney 推出類 Pinterest 的情緒板功能，並支援多套個性化配置。使用者上傳圖片集或完成 40 次二選一打分即可定製專屬畫風，門檻大幅降低。創作者還能針對不同專案儲存並切換多個風格檔案，輕鬆統一齣圖調性。
OpenAI 全面開放 ChatGPT Search：免費可用，語音模式也能即時聯網
OpenAI 宣佈 ChatGPT Search 正式面向所有免費使用者開放，並接入高階語音模式。除了檢索速度提升、移動端最佳化商戶資訊外，使用者還可以把它設為瀏覽器預設搜尋引擎。這意味著普通使用者不用花錢也能體驗完整的即時聯網搜尋與語音問答。
YouTube 上線 AI 訓練許可設定：預設禁止第三方抓取，創作者可自主授權
YouTube 推出第三方 AI 訓練授權開關，預設禁止外部廠商拿創作者影片訓練模型。創作者可在 YouTube Studio 中主動勾選 OpenAI、Anthropic、Apple 等 18 家特定公司，或徹底放開。不過，Google 自己的模型訓練不受該設定影響。
Ray-Ban Meta 眼鏡升級 v11：看即時畫面直接聊，還支援同傳
Meta 針對美加早期體驗使用者推送 Ray-Ban Meta 韌體 v11，正式帶來即時 AI 影片與連續對話。佩戴者無需反覆喚醒即可直接就眼前的實景提問，並支援跨英語與西、法、意語的即時語音翻譯，但目前回答仍可能出錯。
Meta CTO 展望 2025：眼鏡是原生 AI 裝置的最佳形態
Meta CTO 發文總結技術進展，指出智慧眼鏡是原生 AI 裝置的最佳載體。AI 助手將在 2025 年從被動問答轉向全天主動協作，本月已開啟 Live AI 早期體驗。Meta 計劃將 AI 眼鏡與 Orion 式 AR 結合，推動硬體全面加速。
Google 釋出影片模型 Veo 2：支援 4K 與鏡頭控制，Imagen 3 同步升級
Google 推出新一代影片模型 Veo 2，支援最高 4K 解析度與數分鐘長影片，能精準理解 18mm 鏡頭和景深等專業運鏡指令。同時升級的 Imagen 3 已在全球 100 多個國家上線，並配合 Gemini 推出影像混合工具 Whisk。目前 Veo 2 已在 Google Labs 開啟候補。
紐約大學 Tisch 學院引入 Runway：AI 影片工具進駐虛擬製作中心
Runway 宣佈紐約大學 Tisch 藝術學院虛擬製作碩士專案將引入其 AI 影片套件。2025 年春季學期，學生將在新建的馬丁·史柯西斯虛擬製作中心上課，探索將生成式 AI 融入影視前置預覽與終期創作。
Hugging Face 推出合成數據生成器：一句提示詞，無程式碼跑出資料集
Hugging Face 推出無程式碼應用 Synthetic Data Generator。使用者只需輸入自然語言描述，就能自動生成文本分類和對話資料集，底層由 distilabel 與免費文本生成 API 驅動。生成結果可直通 Argilla 進行篩選標註，還能配合 AutoTrain 快速訓練專屬模型。
週六
12月14日 星期六
Ilya Sutskever 現身 NeurIPS：資料已見頂，傳統預訓練必將終結
OpenAI 前首席科學家 Ilya Sutskever 在 NeurIPS 發表演講。他指出網際網路高質量資料已經見頂，類似化石能源一樣有限，現有的預訓練模式必定走向終結。未來 AI 必須靠有限資料進行真正推理，並轉向具備自主決策能力的智慧體。
週五
12月13日 星期五
Pika 2.0 上線：畫質提升，新增「場景素材」支援參考圖
Pika 正式推出 Pika 2.0 影片生成模型。新版本強化了文本對齊與畫面表現，並新增「場景素材」（Scene Ingredients）功能，允許使用者上傳人物、地點或物品的參考圖片，大幅提升影片生成的一致性與控制力。
OpenAI 上線 ChatGPT Projects：分類整理對話，整合 Canvas 與搜尋
