OpenAI 確認 DevDay 不發下一代旗艦模型：改辦三地巡迴，主講 API
OpenAI 宣佈調整今年 DevDay 開發者大會的形式，由單場大型釋出會改為在舊金山、倫敦和新加坡三站巡迴，並確認不會在會上釋出下一代旗艦大模型。大會重心將轉向 API 更新與開發者支援。
AI 日報：今天的 AI 新聞
週一
8月5日 星期一
OpenAI 遭 YouTube 創作者集體訴訟：私抓影片字幕練模型，索賠超 500 萬美元
訊息，一名 YouTube 創作者對 OpenAI 發起集體訴訟，指控其未經許可轉錄數百萬影片用於訓練 ChatGPT 等模型，索賠逾 500 萬美元。最值得關注的是，在公開網路文本即將耗盡的背景下，影片字幕成了 AI 訓練的關鍵資料池，但這也讓科技巨頭徹底撞上創作者版權的紅線。
輝達被曝抓取 YouTube 海量影片：練 Cosmos 模型，稱獲高層放行
據 404 Media 曝光，輝達從 YouTube 和 Netflix 等平臺抓取海量影片，用來訓練代號為 Cosmos 的 AI 模型。當員工質疑版權風險時，管理層稱已獲最高層放行。輝達回應稱完全符合版權法，該技術擬用於 3D 世界生成與數字人等產品。
馬斯克再次起訴 OpenAI 與 Altman：指控其背叛非營利初衷
Elon Musk 再次在加州聯邦法院起訴 OpenAI、Sam Altman 和 Greg Brockman。訴狀指控 Altman 等人通過虛假非營利承諾誤導其出資，背叛了造福人類的初衷並涉嫌欺詐。這次訴訟還將矛頭對準了 OpenAI 與微軟的深度繫結以及 AGI 成果歸屬。
Nvidia 推出機器人套件：戴上 Apple Vision Pro 就能遙控人型機器人
Nvidia 面向人形機器人開發者推出一系列新工具與服務。開發者戴上 Apple Vision Pro 即可捕捉手勢遙控機器人，並通過 MimicGen 微服務生成大量合成運動資料。這套工作流旨在大幅減少實體資料採集的成本與時間。
Groq 融資 6.4 億美元：估值 28 億，拉來 LeCun 當顧問叫板輝達
AI 晶片初創公司 Groq 宣佈完成 6.4 億美元新融資，估值升至 28 億美元。這筆資金將用於擴充套件其 LPU 推理晶片算力並上線更多模型。最讓人意外的是，Meta 首席 AI 科學家 Yann LeCun 也出任了其技術顧問。
週日
8月4日 星期日
OpenAI 暫緩釋出 ChatGPT 水印工具：能抓作弊，但容易被繞過
據報道 OpenAI 已研發出能識別 ChatGPT 寫作的文本水印工具，但正謹慎評估是否釋出。該技術通過微調詞彙選擇嵌入隱形水印，雖準確度高，但極易被機器翻譯或二次改寫繞過，且可能對非英語母語者帶來汙名化風險。
週六
8月3日 星期六
傳 Nvidia 因設計缺陷推遲 Blackwell 晶片：至少延期 3 個月
據 The Information 報道，Nvidia 因在生產後期發現設計缺陷，已告知微軟等客戶其 Blackwell B200 晶片將延期至少 3 個月，大批出貨或推遲至明年首季。這意味著訂購了數百億美元晶片的雲巨頭們擴產節奏恐放緩。Nvidia 稱下半年量產，對傳聞不予置評。
傳 Meta 砸數百萬美元談明星聲音：朱迪·丹奇等或入駐 Meta AI
據彭博社和《紐約時報》報道，Meta 正斥資數百萬美元與朱迪·丹奇、奧卡菲娜等明星洽談，計劃購買其聲音版權用於 Meta AI 助手。這批語音預計在 9 月的 Connect 大會亮相，並覆蓋 Instagram 及 Ray-Ban 智慧眼鏡等平臺。
週五
8月2日 星期五
翻車後撤檔：Google 撤下 Gemini 奧運廣告「Dear Sydney」
Google 決定從奧運報道中撤下宣傳 Gemini 的「Dear Sydney」廣告。片中一位父親讓 AI 代替女兒給奧運偶像寫粉絲信，引發網民痛批其抹殺真誠的情感表達。Google 雖辯稱只是展示提供寫作靈感，但最終難平眾怒。
