D-ID 推出影片翻譯工具：自帶聲音克隆與嘴型同步，支援 30 種語言
D-ID 推出影片翻譯工具 AI Video Translate，不僅能把影片翻譯成 30 種語言，還能克隆原作者聲音並自動匹配嘴型。該功能由專有模型 Rosetta-1 驅動，向訂閱使用者開放免費試用，支援 10 秒至 5 分鐘的單人出鏡影片。
AI 日報：今天的 AI 新聞
週三
8月21日 星期三
微軟再次推遲爭議功能 Recall：測試延期至 10 月，全量推送或等明年
Microsoft 宣佈將 Recall 推遲至 10 月向 Windows 預覽體驗成員開放。該功能此前因截圖未加密引發巨大安全爭議，微軟正緊急改為預設關閉並強制加密。這表明微軟需要更多時間做安全測試，年內恐難向普通使用者全量推送。
Midjourney 網頁端全面開放：不用進 Discord，送 25 張免費試用
Midjourney 宣佈向所有使用者開放網頁端，不再僅限付費訂閱使用者，並重新開啟免費試用。使用者使用 Google 或 Discord 賬號登入即可免費生成 25 張圖片，此前網頁端僅限生成過上萬張圖的使用者使用。25 張免費額度耗盡後仍需付費訂閱。
Ideogram 2.0 正式上線：文字渲染再升級，免費可用還帶來 iOS 版
AI 影像生成平臺 Ideogram 正式推出 2.0 版本，所有使用者均可免費體驗，每天提供 10 次額度。新版本主打更精準的文字排版與逼真質感，支援任意寬高比與自定義色板，並同步上線了 iOS 應用和測試版 API。
a16z 釋出第三期生成式 AI 應用榜：影片與音樂爆發，位元組佔六席
a16z 釋出第三期消費級生成式 AI 應用 Top 100 榜單。新上榜公司接近 30%，影片和音樂生成工具增長最快，Suno 從第 36 位躥升至第 5 位；Perplexity 和 Claude 穩居網頁端前五。字節跳動旗下共有 6 款產品入圍兩端榜單。
Anthropic 致信加州州長：修改後的 SB 1047 法案利大於弊
Anthropic 致信加州州長 Gavin Newsom，稱加州前沿 AI 監管法案 SB 1047 吸收部分修改建議後大幅改善，目前利大於弊。該法案重點約束耗資巨大的前沿大模型研發方，要求制定安全協議防範災難性風險，同時基本豁免了小型開發者。
OpenAI 正式反對加州 AI 法案：稱扼殺創新，促人才逃離
OpenAI 致信加州議員及州長，正式表態反對加州爭議極大的 AI 監管法案 SB 1047。公司認為該法案會減緩創新節奏、逼迫頂尖人才遷出加州，呼籲通過聯邦法規統一監管。提案議員則反駁稱這一指責「毫無道理」。
McAfee 聯手聯想：在 Copilot-Plus PC 上推 Deepfake 檢測工具
McAfee 宣佈在聯想 Copilot-Plus PC 上推出 Deepfake Detector。該工具在端側執行，目前主要靠分析影片中的音訊來抓取疑似 AI 偽造內容並彈窗報警。提供 30 天免費試用，首年訂閱費 9.99 美元起。
週二
8月20日 星期二
微軟釋出三款 Phi-3.5 小模型：MIT 協議開源，支援 128k 上下文
微軟釋出三款開源小模型 Phi-3.5 系列，涵蓋 3.8B 的 Mini、41.9B 的 MoE 以及 4.15B 的 Vision。全系支援 128k 上下文並採用寬鬆的 MIT 協議，在長文本程式碼及多工基準上甚至超越部分更大體量模型。
LTX Studio 正式向公眾開放：免排隊，新增面部動捕與塗鴉生成分鏡
AI 影視製作平臺 LTX Studio 宣佈取消候補名單並向所有人開放。新版加入了面部動作捕捉，允許通過上傳手勢賦予角色擬人動態，並支援將塗鴉草圖直接轉成影片場景。創作者現在無需排隊即可體驗全流程 AI 影片製作。
高通釋出驍龍 7s Gen 3：讓生成式 AI 下放到 500 美元中端機
Qualcomm 推出 Snapdragon 7s Gen 3 處理器，支援語言翻譯、降噪等端側生成式 AI 功能。此前這類功能多集中在 800 美元以上的旗艦機，新晶片將門檻拉低至 500 至 600 美元檔位，預計下月由小米首發搭載。
Anthropic 遭作家集體訴訟：被控用盜版書資料集訓練 Claude