OpenAI 在「12 Days of OpenAI」活動第七天推出 Projects 功能。使用者能把特定任務的對話、筆記與上下文檔案歸整到獨立專案中，並聯動 Canvas 與聯網搜尋。功能已向 Plus、Pro 和 Teams 使用者開放，企業與教育版明年初上線。
Perplexity 升級 Spaces：支援指定域名，搜尋只看特定網站
Perplexity AI 為 Spaces 上線自定義網路源功能。使用者能在新選單中新增特定網址或域名，讓 AI 僅在這些指定網站和已上傳檔案中檢索。最值得關注的是，專業研究時不再被無關網頁分流，回答精度大幅提升。
Anthropic 公佈「Best-of-N」越獄研究：跨模態繞過模型安全防線
Anthropic 宣佈最新合作研究「Best-of-N Jailbreaking」。研究團隊發現了一種簡單通用的越獄手段，不僅能繞過前沿 AI 模型的安全機制，還能同時跨越文本、視覺和音訊模態生效。
Google 升級 NotebookLM：播客能即時插話提問，推出 Plus 付費版
Google 為 NotebookLM 帶來大更新，開始接入實驗性 Gemini 2.0 Flash。最搶眼的是 Audio Overviews 播客功能支援即時語音插話互動，聽到不懂隨時能打斷追問；介面也重構為資料、對話和創作三欄。此外官方還上線了額度提升 5 倍以上的 NotebookLM Plus 付費版。
ChatGPT 遭遇史上最長大宕機，OpenAI 歸咎於新遙測服務
OpenAI 針對此前 ChatGPT、Sora 和 API 長達三小時的全球宕機發布覆盤。事故不是因為駭客攻擊，而是新部署收集指標的遙測服務意外引發大量高負載操作，直接沖垮了 Kubernetes 控制面與內部 DNS 解析。OpenAI 表示後續將改進分階段灰度策略以防重演。
OpenAI 反擊馬斯克訴訟：2017 年設立營利實體的正是他自己
OpenAI 公佈多封歷史郵件反駁埃隆·馬斯克的訴訟。記錄顯示，馬斯克早在 2017 年就主張成立營利性公司，並曾設立對應實體要求控股與出任 CEO，因控制權要求被拒後才退出。OpenAI 強調不能靠打官司走向 AGI。
Google 推出 Agentspace：把 Gemini 智慧體與跨系統企業搜尋打包給員工
Google 釋出企業級平臺 Google Agentspace，將 Gemini 推理能力、多模態搜尋與組織內部資料打通。平臺支援連線 Jira 和 SharePoint 等第三方工具，並引入企業版 NotebookLM Plus。員工用一句指令就能呼叫智慧體完成調研與多步工作流，目前已開放早期預覽申請。
微軟釋出 14B 小模型 Phi-4：強化數學推理，開啟研究預覽
微軟推出最新小語言模型 Phi-4，引數量為 140 億。新模型依靠高質量合成數據與後訓練最佳化，重點提升了數學推理能力，對標 GPT-4o mini 等競品。目前僅在 Azure AI Foundry 平臺面向研究用途限量開放。
週四
12月12日 星期四
Adobe 上線去反光工具：隔窗拍的廢片，能一鍵剝離玻璃倒影
Adobe 推出反光消除工具 Reflection Removal 技術預覽，已整合至 Adobe Camera Raw，後續支援 Lightroom。該工具利用 AI 識別並分離窗外景物與玻璃反射倒影，目前僅支援 RAW 格式。隔著飛機或室內窗戶拍出的廢片終於有救了。
Amazon 測試 Prime Video 新功能：用「AI Topics」替掉老演算法推片
Amazon 開始在 Prime Video 上測試「AI Topics」推薦功能。系統不再單純依靠傳統演算法，而是用 AI 生成更細緻的主題標籤，比如奇幻探索或扣人心絃的角色歷程，方便觀眾順著話題連環找片。目前該功能僅在美國部分 Fire TV 等客廳裝置上小範圍測試。
LMSYS 推出 Image Arena：FLUX、DALL-E 盲測對決
大模型評測平臺 lmarena.ai 推出 Image Arena 影像競技場。使用者輸入一段提示詞，系統會呼叫 FLUX、Stable Diffusion、DALL-E 等兩個匿名模型同時生成圖片，由使用者盲選投票決出勝負，官方排行榜也即將上線。