Character.AI 創始人重返 Google：加入 DeepMind，達成技術許可
Character.AI 聯合創始人兼 CEO Noam Shazeer 及 Daniel De Freitas 重返 Google，加入 DeepMind 團隊。Google 同時與 Character.AI 達成非獨佔技術許可協議並注資。Character.AI 大部分員工留守，未來將更多借助第三方模型。
實測 Adobe Illustrator 向量生成：不會畫畫也能做向量圖
ZDNet 實測了 Adobe Illustrator 的生成式 AI 功能，支援用文字提示詞直接生成向量圖、按輪廓進行形狀填充以及建立無縫平鋪圖案。生成的物件全為可縮放、可解組的向量路徑。不過測試顯示部分邊緣邏輯仍需手動修線，生成資產的版權歸屬也尚存爭議。
Figure 預告二代人形機器人 Figure 02：定檔 8 月 6 日亮相
Figure 釋出預告片宣佈，新一代人形機器人 Figure 02 將於 2024 年 8 月 6 日正式亮相。短片展示了全新機械關節、網狀外觀設計以及高達 150Nm 的扭矩指標。創始人稱其為「地球上最先進的人形機器人」。
週四
8月1日 星期四
Chrome 上線三大 AI 功能：跨標籤比價、自然語言搜歷史
Google 宣佈為 Chrome 推出三項 AI 功能：桌面端整合 Google Lens 支援圈選提問，新增 Tab compare 自動彙總多標籤商品引數做對比表，還能用日常口語檢索瀏覽歷史。後兩項功能未來幾週率先在美國上線。
Suno 正面回應唱片業訴訟：AI 學習公開音樂絕非侵權
Suno 正式發文回應唱片工業協會 RIAA 的侵權指控，承認抓取了公開網路上的音樂進行訓練，但堅稱「學習不是侵權」。Suno 把模型訓練類比為孩子聽搖滾樂學寫歌，並強調平臺設定了嚴格的防抄襲和防模仿機制。這場交鋒將成為生成式 AI 訓練資料合理使用判例的關鍵一役。
Stability AI 釋出 Stable Fast 3D：單圖生成 3D 資產僅需 0.5 秒
Stability AI 釋出 3D 生成模型 Stable Fast 3D。它能在 0.5 秒內將單張圖片轉化為包含網格與材質的完整 3D 資產，較上一代 SV3D 的 10 分鐘大幅提速。模型權重與程式碼現已在 Hugging Face 和 GitHub 開源，年收入 100 萬美元以下支援商用。
Black Forest Labs 獲 3100 萬美元融資：釋出 120 億引數 FLUX.1 文生圖模型
Black Forest Labs 宣佈成立並完成 3100 萬美元種子輪融資，同時推出 120 億引數的 FLUX.1 文生圖模型家族。該系列採用流匹配技術，包含 pro、dev 和 schnell 三個版本，官方稱其在畫面細節與提示詞遵循上超越了 Midjourney v6.0。
ChatGPT 高階語音模式早期演示曝光：能學方言糾正發音，還會講笑話
據 The Verge 報道，OpenAI 近日向部分 ChatGPT Plus 使用者小範圍開放了高階語音模式。網路流出的實測影片顯示，它能模仿機長廣播音效、用不同方言講故事、糾正法語發音甚至唱歌。OpenAI 表示該功能將在今年秋季向所有 Plus 使用者開放。
Anthropic 宣佈 Claude 正式登陸巴西：網頁、手機端與 API 同步開放
Anthropic 宣佈 Claude 正式面向巴西市場開放，當地個人與企業使用者可通過網頁端、iOS/Android 應用及 API 使用 Claude 3.5 Sonnet 等模型。個人 Pro 版月費 110 雷亞爾，企業 Team 版也已同步上線。
走出 OpenAI 罷免風波：前董事 Helen Toner 在華盛頓轉型為 AI 政策紅人