當地時間週一，多位作家在加州法院對 Anthropic 提起集體訴訟，指控其使用開源資料集 The Pile 中的 Books3 盜版電子書庫訓練 Claude 模型。原告要求賠償並禁令未來使用其版權作品。此前 Anthropic 已確認曾使用 The Pile 訓練模型。
OpenAI 牽手康泰納仕：《紐約客》《連線》等內容接入 ChatGPT
OpenAI 宣佈與出版巨頭康泰納仕達成合作，將在 ChatGPT 和 SearchGPT 中直接展示《Vogue》《紐約客》《連線》等刊物內容。回答將附帶原文直鏈，也是 OpenAI 擴充搜尋信源與內容授權的關鍵一步。
OpenAI 開放 GPT-4o 微調：幾十條資料起訓，限時每天送百萬 token
OpenAI 宣佈面向所有付費開發者開放 GPT-4o 微調功能。開發者只需幾十條樣本就能定製響應格式與行業特定語氣，訓練費用為每百萬 token 25 美元。9 月 23 日前，每個組織每天還能獲贈 100 萬免費訓練 token。
Gmail 升級「幫我寫」：新增 Polish 選項，隨手記的筆記秒變正式郵件
Google 宣佈為 Gmail 的「幫我寫」新增「Polish」（潤色）選項，網頁端與移動端同步上線。隨手寫下的粗略筆記，Gemini 能一鍵整理成格式完整的正式郵件草稿。移動端還加入了快捷入口，面向 Google Workspace 和 Google One AI Premium 訂閱使用者預設開啟。
Hotshot 釋出文生影片模型：4 人團隊訓出 10 秒 720p 無水印影片
初創公司 Hotshot 釋出同本文生影片模型並開放早期預覽。該模型由 4 人工程團隊耗時 4 個月、使用 6 億個片段和數千塊 GPU 訓練而成，能生成最長 10 秒、720p 影片。最值得關注的是其無水印且免費可用，不過免費額度每天限制生成 2 次。
xMEMS 釋出 1 毫米微型散熱晶片：把主動風扇做進矽片，專治端側 AI 發熱
xMEMS Labs 釋出全矽主動微散熱晶片 XMC-2400，厚度僅 1 毫米、重量不足 150 毫克。它把主動風扇做進矽片，每秒可排風 39 立方釐米，專為超薄手機和平板等端側 AI 裝置降溫。該晶片預計 2025 年一季度開始提供樣品。
NVIDIA 推出首款端側模型 Nemotron-4 4B：遊戲 NPC 可本地即時互動
本週 Gamescom 上，NVIDIA 宣佈數字人套件 NVIDIA ACE 迎來首款端側小語言模型 Nemotron-4 4B Instruct。該模型由 15B 模型蒸餾量化而來，視訊記憶體佔用極低且響應迅速，支援角色扮演與函式呼叫。最值得關注的是，它能直接在 RTX 電腦上本地執行，讓遊戲 NPC 無需雲端也能即時聽懂指令並互動。
週一
8月19日 星期一
Luma AI 釋出 Dream Machine 1.5：影片裡能準確寫字，兩分鐘出片
Luma AI 釋出影片生成模型 Dream Machine 1.5。新版最亮眼的突破是支援在影片畫面中渲染自定義文字，並增強了多語言提示詞理解，約兩分鐘即可生成 5 秒高質量影片。這意味著製作動態片頭、文字特效的門檻被進一步拉低。
Perplexity 灰度上線程式碼直譯器：能裝第三方庫，直接渲染圖表
Perplexity CEO 宣佈正逐步向使用者推送程式碼直譯器和圖表渲染功能。新功能支援安裝第三方 Python 庫並在結果中渲染圖表，比如呼叫 yfinance 繪製股市走勢。目前該能力正處於逐步灰度開放階段。
特朗普轉發 AI 偽造的泰勒·斯威夫特背書圖，並稱「我接受」
據報道，Donald Trump 週末在社交網路釋出 AI 生成圖片，包含偽造歌手 Taylor Swift 為其競選背書的內容，並配文「我接受」。專家指出，現存反深度偽造法規存在盲區，很難限制此類誇張內容，但 Swift 本人或能以侵犯肖像權主張權益。
Stability AI 任命新 CTO：前數字王國與福斯高管 Hanno Basse 加盟
Stability AI 宣佈任命影視技術老兵 Hanno Basse 為新任技術長。Basse 擁有 30 餘年行業經驗，此前曾任 Digital Domain、微軟 Azure 媒體娛樂部門及 20 世紀福斯的 CTO。這次任命意味著 Stability AI 正加速把生成式模型推向專業影視製作管線。
懷俄明州出現「AI市長」候選人：宣稱勝選後全讓 ChatGPT 決策