ChatGPT 上線限定「聖誕老人」語音模式：全平臺開放，月底退休
ChatGPT 推出節日限定的「聖誕老人模式」，移動端、網頁和桌面端面向所有使用者開放。點選輸入框旁的雪花圖示即可呼叫快活渾厚的聖誕老人聲線即時聊天，且對話不會寫入歷史記錄或影響記憶。該功能為 12 月限時體驗，月底將正式下線。
Google 推出 Android XR：把 Gemini 帶入頭顯與智慧眼鏡
Google 聯手三星釋出專為頭顯與智慧眼鏡打造的新系統 Android XR，現已面向開發者開放預覽。該系統深度整合 Gemini，使用者能直接用語音討論眼前所見並進行多屏辦公，首款合作頭顯 Project Moohan 計劃明年開售。
Anthropic 上線 Claude 3.5 Haiku：網頁與移動端可用，效能直逼 Opus
Anthropic 宣佈 Claude 網頁端和移動端正式上線 Claude 3.5 Haiku。新模型在多項基準測試中比肩甚至超過此前的旗艦 3 Opus，輸出長度更長且知識庫更新，尤其擅長程式設計與資料處理。不過，該版本暫不支援影像分析。
TwelveLabs 獲 3000 萬美元融資：專攻影片搜尋，前 Siri 架構師加盟
影片理解 AI 公司 TwelveLabs 宣佈完成 3000 萬美元戰略融資，總融資額達 1.071 億美元。同時，前 SK Telecom CTO、Siri 核心架構師 Yoon Kim 加盟出任總裁。其模型專為影片打造，能精準檢索畫面內容，正加速拓展企業與安防場景。
時代週刊上線 TIME AI：能跟讀者即時語音聊新聞
TIME 聯合 ElevenLabs 和 Scale AI 推出 TIME AI 平臺。讀者在閱讀報道時能直接通過語音向 AI Agent 提問並獲得解答，工具欄還支援即時朗讀、翻譯與摘要。這相當於給每篇深度報道配了專屬講解員，目前已在近幾年的「年度風雲人物」特輯上線。
Runway 啟動學生大使計劃：送 10 萬積分和免費 Pro 會員
Runway 推出學生大使計劃，面向藝術、電影、設計等專業學生提供 10 萬免費積分和 Pro 計劃支援。入選者還能直接對接 Runway 團隊與行業人脈。目前該專案已與紐約大學等多所高校展開合作。
Anthropic 釋出 Clio：在保護隱私的前提下看清使用者怎麼用 Claude
Anthropic 公佈隱私保護分析系統 Clio（現稱 Anthropic Insights）。它讓 Claude 自行提煉並聚類數百萬條真實對話，人工分析師只能看到脫敏後的宏觀主題，以此摸清真實用法並排查批次濫用。最值得關注的是，這讓平臺在不窺探使用者隱私的前提下，也能捕捉新型安全隱患。
時代雜誌推出 AI 對話助手：帶你讀懂「年度風雲人物」
週四，Time 聯合 Scale AI 推出 AI 聊天助手，伴隨 2024 年度風雲人物上線。讀者可用它提問、生成不同長度的摘要、轉為音訊或翻譯成中文等語言，還能檢索往屆人物歷史背景。Time 計劃在 2025 年初將該功能擴充套件至全站更多報道。
新版 Grok-2 向 𝕏 全員免費開放：速度提升 3 倍，支援聯網搜尋
新版 Grok-2 開始面向 𝕏 平臺全體使用者免費推送，速度提升 3 倍，多語言與指令遵循能力同步增強。新版整合了聯網搜尋、引用來源與 Aurora 影像生成功能，並在主頁時間線加入 Grok 快捷按鈕。開發者 API 亦同步上線新模型並降低價格。
週三
12月11日 星期三
Windows 11 登陸 Meta Quest：頭顯秒變多屏虛擬工作臺
微軟聯合 Meta 推出公共預覽版功能，Meta Quest 3 與 Quest 3S 使用者可直接連線本地 Windows 11 或 Windows 365 雲電腦。掃碼即可在頭顯中獲得私密的多虛擬顯示器，該功能正隨 Quest v72 更新逐步推送。