據彭博社報道，去年參與主導罷免 Sam Altman 的前 OpenAI 董事會成員 Helen Toner，正在華盛頓特區成為備受信任的 AI 政策專家。經歷矽谷宮鬥後，她避開了馬斯克訴訟的傳票糾紛，轉向為監管層提供 AI 治理與安全建議。
OpenAI 承諾向美國 AI 安全研究所提前開放下一代模型測試
週四晚，OpenAI 執行長 Sam Altman 宣佈，正與美國人工智慧安全研究所敲定協議，將在下一款主要生成式模型釋出前開放早期訪問用於安全測試。此舉意在緩解外界對其輕視安全的質疑。不過合作的具體細節尚未公佈。
Google 奧運 Gemini 廣告翻車：讓 AI 代寫崇拜信挨批
據報道，Google 在奧運期間投放的 Gemini 廣告「Dear Sydney」引發爭議。廣告中父親用 Gemini 幫女兒代寫給田徑明星的崇拜信，被指責抹殺真誠表達與基本寫作能力，Google 隨後關閉了 YouTube 評論區。這再次暴露了公眾對 AI 侵蝕情感表達的焦慮。
南加大團隊用 AI 重程式設計腦膠質瘤：把癌細胞變成「帶路黨」免疫細胞
南加州大學團隊在《Cancer Immunology Research》發表成果，藉助機器學習從數萬個基因中篩出關鍵位點，將膠質母細胞瘤細胞直接重程式設計為能引導免疫攻擊的樹突狀細胞。在小鼠模型中，結合免疫療法將存活率提升了75%，巧妙繞過了血腦屏障難題。
微軟年報添新對手：OpenAI 正式被列入 AI 與搜尋競爭名單
週二，微軟在最新的年度報告中正式將 OpenAI 列為競爭對手，涉及 AI 業務以及搜尋與廣告領域。雖然微軟已向 OpenAI 投資 130 億美元，但隨著 OpenAI 推出 SearchGPT，兩家巨頭的業務重疊愈發明顯。OpenAI 回應稱雙方合作關係未變。
週三
7月31日 星期三
AI 牙刷盯上你的牙齒：演算法證據不足，收集資料倒挺積極
Ars Technica 報道指出，寶僑、高露潔、飛利浦等品牌力推的高價「AI 牙刷」缺乏改善口腔健康的充分科學依據。所謂演算法更多是廠商收集刷牙時長、力度等真實資料的渠道，藉此反哺研發或直接在配套 App 內推送產品廣告。
Leonardo.Ai 探索生圖可控：測試自研模型 Phoenix
據 CNET 報道，已被 Canva 宣佈收購的影像生成平臺 Leonardo.Ai 正在測試首個自研基座模型 Phoenix，主打極高的提示詞遵循度與畫面可控性。該平臺註冊使用者已達 1700 萬，試圖讓 AI 生圖擺脫靠運氣抽卡的體驗，不過高階控制功能仍需付費訂閱。
Taco Bell 加速落地語音 AI：年底前覆蓋全美數百家得來速門店
百勝餐飲宣佈將在 2024 年底前把「Voice AI」點餐推向全美數百家 Taco Bell 得來速門店。該系統已測試約兩年，旨在減少漏單並縮短排隊時間。雖然麥當勞此前叫停了類似測試，但百勝顯然打算繼續押注。
Google 升級「關於此圖片」：圈選就能查圖源，還能辨別 AI 偽造
Google 將「關於此圖片」功能接入即圈即搜和 Google Lens。使用者長按螢幕圈選圖片或通過鏡頭上傳，即可檢視網路出處、後設資料，並藉助 SynthID 水印識別是否由 AI 生成。功能目前已覆蓋 40 種語言。
Vimeo 上線 AI 影片翻譯：自帶原聲克隆，一鍵生成 29 種語言音軌
Vimeo 推出基於生成式 AI 的影片翻譯工具，不僅能轉譯音訊和字幕，還能克隆原發言人的音色與語調。該功能支援 50 多種原語言輸入並輸出為 29 種語言，觀眾能在播放器中直接切換音軌，大幅降低了企業跨國培訓和出海營銷的本地化成本。
Runway釋出Gen-3 Alpha Turbo：速度快7倍，生成10秒影片僅需11秒
Runway在X上宣佈推出影片模型Gen-3 Alpha Turbo，生成速度比原版Gen-3 Alpha提升7倍，生成一段10秒的高畫質影片僅耗時11秒。新模型價格更低，近期陸續向用戶推送，移動端也即將支援圖生影片。
Google 開源 Gemma Scope：用 400 多個稀疏自編碼器透視大模型