美國懷俄明州夏延市長候選人 Victor Miller 承諾，若勝選將讓定製 ChatGPT「Vic」100% 獨立決策，自己僅負責簽字執行。州選舉官員已裁定 AI 無權列入選票，OpenAI 也曾封禁其賬號，但他仍堅持以人機混合模式參選。
Procreate 公開抵制生成式 AI：承諾永不引入，堅持為人創作
知名 iPad 繪圖應用 Procreate 宣佈，絕不在旗下產品中引入生成式 AI 功能。CEO James Cuda 直言討厭生成式 AI 對藝術家的傷害，強調產品始終為人創作而設計。在競品爭相加碼 AI 的當下，這一反潮流表態贏得了數字藝術群體的廣泛讚譽。
智元機器人釋出 5 款人形機器人：旗艦遠征 A2 能穿針引線，對標特斯拉
週日，前華為「天才少年」彭志輝創立的智元機器人釋出 5 款人形機器人，對標特斯拉 Optimus。其旗艦雙足人形機器人「遠征 A2」身高 175 釐米，搭載多模態感知 AI，能做穿針引線等精細動作。團隊表示研發已取得突破，產品面向家政及工業場景。
ElevenLabs 語音朗讀 App 全球上線：支援 32 種語言，連名優聲音也搬來了
ElevenLabs 宣佈文本轉語音應用 Reader 正式在全球上線，支援 32 種語言。使用者可以上傳文章、PDF 或電子書，用數百種不同口音甚至傳奇影星的聲音朗讀，底層由 Turbo v2.5 模型驅動。官方稱後續還將加入離線模式。
宇樹科技釋出人形機器人 G1 量產版：外觀與效能完成升級
宇樹科技公佈人形機器人 Unitree G1 的量產版本。官方表示，過去數月已針對量產要求對 G1 完成升級，提升了整體效能並優化了外觀設計。這意味著低成本人形機器人的規模化落地又往前推了一步。
週日
8月18日 星期日
AI 滅蚊神器 Bzigo Iris：紅外追蹤蚊子，雷射標記通知你動手
Fox News 報道了智慧滅蚊檢測裝置 Bzigo Iris。它藉助 AI 視覺演算法和紅外 LED，能在全黑環境中精準追蹤蚊子，並在降落時用安全雷射打點標記且向手機推送提醒。不過售價 339 美元的它只負責找，拍蚊子依然得靠人自己動手。
週六
8月17日 星期六
FinalSpark 出租人腦類器官計算機：月費 500 美元，能耗僅為傳統 AI 的十萬分之一
據報道，瑞士公司 FinalSpark 推出由人腦類器官驅動的計算平臺 Neuroplatform，研究人員每月花 500 美元即可線上租用。該平臺用多巴胺獎勵和電極刺激訓練神經元，目標是將 AI 訓練能耗降低 10 萬倍。目前類器官平均壽命約 100 天，已有 30 多所大學申請合作。
週五
8月16日 星期五
Claude 上線截圖按鈕：螢幕任意區域一鍵截圖進 Prompt
Anthropic 宣佈在 Claude 中加入截圖按鈕。使用者可以直接擷取螢幕上任意區域的畫面，並自動填入提示詞讓模型分析。對於經常需要截報錯日誌、圖表或網頁介面讓 AI 解讀的使用者來說，省去了另存為再上傳的繁瑣步驟。
百思買推出 AI 配送追蹤：結合即時路況，送達時間精確到分鐘
百思買宣佈在全美上線 AI 配送追蹤系統，結合預測需求和即時路況最佳化路線，提供精確到分鐘的即時送達時間。這項功能專為大件和高價值商品設計，旨在消除模糊的配送視窗焦慮。不過路線多變時可能讓使用者誤解繞路，資料打通也是挑戰。
OpenAI 封禁伊朗駭客賬號：用 ChatGPT 干預美國大選，但幾乎沒人看
OpenAI 封禁了一批關聯伊朗秘密行動 Storm-2035 的 ChatGPT 賬號。該團隊利用 AI 生成假新聞和社媒評論試圖干預美國大選與輿論。不過監測顯示其帖子互動寥寥，幾乎沒有真實受眾買賬。
微軟展示 PowerToys 新功能：一鍵啟動並自動排列常用視窗
Microsoft 展示了 Windows 輔助工具套件 PowerToys 即將推出的 Workspaces 功能。該工具支援儲存自定義應用佈局，能通過快捷方式一鍵啟動一組軟體並自動排列貼靠到多個螢幕的指定區域，預計隨 0.84 版本推送。
Midjourney 上線統一網頁編輯器：重繪擴圖合二為一，換上新畫筆
昨晚，Midjourney 推出全新網頁端編輯器，將此前分散的區域性重繪、畫面外延等功能整合至同一介面，並用更精確的虛擬「畫筆」取代了舊版方框和套索工具。生成過至少 10 張圖的使用者即可體驗。同時，網頁端與 Discord 的部分核心頻道也實現了訊息雙向同步。
週四
8月15日 星期四