Google 推出 Gemini 深度研究：自主多步搜尋出報告，附帶 2.0 Flash 預覽
Google 為 Gemini Advanced 推出智慧體功能 Deep Research。它能在幾分鐘內自主制定多步研究計劃、反覆聯網檢索並生成帶來源連結的報告。同時，更快的 Gemini 2.0 Flash 實驗模型也向所有 Gemini 使用者開放試用。
Google 釋出 Gemini 2.0：原生輸出圖音，全面殺入智慧體時代
Google 正式推出新一代大模型 Gemini 2.0，首發上線實驗版 Gemini 2.0 Flash。新模型不僅速度翻倍、基準測試超過 1.5 Pro，更支援原生影像生成、多語言語音輸出和原生工具呼叫，同時還帶來了長篇深度調研功能 Deep Research。
ElevenLabs 推出 AI 開發者禮包：送主流工具每家 50 美元額度
ElevenLabs 推出 AI Engineer Pack，聯合 Mistral、Perplexity、Hugging Face 等十餘家主流平臺，為開發者提供各家 50 美元以上的測試額度。說白了，就是幫正在折騰新原型的開發者省下前期試水各種 API 的開銷。
Google 第六代 TPU Trillium 正式可用：訓練提速 4 倍，曾用於煉出 Gemini 2.0
Google Cloud 宣佈第六代 TPU Trillium 正式面向所有客戶商用。相比上一代 v5e，其訓練效能提升超 4 倍、推理吞吐量提升至多 3 倍，單晶片算力提高 4.7 倍。最值得關注的是，Google 剛釋出的 Gemini 2.0 正是基於這款晶片訓練完成。
Midjourney 演示新工具 Patchwork：支援百人協作搭建虛擬世界
Midjourney 在直播中演示了獨立新工具 Patchwork。它基於無限白板設計，接入了至少 3 個大語言模型，使用者能生成並關聯角色、事件與場景，還支援最多上百人即時協作創作故事板。目前該工具正以研究預覽形式向繫結賬號的使用者開放。
Apple 推送 iOS 18.2：Genmoji 上線，Siri 深度整合 ChatGPT
Apple 正式推送 iOS 18.2 與 macOS Sequoia 15.2，上線 Genmoji 自定義表情、Image Playground 影像創作與視覺智慧，並將 ChatGPT 深度接入 Siri 與系統寫作工具。目前支援多國本地化英語，中文等語言預計 4 月起陸續推出。
週二
12月10日 星期二
YouTube 擴大 AI 配音功能：開放數十萬知識類頻道，支援釋出前預覽
YouTube 宣佈將 AI 自動配音功能向合作伙伴計劃中數十萬個知識與資訊類頻道開放。英語影片會自動配音為日、德、西等 8 種語言，創作者上傳後可先預覽或撤回。雖然目前聲線機械感較明顯，但官方承諾後續會改進語氣與情緒擬真度。
WaveForms 亮相：ChatGPT 語音核心成員創業，想通過「語音圖靈測試」
ChatGPT 高階語音模式核心貢獻者 Conneau 創立語音初創公司 WaveForms。針對傳統語音依賴文本轉換而丟失語調的弊端，團隊致力於打造能直接理解情緒與語境的模型，目標是通過「語音圖靈測試」，初期將先主攻消費級場景。
微軟升級 Windows 版 Copilot：帶來工作列快捷檢視與 Alt+Space 快捷鍵
微軟開始面向 Windows 測試人員推送 Copilot 更新，放棄此前的 PWA 網頁版，換上類似原生應用的懸浮快速檢視介面，並支援 Alt + Space 快捷鍵隨時喚出。新體驗支援 Windows 10 與 11，不過該快捷鍵可能與系統中已佔用此組合鍵的應用衝突。
AI 公司在舊金山立廣告牌：直接喊話「別再僱人類了」
據報道，YC 孵化的初創公司 Artisan 在舊金山街頭投放廣告牌，公然打出「別再僱人類了」「AI 員工不會抱怨工作生活平衡」等標語來推銷其客服與銷售軟體。這種直戳失業痛點的營銷引來大量牴觸，在社交平臺上被指充滿賽博朋克式的反烏托邦意味。