Google 開源 Gemma Scope，這是一套面向 Gemma 2 2B 與 9B 的稀疏自編碼器工具包，包含 400 多個自編碼器和超 3000 萬個學到的特徵。它相當於給大模型裝上顯微鏡，幫助研究人員拆解模型內部運作，應對幻覺、欺騙等安全風險。
OpenAI 表態支援美參議院三項法案：力挺 AI 安全研究所轉正
OpenAI 公開支援美國參議院的三項 AI 法案，其中包括正式授權美國人工智慧安全研究所制定模型標準，以及設立 AI 獎學金和教育資源。這一舉動被視為在監管收緊前夕提前爭取政策話語權。
週二
7月30日 星期二
砸數百萬美元后 Meta 認輸：關停名人 AI 替身聊天機器人
Meta 關停了去年 9 月上線的名人替身 AI 聊天機器人。此前 Meta 曾斥資數百萬人偶定製了韋德、帕麗斯·希爾頓等名人的 AI 分身，如今重心徹底轉向新上線的 AI Studio，讓創作者自己製作聊天機器人。
動視開源《使命召喚：戰區》地圖資料：支援 AI 模型訓練與內容生成
Activision 將《使命召喚：戰區》Caldera 地圖資料在 GitHub 開源。該資料集採用 OpenUSD 格式，包含完整度極高的地圖幾何結構及匿名玩家移動軌跡樣本。動視稱這是遊戲業最大的公開 OpenUSD 資料集之一，旨在支援學術研究與生成式 AI 訓練。
Midjourney 上線 V6.1：肢體與小臉細節大修，生成提速 25%
Midjourney 正式推出 V6.1 影像模型並設為預設。新版重點改善了手臂、雙手和五官等小細節的連貫性，文本拼寫更準，標準生成速度提升約 25%，還新增了 2 倍放大器。不過區域性重繪等功能仍暫退回 V6.0 處理。
伴侶項墜 Friend 開啟預購：99 美元主打全天候傾聽與陪伴
開發者 Avi Schiffmann 釋出 AI 伴侶硬體 Friend 的預告片並開啟預訂。這款 99 美元的項墜通過藍牙連手機全天候傾聽，主打情感陪伴而非生產力，已獲 250 萬美元融資，預計 2025 年 1 月發貨。
白宮表態：暫不限制開源 AI 模型
美國商務部發布報告稱，目前沒有必要對公開權重的高效能 AI 模型施加限制。NTIA 認為現有證據不足以支撐監管收緊，開放系統能帶來實實在在的創新紅利。不過政府也會持續監測風險，一旦威脅加劇將隨時出手干預。
Perplexity 推出出版商計劃：給媒體分廣告費，還送 API 與企業版
Perplexity 宣佈推出出版商計劃，首批合作方包括《時代》和《財富》等。當回答引用媒體內容並通過贊助問題獲利時，出版商可獲得分成；此外合作方還將免費獲贈 API 搭建專屬問答引擎，以及全員一年 Enterprise Pro 許可權。
Canva 收購 Leonardo.Ai：整合生成式影像能力，獨立平臺與定價不變
Canva 宣佈收購生成式 AI 平臺 Leonardo.Ai。Leonardo.Ai 將繼續作為獨立平臺運營，原有團隊與訂閱價格保持不變，同時其影像生成工具和模型將整合進 Canva。這讓 Canva 進一步補齊了在視覺內容創作上的底層 AI 能力。
OpenAI 推出 GPT-4o 實驗版：單次最高輸出 64K token
OpenAI 推出實驗版模型 gpt-4o-64k-output-alpha，單次請求最多能生成 64K token。由於長輸出推理成本更高，該模型每百萬輸入 token 收費 6 美元，輸出為 18 美元，目前僅面向 Alpha 測試使用者開放。
美空軍資助 5 家保密公司研發無人戰機「AI 大腦」：2026 年定奪
美國空軍宣佈資助 5 家公司開發協同作戰無人機的自主控制系統，但對名單嚴格保密以防間諜窺探。這些「AI 大腦」將裝進通用原子與 Anduril 製造的戰機中，空軍預計在 2026 年篩選出最終供應商並決定投產。
週一
7月29日 星期一
Meta 推出 AI Studio：人人可定製 AI 角色，替創作者回訊息