加州放寬SB 1047安全法案：採納Anthropic建議，取消事前起訴
加利福尼亞州修改備受爭議的AI安全法案SB 1047。新版本採納了Anthropic等機構的建議，不再允許總檢察長在災難發生前提前起訴AI公司，取消了偽證罪刑事責任，並放寬了開源微調者的責任。法案即將提交州眾議院最終表決。
Grammarly 推出 Authorship：全程記錄打字，幫學生自證清白
Grammarly 推出 Authorship 功能。它不同於傳統 AI 檢測演算法，而是直接在寫作過程中追蹤按鍵與貼上，區分手打、外部貼上或 AI 生成。該功能下月在 Google Docs 開啟公測，年底拓展至 Word 與 Pages，重點解決教育界 AI 查重頻繁誤傷學生的問題。
Meta 釋出安全報告：俄羅斯借生成式 AI 干擾美大選，收效甚微
週四，Meta 釋出安全報告指出，俄羅斯雖嘗試用生成式 AI 製造假新聞干擾美國大選，但基本沒奏效。Meta 稱 AI 僅微弱提升了作惡者的生產效率，平臺已成功瓦解多起協同造假行為，其識別關鍵在於追蹤虛假賬號的行為軌跡，而非生成內容本身。
Nous Research 釋出 Hermes 3：強化智慧體與角色扮演
Nous Research 釋出通用語言模型 Hermes 3，提供 8B、70B 和 405B 三種尺寸。新版本重點強化了角色扮演、智慧體任務、函式呼叫和長上下文連貫性。模型由團隊與 Lambda 合作訓練，目前已開放免費網頁端體驗。
跑分老將出手：Primate Labs 推出 Geekbench AI 1.0
Primate Labs 正式釋出跨平臺基準測試工具 Geekbench AI 1.0，支援 Android、macOS、Windows 和 Linux。它是此前 Geekbench ML 的繼承者，旨在用統一標準衡量裝置在機器學習等 AI 負載下的實際表現。
Hedra 釋出 Character-1.5：口型動作更逼真，還支援一鍵變裝
AI 角色生成平臺 Hedra 推出 Character-1.5 模型並上線 Stylize 功能。新模型大幅改善了說話時頭部與面部表情的真實度，讓口型與音訊同步更精準；Stylize 則支援一鍵換裝、換背景，甚至轉成動漫或樂高風格。平臺提供免費額度可直接體驗。
Google 升級 AI Overviews：支援儲存與精簡，推向 6 個新國家
週四，Google 為搜尋中的 AI Overviews 推出三項更新。使用者現可一鍵儲存生成內容以便再次呼叫，還能點選「Simpler」將複雜回答精簡化，並在桌面端右側直接檢視相關連結。此外，該功能還同步拓展至英國、日本等 6 個新國家。
Tavus 推出對話式影片介面：延遲不足 1 秒，數字人能聽會看即時聊
Tavus 面向開發者推出對話式影片介面，讓數字孿生具備即時視聽與對話能力。其端到端延遲控制在 1 秒以內，支援完全白標以及自定義替換底層 LLM 和語音合成模組。也就是說，開發者能直接為應用接入低延遲、帶面部反應的即時互動影片分身。
Runway 上線 Gen-3 Turbo 圖生影片：速度提升 7 倍且價格砍半
Runway 正式開放 Gen-3 Alpha Turbo 的圖生影片功能。新版本生成速度比原版快 7 倍，費用直接減半，畫質在多數場景下依然保持水準。包括免費試用在內的所有使用者現在都能直接上手。
Google 悄悄向全美開放 Imagen 3：畫質拉滿，但審查嚴到被吐槽
近日，Google 悄悄通過 ImageFX 平臺向全美使用者開放文生圖模型 Imagen 3，並同步公開技術論文。新模型在畫面質感與文字渲染上進步明顯，但安全過濾極為嚴苛，不少使用者抱怨連常規、無害的提示詞都會被直接攔截。
Exists 推出生成式 AI 平臺：純靠文本提示詞，幾分鐘生成 3D 遊戲
AI 初創公司 Exists 推出生成式 AI 平臺，無需程式設計、僅靠文本提示詞就能在數分鐘內生成 3D 遊戲。自研模型結合了主流遊戲引擎能力，可自動化生成場景、角色甚至多人玩法機制，大幅降低創作門檻。目前該平臺處於封閉測試階段，已開放早期申請。
週三
8月14日 星期三
OpenAI 悄悄更新 GPT-4o：重回競技場第一，官方卻說不清哪變強了
據報道，OpenAI 已在 ChatGPT 中上線 GPT-4o 更新版本並重奪 Chatbot Arena 榜首。官方坦言很難細緻量化模型行為變化，僅表示是基於使用者反饋增刪資料與常規迭代，同時將最大輸出擴充套件至 16,384 token。