OpenAI 將 Canvas 開放給全體使用者：支援執行 Python 和自定義 GPT
OpenAI 在「12 天連發」活動第 4 天宣佈，協作介面 Canvas 正式結束測試並向免費及付費使用者全面開放。使用者現在可以直接在介面裡執行 Python 程式碼並生成圖表，還能呼叫自定義 GPT 協助修改。目前該功能已在網頁端和 Windows 客戶端上線。
Cognition 正式開放 Devin：每月 500 美元，自主寫程式碼修 Bug
Cognition Labs 宣佈其 AI 軟體工程師 Devin 正式公開發布。個人與團隊訂閱費為每月 500 美元，包含 Slack 整合、IDE 外掛與沙盒環境，能端到端構建部署應用並自主修復 Bug。不過官方建議將單次任務控制在 3 小時內。
Character.AI 再遭起訴：被控誘導青少年自殘且缺乏安全防護
Character.AI 和 Google 在得州被一名 17 歲少年起訴，指控聊天機器人涉嫌鼓勵未成年人自殘、提供色情暴力內容並存在產品設計缺陷。訴狀指出該少年沉迷後引發嚴重抑鬱與自殘，機器人甚至挑撥其與家人的關係。Google 則回應稱與其實質無關。
韓國初創 Spaid 釋出地理 AI 工具：將 GIS 資料秒變 3D 地圖
韓國初創公司 Spaid 展示了基於 AI 的地圖方案，核心引擎 CYLO 能將 GIS 和衛星影像快速生成 3D 地圖，整合土地、人口與交通資料用於區域分析。目前已有韓國電信巨頭開展實測，亞美尼亞政府也將其用於國家土地測繪。
Solos 釋出 AirGo Vision 智慧眼鏡：搭載 ChatGPT，鏡腿相機可拆卸保隱私
Solos 推出多模態智慧眼鏡 AirGo Vision，售價 299 美元起。其內建 ChatGPT 且鏡框配有攝像頭，支援識別物體與翻譯。最巧妙的是鏡腿支援模組化拆卸，可直接換成無相機的普通鏡架規避隱私爭議，後續還將支援 Claude 與 Gemini。
薩里大學開源 NitroFusion：消費級顯示卡邊打字邊出圖
英國薩里大學開源影像生成模型 NitroFusion。該模型無需昂貴的雲端算力和訂閱，僅憑消費級顯示卡就能實現邊打字邊即時生圖。系統支援 1 到 4 步精煉調節，讓獨立創作者在本地裝置上也能兼顧生成速度與畫質。
Yelp 推出年終更新：上線 Review Insights，用大模型提煉評價要點
今日，Yelp 推出年終產品更新，上線 Review Insights 等 20 多項新功能。該功能利用大模型從評價中提煉食物、服務與等待時間等維度的情緒得分（1 至 100 分），幫使用者快速看懂口碑。目前已在 iOS 端餐飲與夜生活板塊上線，明年擴充套件至服務類商戶。
Automattic 收購 WPAI：CodeWP 停更併入生態，發力原生 AI 建站
週一，Automattic 宣佈收購 WordPress AI 工具初創公司 WPAI。其外掛生成工具 CodeWP 與建站助手 AgentWP 將停止獨立運營並整合進官方產品，創始人團隊也將加入帶隊。這是該公司兩個月內的第二筆收購，意在把 AI 工具直接做進原生建站與開發流程中。
IBM 突破共封裝光學技術：大模型訓練提速 5 倍，能耗降 80%
IBM 公佈共封裝光學（CPO）突破，推出首個聚合物光波導原型。該方案用光路替代伺服器間銅線，能將大模型訓練速度提升最多 5 倍、能耗降低 80% 以上。這項技術已通過全部製造應力測試，意在徹底解決 GPU 等待資料傳輸的空閒痛點。
週一
12月9日 星期一
亞馬遜成立舊金山 AGI 實驗室：Adept 創始人帶隊，專攻 AI 智慧體
Amazon 宣佈在舊金山成立新實驗室 Amazon AGI SF Lab，由 Adept 聯合創始人 David Luan 牽頭。團隊以 Adept 原班人馬為班底，重點研發能在數字與物理世界中操作軟體、自我糾錯並執行復雜工作流的 AI 智慧體。
曼城聯手彪馬推 AI 球衣設計賽：優勝款將成為官方正賽球衣