Meta 在美國推出基於 Llama 3.1 的 AI Studio。任何人都能定製專屬 AI 角色，創作者可用它打造分身自動回覆提問並設定話題禁區。不過 Meta 在 8 月 10 日更新說明，因轉向新模型 Muse Spark，已停止建立新角色，僅維護現有角色。
NVIDIA 更新數字人技術：推出可感知情緒的 AI 助手 James
NVIDIA 在 SIGGRAPH 預覽了互動式數字人「James」以及 Maxine 3D 等技術。James 基於 NVIDIA ACE 與 ElevenLabs 語音打造，能帶情緒和幽默感進行即時互動。最關鍵的是，普通 2D 影片肖像現可通過 Maxine 3D 快速生成 3D 數字人化身。
Runway 上線 Gen-3 Alpha 圖生影片：支援單圖定首幀，畫面更穩定
Runway 宣佈上線 Gen-3 Alpha 的圖生影片功能。使用者現在可以將任意靜態圖片作為影片的第一幀，還能配合文本提示詞輔助控制。這一更新大幅改善了生成影片的可控度與視覺一致性，創作者不用再完全靠文字碰運氣了。
馬斯克轉發哈里斯 AI 換聲影片：未注惡搞標籤，涉嫌違規
週五，馬斯克在 X 上轉發了一段偽造副總統哈里斯聲音的 AI 競選惡搞影片，並配文「太讚了」。因未保留原推文中的「惡搞」免責標識，該帖被指違反 X 自身禁止誤導性合成媒體的平臺政策，引發多名官員譴責。
Shutterstock 推出 3D 生成，Getty Images 生圖速度翻倍
基於輝達 Edify 架構，Shutterstock 上線 Generative 3D 商業公測，支援文字生成 3D 資產與 16K 級 360 HDRi 背景；Getty Images 則升級生圖服務，速度翻倍至 6 秒出 4 圖，並新增模型微調與草圖控圖。兩家均主打商業正版授權訓練。
NVIDIA 全面押注具身智慧：推人形機器人全套開發工具與雲服務
NVIDIA 在 SIGGRAPH 上面向全球人形機器人開發者推出全套套件，包括用於生成模擬資料的 NIM 微服務、多階段任務排程服務 OSMO，以及配合 Apple Vision Pro 採集少量演示即可擴增訓練資料的遙操作工作流。開發者加入開發者計劃即可申請早期體驗。
週日
7月28日 星期日
據彭博社報道：Apple Intelligence 趕不上 iOS 18 首發，推遲至 10 月上線
據彭博社報道，Apple Intelligence 將錯過 9 月 iOS 18 的首發推送，推遲至 10 月隨系統更新上線。這意味著首批 iPhone 16 出廠時將缺席 AI 功能，蘋果希望留出更多時間打磨穩定性。開發者預計最快本週可通過 iOS 18.1 Beta 率先測試。
AMD 推出本地 AI 套件 Amuse 2.0：支援 XDNA 超分，免命令列一鍵生圖
AMD 聯合 TensorStack 推出本地 AI 套件 Amuse 2.0 Beta，主打完全在本地執行的生圖體驗。軟體無需命令列，提供「EZ 模式」降低門檻；最值得關注的是引入 XDNA 超解析度技術，生圖末期可直接輸出 2 倍尺寸畫面。不過硬體有一定門檻，需配備指定的 Ryzen 或 Radeon 裝置。
週六
7月27日 星期六
巴黎奧運會如何用 AI：從輔助裁判到過濾社交網暴
據 Inverse 報道，2024 巴黎奧運會成為國際奧委會公佈「奧林匹克 AI 議程」後的首屆賽事。AI 不僅用於挖掘運動員潛能、通過動作影片糾錯和防傷，還被引入體操等專案的裁判輔助，並計劃自動過濾社交媒體上的辱罵言論。
週五
7月26日 星期五
X 預設拿使用者帖子喂 Grok：英國和愛爾蘭監管機構介入調查
X 被曝通過預設勾選的設定，將使用者的帖子及與 Grok 的互動記錄用於模型訓練。這涉嫌違反 GDPR 禁止默認同意的規定，英國 ICO 與愛爾蘭 DPC 已介入問詢。目前使用者想關閉該功能，還只能去網頁端設定。
蘋果簽署白宮 AI 安全承諾：趕在 Apple Intelligence 上線前主動表態
