OpenCode 推出神秘模型 Ox Alpha：100 萬上下文且零資料保留，限時免費
OpenCode 推出神秘多模態模型 Ox Alpha，並開啟為期一週的免費公測。新模型具備 100 萬 token 上下文並承諾零資料保留。官方配備了每天 100 萬億 token 的承載能力，以近乎不限量的呼叫額度來進行大規模壓力測試。
AI 日報：今天的 AI 新聞
週四
8月20日 星期四
OpenAI 升級 GPT-Image-2：API 支援直接生成透明背景圖
OpenAI 宣佈在 GPT-Image-2 API 中推出透明背景生成預覽功能。開發者無需再借助後期摳圖，即可直接生成能夠無縫嵌入任何背景的設計素材，適用於電商產品圖、平面排版和網頁原型。該功能目前處於預覽階段。
應對 AI 吞噬流量：Google 推出「首選來源」按鈕幫媒體拉回讀者
Google 面向媒體推出可嵌入網站的「首選來源」按鈕，讀者點選後即可在搜尋、Discover 及 AI 概覽中提高該站的曝光頻次。Google 稱首選來源的點選率可翻倍，此前已有超 34.5 萬個獨立來源被標記。此外，Discover 也即將支援用自然語言定製推薦內容。
ChatGPT 推出 Mac 版蘋果簡訊外掛：搜記錄、補進度、代發訊息
OpenAI 為 Mac 桌面端 ChatGPT 推出 Apple Messages 外掛，支援搜尋簡訊記錄、梳理漏看對話，並直接起草或傳送回覆。它還能聯動日曆提議會議時間、挑出垃圾資訊，目前已在桌面端的 ChatGPT Work 和 Codex 上線。
4DAnyone：一段普通影片，轉成能自由旋轉的 4D 角色
開源專案 4DAnyone 釋出，只需輸入一段單目人物運動影片，就能重建出可任意角度觀察的 4D 高斯潑濺模型。它通過提取骨骼引導多視角生成，細節和一致性優於以往同類方案，目前已開原始碼及約 12GB 模型權重。
Black Forest Labs 推出 FLUX 影片超分：可重繪至 4K 並修復偽影
Black Forest Labs 推出 FLUX Video Upscale，支援通過 API 和 Playground 將 480p 起步的影片重新生成至最高 4K。它能針對性修復面部模糊與水面草地網格偽影，提供兼顧一致性的 Precise 與補充細節的 Creative 兩種模式。
Pew 研究：ChatGPT 釋出後上線的新網頁，超三分之一由 AI 撰寫
Pew Research 報告指出，ChatGPT 釋出後上線的英文網頁中，有 35% 存在 AI 撰寫或深度編輯痕跡。其中商業 .com 站點的 AI 比例是 .edu 與 .gov 的近 10 倍。這意味著隨著機器人流量反超人類，網路內容正加速走向由 AI 生產和消費的迴圈。
Ramp 推出大模型路由服務 Router：支援多廠商 API，年底前免費
企業支出管理平臺 Ramp 推出模型路由服務 Router。該服務基於其三年內部實踐，允許企業通過統一 API 呼叫 OpenAI、Anthropic 和 DeepSeek 等模型，並提供基於基準測試的分流策略與成本看板。目前僅限美國使用，2026 年底前免平臺費並贈送 26 美元額度。
Murf AI 上線語音模型 Falcon 2：每分鐘 0.01 美元，延遲低於 100 毫秒
印度初創公司 Murf AI 上線語音模型 Falcon 2。其生成費用為每分鐘 0.01 美元，僅為 ElevenLabs 的五分之一，響應延遲低於 100 毫秒。它在 Artificial Analysis 基準中表現超過 OpenAI 部分系統，支援 35 種語言與上萬路併發。
Meta 上線 AI 遊戲應用 Pocket：用提示詞做小遊戲，搖晃手機就能玩
Meta 旗下 AI 遊戲創作應用 Pocket 正式面向美國所有使用者上線。使用者輸入提示詞即可生成支援觸屏、傾斜感應與音樂音效的互動小遊戲，併發布到資訊流供人試玩或二次創作。該應用基於此前收購的 Gizmo 團隊打造。
Sakana Translate 升級新一代 Namazu 模型：深挖日本文化語境
Sakana AI 宣佈免費翻譯服務 Sakana Translate 接入新一代 Sakana Namazu 模型。更新後支援日、英、中雙向翻譯與潤色質疑，更擅長理解「お宮參り」等日本特有文化背景詞彙。在 160 項日英測評中勝率超 50%。
Google Ads 為 AI Max 推出 A/B 測試與業績規劃工具
Google 宣佈為 Google Ads 中的 AI Max 增加跨搜尋廣告系列 A/B 測試與業績規劃師功能。廣告主可以在單次實驗中跨多個系列對比不同預算與 ROI 目標，且品牌與地區限制仍可保持生效，新功能定於 9 月上線。
Anthropic 正式上線 Computer Use：新增網頁操作與技能 API