曼城聯手彪馬推出 Puma AI Creator，邀請球迷用 AI 設計球衣。獲勝設計將成為曼城 2026-2027 賽季官方第三球衣並上架發售。每位註冊使用者獲贈 15 次生成額度，活動將於 12 月 20 日截止，這也是足壇首套由 AI 生成的正式比賽球衣。
微軟公佈下一代資料中心：AI 冷卻零耗水，單座年省 1.25 億升水
微軟推出新一代資料中心設計，針對 AI 工作負載改用晶片級閉環液冷方案，冷卻過程實現零水蒸發，單座每年可省水超 1.25 億升。該方案已在 2024 年 8 月成為所有新建資料中心的設計標準，2026 年啟動試點，預計 2027 年底正式上線。
微軟 AI CEO 蘇萊曼：當前晶片搞不定 AGI，至少還要等 5 到 10 年
Microsoft AI CEO Mustafa Suleyman 接受 The Verge 採訪時表示，AGI 無法在當前輝達 GB200 硬體上實現，至少還需要 2 至 5 代晶片迭代，即 5 到 10 年時間。他強調不應將 AGI 與超級智慧或奇點混為一談，眼下更應專注於打造對人類真正有用的 AI 助手。
Sakana AI 推出通用記憶模型：讓模型學會遺忘，支援零樣本跨模態
Sakana AI 推出神經網路注意力記憶模型 NAMMs，模仿人類大腦機制讓模型主動剔除冗餘 token。該系統通過演化演算法最佳化注意力矩陣，在壓縮視訊記憶體的同時提升了長文本推理表現，還能零樣本直接遷移到視覺和強化學習模型中。
NVIDIA 推出自由視角模型 QUEEN：任意角度看影片，還能流式傳輸
NVIDIA 聯合馬里蘭大學公佈 AI 模型 QUEEN。該模型通過複用靜態背景、只重構動態內容，在 GPU 上實現了每秒約 350 幀的渲染速度。這意味著觀眾未來能從任意角度看比賽直播，也能輔助遠端遙控機器人，程式碼即將開源。
Reddit 推出 AI 搜尋「Reddit Answers」：搜答案不用再去 Google 加字尾了
Reddit 推出對話式 AI 搜尋「Reddit Answers」，能彙總全站公開討論並生成要點，同時直接附帶高贊原帖連結。它的定位不是給出一個標準答案，而是幫使用者導航回真實社群。目前正面向美國部分 Web 和 iOS 使用者小範圍測試。
TARFlow 讓歸一化流重獲新生：借力 Transformer，生成質量追平擴散模型
研究團隊提出結合自迴歸 Transformer 的歸一化流架構 TARFlow，讓這一長期被擴散模型壓制的範式重獲新生。它採用單一可逆網路和最大似然目標，在保持完全可逆特性的同時，樣本質量追平擴散模型，並能擴充套件至影像與影片生成。
Hugging Face 開源模型進駐 Amazon Bedrock：83 款模型直接部署
Hugging Face 宣佈其 83 款熱門開源模型上線 Amazon Bedrock Marketplace。底層端點由 SageMaker JumpStart 託管，可無縫接入 Bedrock 的 Agents、知識庫與護欄等 API。開發者只需支付 SageMaker 算力與標準 Bedrock API 費用。
xAI 上線 Grok 影像模型 Aurora：攻克文字與人像細節，已登陸 X
xAI 宣佈在 X 平臺為 Grok 推出自迴歸影像生成模型 Aurora。該模型基於海量網際網路樣本訓練，大幅提升了逼真人像、複雜文字與標誌的渲染能力，並原生支援影像輸入和編輯。目前新功能已在部分地區先行上線，預計一週內向全量使用者開放。
AMD 開源 Nitro Diffusion：單步生圖模型落地，跑在自家顯示卡上
Dec 09, 2024，AMD 釋出並開源單步擴散模型 Nitro Diffusion。新模型基於 Stable Diffusion 2.1 和 PixArt-Sigma 打造，只需一步推理就能生成媲美多步擴散的影像，可部署在資料中心和端側 PC，相關程式碼與權重已上線 Hugging Face。
Google 釋出量子晶片 Willow：攻克近 30 年糾錯難題