Apple 宣佈簽署白宮關於 AI 安全與信任的自願承諾，加入 OpenAI、Google 等 15 家科技公司的行列。承諾要求在模型釋出前進行紅隊安全測試、保護模型權重並給 AI 內容打水印。Apple Intelligence 即將推向全球 20 億使用者，這被視為蘋果提前向監管示好。
週四
7月25日 星期四
Google 升級 Gemini 免費版：換上 1.5 Flash，支援 32K 上下文與來源溯源
Google 宣佈將 Gemini 免費層升級為 Gemini 1.5 Flash。新版本響應更快，推理與識圖表現更強，上下文視窗擴大至 32K tokens，並在事實性回答末尾提供網頁連結方便溯源。此外，Gemini 即將支援上傳檔案分析，並面向全球青少年開放。
Anthropic 爬蟲狂掃 iFixit 近百萬次：無視禁止條款引眾怒
iFixit 執行長公開指責 Anthropic 的爬蟲 ClaudeBot 在 24 小時內狂刷其網站近百萬次，涉嫌違反禁止抓取用於 AI 訓練的服務條款。Anthropic 回應稱爬蟲只識別 robots.txt 協議。這凸顯了網站條款無法約束爬蟲、只能靠粗暴斷聯的尷尬現狀。
Runway 遭曝秘密抓取 YouTube 影片與盜版電影訓練 Gen-3
據 404 Media 曝光的一份內部表格，Runway 秘密抓取了成千上萬個 YouTube 創作者影片、知名品牌內容及盜版電影來訓練其主力模型 Gen-3。此前獲 Google 和輝達投資的 Runway 面對資料提問時一直含糊其辭，這次洩露讓 AI 影片的資料版權爭議再次激化。
AlphaProof 與 AlphaGeometry 2 解出 IMO 競賽 4 題：首次達銀牌水平
研究團隊推出結合強化學習與形式化語言的 AlphaProof 以及 AlphaGeometry 2。兩者在 2024 年國際數學奧林匹克競賽中聯手解出 6 道題中的 4 道，拿到 28 分並達到銀牌線。這是 AI 系統首次在頂級數學競賽中取得銀牌成績。
OpenAI 推出 SearchGPT 原型：直接給答案帶信源，未來接入 ChatGPT
OpenAI 宣佈測試 AI 搜尋臨時原型 SearchGPT，旨在結合大模型與即時網頁資訊快速回答問題，並提供清晰的來源連結與追問能力。該原型目前僅面向小範圍使用者和出版商開放測試，未來成熟功能將直接整合進 ChatGPT。
快手可靈 AI 全球上線：郵箱直接註冊，每天送 66 積分免費生影片
快手旗下可靈 AI 1.0 正式全球上線，憑郵箱即可註冊。平臺每天贈送 66 點免費積分，支援文生影片與圖生影片，還自帶運鏡控制功能，生成 5 秒片段約耗時 5 分鐘。相比仍處於內測的 OpenAI Sora，可靈直接讓所有人都能免費上手體驗。
週三
7月24日 星期三
Bing 搜尋大改版：AI 答案佔 C 位，傳統網頁連結被擠到右邊
微軟開始小範圍測試全新 Bing 搜尋介面。新版面將 AI 生成的長文摘要、圖表和影片直接鋪滿螢幕正中，傳統的網頁搜尋連結則被壓縮排右側窄欄。微軟稱該設計結合了大小語言模型，且能維持網站點選量，目前僅對少數查詢開放。
Reddit 封鎖搜尋引擎與 AI 爬蟲：不交錢不給抓，目前僅 Google 倖免
Reddit 被曝開始封鎖未付費搜尋引擎和 AI 爬蟲抓取最新內容。目前主流引擎中只有簽下 6000 萬美元 AI 訓練協議的 Google 能展示最新帖子，Bing 等均遭遮蔽。Reddit 稱未達成協議的廠商不願就資料用於 AI 做出合規承諾。
Stability AI 釋出 Stable Video 4D：單段影片一鍵轉出 8 個新視角
Stability AI 推出動態多視角影片生成模型 Stable Video 4D。使用者上傳一段單一主體的影片並指定相機位姿，模型約 40 秒內即可生成 8 個視角的 5 幀影片，可用於後續動態 3D 最佳化，目前已在 Hugging Face 開源。