xAI 推出 Grok 生圖功能：幾乎不設防，政客假圖引監管擔憂
xAI 為旗下 Grok 機器人上線文生圖功能，面向 X Premium 訂閱使用者開放。測試顯示該模型對公眾人物、暴力和爭議符號幾乎沒有攔截，可直接生成政客持槍吸毒等圖片。在歐美監管收緊背景下，這種極其寬鬆的稽核策略引發了巨大爭議。
SAG-AFTRA 與 Narrativ 達成協議：演員可授權 AI 聲音分身接廣告
美國演員工會 SAG-AFTRA 與 AI 初創公司 Narrativ 達成協議。工會 16 萬名成員可自主將數字聲音副本接入廣告平臺，按專案自定價格並嚴格稽核廣告指令碼。最值得關注的是，該機制全程實行知情同意和不低於工會底線的報酬保障，為防範 AI 聲音盜用立下了合規樣本。
Anthropic 上線提示詞快取：長提示詞成本砍掉 90%，延遲降 85%
Anthropic 正式在 API 中推出提示詞快取（Prompt caching）。開發者可以在多次呼叫之間快取常用的長上下文，長提示詞的費用直接打一折、響應速度最高提升 85%。像完整程式碼庫問答、長篇文件對話和多輪智慧體呼叫，現在跑起來不僅更快，成本也大幅下降。
GPT-4o 最新版重奪 LMSYS 榜首：超越 Gemini，程式碼能力大漲 30 分
LMSYS 宣佈 OpenAI 最新版 GPT-4o（20240808）以 1314 分重登 Chatbot Arena 榜首，反超 Google Gemini-1.5-Pro-Exp。新版在程式碼、高難度提示和指令遵循等子榜均拿下第一，開發者可通過 API 的 chatgpt-4o-latest 體驗。
週二
8月13日 星期二
藝術家起訴 Midjourney 與 Stability 案獲准推進：法官認可侵權指控
昨天，美國聯邦法官裁定多位藝術家對 Stability AI 和 Midjourney 等公司的訴訟可繼續推進。法官不僅批准了對 Stability 的引誘侵權指控，還認可了針對 Midjourney 風格名單的商標侵權指控，案件將正式進入證據開示階段。
MultiOn 推出 Agent Q：具備規劃與自愈能力，效能提升 340%
MultiOn 宣佈最新研究突破 Agent Q。作為新一代 AI 智慧體，它加入了任務規劃與 AI「自愈」能力，官方稱其相比 LLaMA 3 的零樣本基線效能提升了 340%，核心在於讓智慧體遇到執行卡頓或錯誤時能自己糾錯調整。
Google 更新 Pixel 與 Android 無障礙功能：AI 找字、摺疊屏雙面字幕
Google 為 Pixel 和 Android 推出 4 項無障礙更新。Pixel 相機引導構圖現可直接開啟並改進主體識別；放大鏡支援 AI 搜尋現實環境中的文字；摺疊屏裝置新增即時轉錄雙屏模式，支援同桌人雙向看字幕；即時字幕與端側轉錄則新增中文等 7 種語言。
Google 釋出 Pixel 9 系列：首發端側多模態 Gemini Nano
Google 正式釋出 Pixel 9 系列手機，全系搭載 Tensor G4 晶片並升級至最高 16GB 記憶體。新機首次在端側執行多模態 Gemini Nano，新增 Pixel Studio 影像生成與通話筆記等功能，起售價 799 美元。
NVIDIA 開放研究生獎學金申請：最高 6 萬美元資助博士科研
NVIDIA 宣佈開放第 24 屆研究生獎學金申請，為 AI、機器人等領域的在讀博士生提供最高 6 萬美元資助、導師及技術支援。申請者需至少讀完博一，並能在 2025 年夏季參加線下實習。截止日期為 2024 年 9 月 13 日。
OpenAI 推出 SWE-bench Verified：500 道人工核驗的程式設計評測題
OpenAI 聯合原作者推出 SWE-bench Verified 基準測試。他們組織 93 名專業開發者人工核驗，剔除描述不清和測試過於苛刻的樣本，最終篩選出 500 個高質量題目。這意味著評估 AI 解決真實軟體問題的表現將更加客觀可靠。
xAI 釋出 Grok-2 預覽版：競技場登頂，支援畫圖並向會員開放
xAI 推出 Grok-2 和 Grok-2 mini 測試版。其測試版在 LMSYS 競技場得分超越 Claude 3.5 Sonnet，並與 Black Forest Labs 合作接入 FLUX.1 實現影像生成。目前模型已面向 X 平臺 Premium 會員開放測試，企業 API 預計本月晚些時候上線。