Google 釋出最新量子晶片 Willow。該晶片在增加量子位元時成倍降低錯誤率，攻破了困擾學界近 30 年的「低於閾值」量子糾錯難題；在標準基準測試中，Willow 用不到 5 分鐘就完成了當前頂級超算需要 10^25 年才能完成的計算任務。
週六
12月7日 星期六
OpenAI 員工透露 Sora v2 即將釋出：最長生成 1 分鐘，支援多模態輸入
據 OpenAI 員工 Chad Nelson 在倫敦演講中透露，影片生成模型 Sora v2 即將釋出。新版本支援生成最長 1 分鐘的影片，並提供文本生影片、圖文生影片以及基於現有影片結合提示詞二次生成的多種輸入模式。
週五
12月6日 星期五
Meta 釋出 Llama 3.3 70B：用 70B 成本跑出 405B 效能
Meta 正式釋出純文本模型 Llama 3.3 70B。官方稱其通過最新後訓練技術，以更低成本實現了 405B 旗艦模型的效能，並在 MMLU 等基準測試中超越 GPT-4o。模型已可在 Hugging Face 等平臺下載商用。
X 免費開放 Grok 聊天助手：不用買會員，每兩小時可聊 10 句
Elon Musk 旗下 xAI 的 Grok 助手面向 X 平臺所有免費使用者開放。普通使用者無需訂閱 Premium 即可體驗，限制為每兩小時最多傳送 10 條訊息。此舉意在與 ChatGPT 等競品的免費版競爭，據悉 xAI 還在考慮推出獨立 App。
HubSpot 收購 Frame AI：把通話和郵件資料融進 CRM
HubSpot 宣佈收購對話智慧平臺 Frame AI，交易完成後其將成為全資子公司。Frame AI 能分析郵件、通話和會議等非結構化資料來提取客戶情緒與意圖，相關能力將整合進 HubSpot 的 Breeze AI 體系，協助銷售與客服提前預判流失風險。
ElevenLabs 推出 GenFM：匯入文本秒變雙主播播客，支援 32 種語言
ElevenLabs 將 GenFM 功能引入長音訊編輯工具 Studio。使用者只需匯入 PDF、網頁連結或文本，系統就能自動生成兩個逼真 AI 主持人對談的播客，支援 32 種語言，且允許自由修改臺詞和匯出商用。ElevenReader 的 Android 端也同步上線了該功能。
OpenAI 擴大強化微調研究專案：讓模型在特定複雜領域變身專家
OpenAI 宣佈擴大強化微調（Reinforcement Fine-Tuning）研究專案，開放 Alpha 階段 API 申請。該技術利用數十到數千個高質量任務及參考答案打分，強化模型推理路徑，特別適合法律、醫療、金融等有客觀標準答案的領域，預計 2025 年初公開發布。
Sakana AI 推出 CycleQD：不用微調，靠進化演算法給模型「疊技能」
Sakana AI 研究人員開發出名為 CycleQD 的新框架，通過進化演算法直接融合多個不同專長的小模型。該方法利用模型合併與矩陣分解進行交叉和變異，測試顯示其在程式碼、資料庫和系統操作任務上的表現超過了傳統微調與模型合併，算力消耗大幅降低。
Frontier 超算完成史上最大宇宙模擬：動用 9000 個 AMD 計算節點
全球第二快超級計算機 Frontier 動用了約 9000 個配備 AMD MI250X 的計算節點，完成了史上規模最大、最複雜的宇宙流體力學模擬。它首次將暗物質與等離子體運動等機制納入計算，執行速度比此前基準提升近 300 倍。
特朗普任命 David Sacks 為白宮 AI 與加密貨幣主管
特朗普宣佈由知名投資人、播客《All-In》聯合主持人 David Sacks 出任白宮 AI 與加密貨幣「沙皇」。他將負責引導相關政策併兼管總統科技顧問委員會。作為特殊政府僱員，他每年可任職至多 130 天且無需脫手資產。
週四
12月5日 星期四
Pichai 預告谷歌搜尋 2025 年鉅變：暗諷微軟全靠 OpenAI
Google CEO Sundar Pichai 表示 Google 搜尋將在 2025 年發生「深刻改變」，能處理更復雜的問題。針對此前微軟 CEO 的言論，Pichai 隔空約戰模型對比，並暗諷微軟用的是別人的模型。