X 上線 Grok「賬號簡介」功能：一鍵總結博主，但頻繁翻車
X 面向網頁端付費使用者推出由 Grok 驅動的「關於此賬號的更多資訊」功能。使用者懸停在賬號名稱上即可一鍵生成博主畫像，但實測中 Grok 頻繁張冠李戴甚至虛構事實。平臺提示該功能基於 Grok 1.5，輸出內容仍需核對。
Mistral AI 釋出 Mistral Large 2：123B 引數單節點可跑，程式設計推理叫板頂流
Mistral AI 釋出新旗艦模型 Mistral Large 2。它擁有 1230 億引數和 128k 上下文視窗，專為單節點高吞吐推理設計。程式碼和推理能力大幅提升，能比肩 GPT-4o 與 Claude 3 Opus，還強化了防幻覺機制與多語言支援。研究用途免費開放，商業部署需獲授權。
OpenAI 詳解 RBR 技術：用規則給模型打分，少靠人工還防誤拒
OpenAI 介紹基於規則獎勵（RBR）的模型安全對齊方案。它用明確的規則邏輯替代大量重複的人工標註，由評判模型打分並融入強化學習。這不僅大幅降低訓練成本，還能減少誤拒正常請求的情況，讓安全策略更新更靈活。
Suno 上線分軌功能：一鍵分離人聲與伴奏
Suno 推出「Stems」音訊分軌功能，面向 Pro 和 Premier 付費訂閱使用者開放。使用者可以在曲目選單中點選「Get Stems」，將生成的音樂拆分成獨立的人聲和伴奏音軌，並分別進行下載或延展編輯。這意味著創作者在後期混音上擁有了更多控制權。
週二
7月23日 星期二
美議員致信 OpenAI：要求新模型釋出前先交政府審查
7 月，美國多位參議院民主黨議員致信 OpenAI，要求其承諾將下一個基礎模型在釋出前交由美國政府機構測試與評估，並說明是否保證將 20% 算力投入安全研究。此前有舉報人指控 OpenAI 為搶發 GPT-4 Omni 放寬安全標準，美國官方對 AI 巨頭的監管明顯收緊。
Cohere 推出 Rerank 3 Nimble：速度提升 3 倍，專供 SageMaker
Cohere 推出 Rerank 3 Nimble，專為企業搜尋和 RAG 系統設計。它的速度比 Rerank 3 快約 3 倍，同時保持了高準確度。不過該模型目前僅在 Amazon SageMaker 上獨家提供。
NVIDIA 詳解 AI Foundry：像台積電代工晶片一樣，幫企業定製大模型
NVIDIA 詳解了企業服務 AI Foundry 的運作模式。它依託 DGX Cloud 算力與 NeMo 平臺，支援企業基於 Llama 3.1 等開源底座微調並打包為 NIM 微服務。這相當於為企業提供大模型代工，讓沒有頂尖演算法團隊的公司也能落地專屬模型。
Meta AI 迎來大升級：免費接入 405B 旗艦大模型，還能自拍一鍵換裝
Meta 宣佈為 Meta AI 接入最新的 Llama 3.1 405B 旗艦模型，能更好地處理數學與程式設計任務。同時上線的還有測試版「Imagine me」自拍生成功能，輸入文字就能把自拍變身到不同場景中。不過 405B 目前需要手動切換且有每週額度限制。
Meta 釋出 Llama 3.1：405B 開源旗艦對標 GPT-4o，允許資料蒸餾
Meta 釋出 Llama 3.1 系列，其中 405B 旗艦模型擁有 128K 上下文並在多項基準上對齊 GPT-4o。最值得關注的是，Meta 修改了協議，正式允許開發者用 405B 輸出的資料去蒸餾訓練其他小模型。
Adobe 升級設計工具：Illustrator 獲形狀填充，Photoshop 開放生圖
Adobe 為 Illustrator 和 Photoshop 推出多項 AI 功能。Illustrator 迎來生成式形狀填充、文本轉圖案及模型貼圖等功能，向量縮放效能最高提升 10 倍；Photoshop 則正式全面開放「生成影像」並新增選區畫筆。這意味著設計師可以直接在原生工作流中用 AI 補齊向量細節與素材。