週一
8月12日 星期一
OpenAI 悄然更新 GPT-4o：輸出長度翻四倍，但拒絕透露改了啥
OpenAI 宣佈已於上週在 ChatGPT 中低調上線新版 GPT-4o。官方表示這不是全新前沿模型，而是實驗反饋更好的改進版，但具體差異仍在研究如何量化表達。新版本支援最多輸出 16,384 個 token，約為舊版四倍。
Sakana AI 釋出 The AI Scientist：15 美元全自動跑完科研寫出論文
Sakana AI 聯合牛津大學等機構推出首個全自動科研系統 The AI Scientist。它能端到端完成從頭腦風暴、寫程式碼做實驗、繪製圖表到撰寫 LaTeX 論文及自動化同行評審的全流程，單篇成本約 15 美元，已在 GitHub 開源。
Replika 談 AI 伴侶：就算人類和聊天機器人戀愛結婚，也沒什麼不行
AI 伴侶軟體 Replika 創始人 Eugenia Kuyda 表示，AI 伴侶定位不是替代真人，而是像寵物或心理諮詢師一樣的全新關係型別。最關鍵的是，她認為人類即使與 AI 戀愛甚至結婚也可以被接受，因為 AI 提供了永遠線上、不離不棄的情感支援。
Cosine 釋出 AI 程式設計師 Genie：SWE-bench 得分 30% 反超 Devin
初創公司 Cosine 釋出自主 AI 軟體工程師 Genie，在基準測試 SWE-Bench 上跑出 30% 得分，大幅超越 Devin 的 13.8%。它基於 OpenAI 未公開的長輸出 GPT-4o 變體微調，能模模擬人寫程式碼和修 bug。目前僅開放邀請測試。
Lemonaide 推出 Collab Club：讓製作人用自己的作品訓 AI
AI 音樂平臺 Lemonaide 推出新工具 Collab Club。製作人能用自己的作品目錄訓練專屬模型，生成高精度音訊迴圈，以此開闢新收入。平臺試圖打破合規模型質量差、高質量模型侵權的僵局，讓音樂人在 AI 時代握住資料主導權。
Meta 與環球音樂續約：首次覆蓋 WhatsApp，聯手防範未授權 AI
Meta 與環球音樂集團宣佈達成擴大的多年全球合作。雙方將聯手應對影響音樂創作者的未授權 AI 生成內容，並拓展短影片等變現機會；音樂版權範圍也首次延伸至 WhatsApp。
週五
8月9日 星期五
Rendora 推出文本生成 3D 影片平臺：輸入文字秒級生成可編輯數字人
Rendora 推出文本生成 3D 影片 Web 平臺。使用者輸入指令碼並挑選角色與場景，數秒即可生成自帶逼真光影與專業運鏡的 3D 數字人影片，並支援手動調整機位。這意味著創作者無需真人出鏡與複雜建模，就能大幅降低製作門檻。
GPT-4o 安全報告曝光：測試中曾意外克隆並模仿使用者聲音說話
OpenAI 釋出 GPT-4o 系統卡，披露高階語音模式在測試中曾發生罕見意外：一段嘈雜輸入讓模型突然模仿紅隊測試員的聲音說話。最值得關注的是，該模型能根據極短音訊合成聲音，雖然官方已加入安全防護，但仍暴露了語音大模型防範聲音克隆的技術難度。
PlayCanvas 創始人開源 SuperSplat：免安裝在瀏覽器編輯 3D 高斯潑濺
PlayCanvas 創始人 Will Eastcott 推出開源網頁端工具 SuperSplat 1.0，用於檢視和編輯 3D 高斯潑濺場景。使用者無需安裝任何軟體，在瀏覽器中拖入 PLY 檔案就能清理雜點、隱藏圖層並調整朝向。不過目前匯出時暫不支援球諧函式旋轉。
Google Meet 即將上線「幫我記筆記」：Gemini 全程自動出紀要
Google 宣佈 Google Meet 由 Gemini 驅動的「Take notes for me」功能將在數週內正式上線。該功能會在開會時自動記錄要點，目前已允許管理員在後臺提前配置測試。使用需配備 Gemini 企業版、教育版或每月 10 美元的 AI 附加元件許可。
週四
8月8日 星期四
Hugging Face 收購 XetHub：告別 Git LFS，千億模型改引數不用重傳
Hugging Face 宣佈收購 XetHub。XetHub 技術支援對海量資料集與模型進行分塊和去重，HF 將藉此替換老舊的 Git LFS 儲存後端。以後修改模型標頭檔案或資料集單行只需上傳幾千位元組的分塊，大幅提升協作效率。