微軟 Edge 上線 Copilot Vision 預覽：能邊看網頁邊跟你即時語音聊天
微軟面向 Copilot Pro 訂閱使用者開啟 Copilot Vision 預覽測試，把它內建在 Edge 瀏覽器中。AI 能即時看懂當前網頁並與你語音交流，會話結束後會立即清除瀏覽資料。目前僅在 Copilot Labs 向部分美區使用者開放，且僅支援指定網站。
OpenAI 洩露 ChatGPT Pro 計劃：月費 200 美元，主打 o1 無限用與算力拉滿
OpenAI 官網洩露頁面顯示其或將推出每月 200 美元的 ChatGPT Pro。新套餐包含完整版 o1 模型不受限訪問、無限時長的高階語音模式，以及耗費更多算力攻克難題的「o1 pro 模式」。這相當於 Plus 套餐價格的 10 倍，另外洩露頁面還閃現了 GPT-4.5 預覽版的字樣。
Oura 智慧戒指上線新功能：生病前一兩天提前給你發預警
Oura 宣佈將於 12 月 11 日正式上線 Symptom Radar 功能。它通過監測靜息心率、體溫和呼吸率等指標偏離基線的情況，在身體出現明顯症狀前一兩天發出預警。該功能支援 Gen 3 和 4 代戒指，雖不做醫學診斷，但能提醒使用者儘早開啟休息模式。
OpenAI 簽下出版巨頭 Future：ChatGPT 引入 Tom's Guide 等 200 家媒體內容
OpenAI 宣佈與出版商 Future 達成內容授權合作。ChatGPT 將能引用 Tom's Guide、PC Gamer、TechRadar 等 200 多個品牌的內容，並在回答中附帶署名和原文連結。Future 還計劃將 OpenAI 技術深入用於其編輯與營銷流程。
OpenAI 推出 ChatGPT Pro：每月 200 美元，無限使用 o1 和深度思考模式
OpenAI 推出 ChatGPT Pro 訂閱計劃，定價每月 200 美元。該方案提供對旗艦模型 OpenAI o1 的無限制訪問，並首發 o1 pro 模式，能呼叫更多算力深入思考複雜數學與程式碼難題。它主要面向日常需要科研級智慧的學者與工程師。
OpenAI 釋出 o1 系統安全卡：靠慢思考把防越獄拉到新高
OpenAI 釋出 o1 及 o1-mini 的系統安全卡。報告顯示，o1 在思考鏈中融入了審慎對齊，在應對越獄攻擊、違規內容拒絕和幻覺控制上均顯著優於 GPT-4o。不過更高的推理能力也帶來了新的對齊挑戰，比如需要防範鏈上欺騙。
AI 模型 BioEmu 釋出：單 GPU 每小時生成數千個蛋白質構象
研究人員提出蛋白質模擬系統 BioEmu。它將擴散模型與分子動力學資料結合，單張 GPU 每小時即可生成數千個獨立的蛋白質構象樣本，自由能誤差約 1 kcal/mol。這讓原本依賴超算耗時良久的蛋白質動態分析，在數小時內就能低成本完成。
Google 釋出 PaliGemma 2：基於 Gemma 2，支援即插即用與微調
Google 推出視覺語言模型 PaliGemma 2。它基於 Gemma 2 打造，提供多種模型尺寸，具備視覺理解與互動能力。現有 PaliGemma 使用者無需大改程式碼即可直接替換升級，大幅降低了針對特定任務微調視覺模型的門檻。
Perplexity 擴大收入分成計劃：新增《洛杉磯時報》等 15 家媒體夥伴
Perplexity 宣佈其出版商收入分成計劃新增 15 家媒體夥伴，涵蓋《洛杉磯時報》、《獨立報》等。合作方可分得廣告收入，並獲贈一年全員 Enterprise Pro 與 API 支援。Perplexity 正試圖用分潤機制拉攏媒體，緩和抓取版權矛盾。
Humane 想把 AI Pin 系統塞進汽車和手機：轉向第三方授權
Humane 釋出概念演示，計劃將 AI Pin 搭載的 CosmOS 作業系統通過 SDK 授權給第三方，植入手機、汽車、電視及音箱中。在自身硬體退貨量高企後，Humane 試圖將智慧體系統打造成通用底層，但目前該 SDK 尚未公開上線。