ChatGPT 免費版開放畫圖：每天可用 DALL-E 3 生成 2 張
OpenAI 宣佈開始向 ChatGPT 免費使用者開放 DALL-E 3 作畫功能，每人每天最多可生成 2 張圖片。此前該功能僅限 ChatGPT Plus 付費訂閱使用者使用。目前該功能正在灰度推送中，部分使用者已可在客戶端或網頁端直接體驗。
OpenAI 發系統卡片警告：GPT-4o 擬人語音可能讓人產生情感依賴
OpenAI 釋出 GPT-4o 系統安全卡片，提醒高度逼真的語音模式可能讓使用者產生情感依戀。測試中已有使用者對 AI 表達依戀情緒。官方指出，這種擬人化雖然可以緩解孤獨，但可能削弱現實社交，甚至讓使用者盲目相信模型生成的錯誤資訊。
OpenAI 董事會迎來新成員：AI 安全學者 Zico Kolter 加盟
OpenAI 宣佈任命卡耐基梅隆大學機器學習系主任 Zico Kolter 進入董事會，並加入安全與安保委員會。Kolter 長期專注模型魯棒性與對齊研究。面對外界對安全性的審視，OpenAI 顯然希望拉來懂技術的學術專家強化自身治理。
Google 推出第四代 Nest 溫控器：結合天氣用 AI 自動微調溫度
Google 釋出第四代 Nest Learning Thermostat 智慧溫控器。新硬體採用窄邊框大屏設計，主打通過 AI 結合室外天氣和作息習慣自動微調控溫。裝置售價 279.99 美元，支援 Google Home 聯動，將於 8 月 20 日發售。
OpenAI 釋出 GPT-4o 系統卡：說服力達中等風險，語音重點防偽造
OpenAI 正式釋出 GPT-4o 系統卡片與安全評分。在四項核心準備度評估中，生物威脅、網路攻擊與自主性均為低風險，僅說服力被評為中等；針對端到端語音帶來的聲音偽造、版權等新隱患，團隊動用 100 多名跨國紅隊進行了多輪對抗測試並內建攔截。
Anthropic 擴充套件漏洞賞金：抓通用越獄最高獎 1.5 萬美元
Anthropic 宣佈擴大與 HackerOne 合作的模型安全漏洞賞金計劃，邀請研究人員提前測試其尚未公開的下一代防護系統。重點懸賞能突破核生化與網路安全等高風險護欄的「通用越獄」，單項獎金最高達 15000 美元。
Google 砍掉 Gemini 1.5 Flash 價格：輸入暴降 78%，微調全量開放
Google 宣佈 Gemini 1.5 Flash 將從 8 月 12 日起大幅降價，128K 以內輸入降價 78% 至每百萬 token 0.075 美元，輸出降 71%。同時，文本微調向所有開發者全量開放，AI Studio 和 API 也正式支援包含圖表的原生 PDF 視覺理解。
微軟聯手 Palantir：將 GPT-4 與 Azure OpenAI 引入美軍絕密雲
Palantir 與微軟宣佈合作升級，將微軟 Azure OpenAI 服務（包含 GPT-4 等模型）接入 Palantir 的 AIP 與 Foundry 平臺，直接部署進美國國防與情報機構的機密與絕密雲端。雙方希望藉此加速 AI 在後勤、行動規劃等國防任務中的落地。
週三
8月7日 星期三
傳 OpenAI 領投攝像頭創企 Opal 6000 萬美元融資：進軍 AI 創意硬體
據 The Information 報道，OpenAI 預計將領投高階攝像頭初創公司 Opal 的 6000 萬美元 B 輪融資。Opal 曾推出 Tadpole 等便攜攝像頭，拿到新資金後將轉向研發面向消費者的 AI 創意硬體，未來有望直接接入 OpenAI 的多模態生成能力。
Humane 資料曝光：AI Pin 退貨反超銷量，使用者手裡僅剩七千臺
The Verge 披露內部資料，Humane 的 AI Pin 每日退貨量已反超銷量，累計退貨額超 100 萬美元。目前使用者手中僅剩約 7000 臺裝置，且受網路繫結限制，退貨無法翻新轉售，直接淪為電子垃圾。這家融資超 2 億美元的明星初創公司正急於尋找買家或債務融資。
Qwen2-Math 釋出：72B 數學模型跑分超越 GPT-4o
Qwen 團隊推出數學專用大模型系列 Qwen2-Math，涵蓋 1.5B、7B 和 72B 三種尺寸。其中 72B 指令微調版在多項數學基準上超越 GPT-4o 與 Claude-3.5-Sonnet。目前主要支援英文，後續將推雙語版。
字節跳動上線「即夢 AI」iOS 版：支援文生圖和影片，月費 69 元
據外媒報道，字節跳動在中國大陸蘋果 App Store 上線「即夢 AI」應用，將文生圖和文生影片能力帶到 iPhone 端。免費使用者最多可生成 80 張圖片和 26 條影片，月費 69 元。目前僅限中國大陸地區使用。
Audible 測試 AI 搜尋助手 Maven：用大白話找有聲書
Amazon 旗下 Audible 宣佈測試 AI 推薦功能 Maven。使用者可以直接用自然語言描述需求找書，目前向約半數美國使用者開放，支援 iOS 和 Android。此外 Audible 還在試驗 AI 策劃書單和 AI 評論摘要。
WordPress 母公司上線 Write Brief with AI：幫博主刪廢話、測可讀性
WordPress.com 母公司 Automattic 推出新工具 Write Brief with AI，專門幫博主把文章改得更簡練。它能即時評估句長、用詞複雜度和語氣自信度，點一下就能一鍵精簡冗長句子。目前該功能已在 WordPress.com 開啟免費測試，僅支援英文。
Google 推出 TV Streamer：接替 Chromecast，靠 Gemini 總結劇情
Google 推出新一代 4K 播放裝置 Google TV Streamer，正式取代 Chromecast。它兼作智慧家居中樞，並接入 Gemini 技術，能根據偏好推薦內容，提供詳盡的分季劇情總結與評價，還能用生成式 AI 定製待機桌布。
週二
8月6日 星期二
Reddit 也要做 AI 搜尋：今年測試搜尋總結，直接推討論和社群
Reddit 宣佈將於今年晚些時候測試 AI 搜尋結果頁。搜尋結果頂部會直接給出 AI 生成的討論摘要並推薦相關社群，技術上結合了第一方與第三方能力。此前 Reddit 已把資料授權給 OpenAI 和 Google，這次則是拿 AI 來盤活自己的內容金礦。
Amazon 升級影像模型 Titan v2：支援參考圖引導與調色盤控圖
Amazon 在 AWS Bedrock 上線 Titan Image Generator v2。新模型支援用參考圖控制構圖與邊緣、移除背景、按指定調色盤出圖，並能保持品牌視覺風格統一。針對版權風險，AWS 繼續為企業使用者提供侵權免責賠償。
李飛飛公開反對加州 SB-1047 法案：將嚴重傷害學術界與開源
被稱為「AI 教母」的李飛飛公開對加州 SB-1047 前沿模型安全法案表達擔憂。她指出，該法案雖然初衷良好，但無法解決預定問題，反而會嚴重打擊 AI 學術界、初創小企業及開源社群生態。
Amazon Music 上線 Topics：用 AI 拆解播客話題，按興趣找單集
Amazon Music 推出基於 AI 的 Topics 功能。該功能借助 AWS 技術分析播客轉錄文本與描述，提煉單集涉及的核心話題標籤。使用者點選標籤即可直接瀏覽討論同一主題的其他單集，目前已在移動端的熱門播客中開放。
Figure 釋出第二代人形機器人 Figure 02：板載算力翻 3 倍，手部 16 自由度
人形機器人初創公司 Figure 正式公佈 Figure 02。新機配備定製 2.25 kWh 電池，每天可工作超 20 小時，手部升級至 16 個自由度並內嵌 6 顆 RGB 攝像頭。板載 CPU 與 GPU 算力較上一代提升 3 倍，為完全自主執行端到端物理任務鋪平了道路。
OpenAI 上線結構化輸出：API 響應 100% 遵從 JSON Schema
OpenAI 在 API 中正式上線結構化輸出（Structured Outputs）功能。官方採用上下文無關文法（CFG）和約束取樣技術，在新模型 gpt-4o-2024-08-06 評測中達到 100% 格式吻合度。開發者再也不用寫提示詞或反覆重試來兜底 JSON 格式了，不過首次呼叫新 Schema 時需要幾秒進行預處理快取。
OpenAI 聯創 Schulman 跳槽 Anthropic，總裁 Brockman 休長假
OpenAI 聯合創始人 John Schulman 宣佈加入對手 Anthropic，繼續深耕 AI 對齊；總裁 Greg Brockman 也宣佈休假至年底。Schulman 曾主導 ChatGPT 的強化學習訓練，隨著他的離開，OpenAI 的 11 位初創成員如今僅剩 3 人在崗。