Anthropic 宣佈 Computer Use、Skills API 與 Files API 在 Claude Platform 正式可用。新版 Computer Use 新增 Browser Use 工具，通過讀取網頁程式碼結構精準定位元素，並支援單輪執行多個動作以大幅提速；同時符合 HIPAA 醫療合規。配合託管指令集的 Skills API 與提供 1 TB 儲存的 Files API，幫助開發者構建生產級智慧體。
Apple Music 將上線「Made With AI」標籤：要求標註 AI 歌曲
據 Variety 報道，Apple Music 將於今年晚些時候為平臺上的 AI 生成曲目新增「Made With AI」標籤，要求唱片公司和分銷商主動標記實質由 AI 創作的內容。Apple Music 此前透露平臺超三分之一上傳曲目為全 AI 生成，此舉旨在規範行業透明度。
Adobe Firefly 音訊套件正式上線：一鍵生成免版稅商用配樂與音效
Adobe 宣佈 Firefly 音訊工具正式全面開放，支援一鍵生成具備商業安全許可的原創音樂、配音與音效。語音功能可選 ElevenLabs，同時平臺引入 Google Gemini Omni Flash 模型，併為 AI Assistant 開放每日免費生成額度。
Salesforce 推出 Slack Code：把 AI 程式設計做成團隊「多人協作」
Salesforce 推出 Slack Code，把 AI 程式設計搬進 Slack 專用頻道。團隊成員能與 Claude、Devin、GitHub Copilot 等程式設計智慧體協作，在頻道內檢視程式碼變更、即時預覽並稽核上線，無需切出應用。所有 Slack 方案均可使用，但需自備合作方智慧體許可權。
週三
8月19日 星期三
Meta AI 推出 macOS 應用：長按 fn 即可全域性高精度聽寫
Meta AI 正式上線 macOS 桌面應用，核心亮點是支援全系統的語音聽寫功能。使用者只需按住 fn 鍵說話，就能在電腦的任意軟體中直接輸入高精度轉錄文本，無需在多個視窗間來回切換。
Google 免費向大學生開放一年 AI 訂閱，同步上線專屬學習中心
Google 宣佈面向高校在讀學生免費提供一年 AI 訂閱：美區學生可獲價值每月 19.99 美元的 Google AI Pro，海外學生可獲 Google AI Plus。伴隨該福利，Gemini 同步上線了專屬學生中心、生成式 3D 互動模擬以及深度研究功能。
ElevenLabs 上線 Eleven v3 Conversational：支援超 70 種語言與精細情緒
ElevenLabs 正式推出即時語音模型 Eleven v3 Conversational。它支援德語、西班牙語等 70 多種語言及 1.1 萬多種聲音，開發者能通過音訊標籤精細控制笑聲、耳語或諷刺語氣，起售價為每千字元 0.05 美元。
Meta 推出 Meta AI Mac 版：能看懂螢幕視窗，支援跨應用語音聽寫
週三，Meta 推出 Meta AI 獨立 Mac 應用。使用者可以直接向 AI 共享視窗，讓它根據螢幕內容提供建議、答疑或創作，同時支援跨應用的全域性語音聽寫。新版還接入了 Google Workspace，並支援分析 Instagram 和 Facebook 帖子表現及生成各類文件。
開源 Mac 應用 OpenHistory 釋出：端側執行，自動生成工作日報
開源 Mac 應用 OpenHistory 釋出，支援自動記錄全天工作活動並生成每小時及每日 AI 摘要。所有日誌儲存在本地，通過端側推理保障隱私，還可通過安全 MCP 協議連線本地智慧體。使用者也可接入 Claude、ChatGPT 等外部模型。
Ornith 釋出 Ornith-1.5：能自己出題訓練，397B 追平 Opus 4.8
Ornith.ai 推出 Ornith-1.5 開源模型家族。模型通過自擬題目、搭建測試腳手架並解題探索，形成強化學習自我提升閉環；旗艦 397B 在程式設計基準上追平 Claude Opus 4.8，9B 端側版可直接跑在手機上。
Perplexity 推出 Brain：用 Markdown Wiki 給 AI 智慧體造長期記憶
Perplexity 為旗下 Computer 智慧體推出長期記憶系統 Brain。它把數月的互動歷史沉澱為三層 Markdown 檔案系統，用維基連結和引用追蹤原始上下文，並由後臺離線智慧體持續整理。最值得關注的是，這種混合本地與按需檢索的設計有效解決了遠端檔案延遲，避免撐爆上下文視窗。
xAI 旗艦模型 Grok 4.6 上架 Amazon Bedrock：500K 上下文、推理強度可調
xAI 宣佈旗艦模型 Grok 4.6 正式上線 Amazon Bedrock。該模型提供 500k 上下文視窗，專為長程智慧體與複雜視覺任務打造，支援四檔可配置推理強度。AWS 開發者現已可通過標準 Bedrock 介面接入使用。
Generalist AI 釋出 GEN-1.5：看人類演示幾秒鐘，機器人就能學會新動作
Generalist AI 釋出機器人基礎模型 GEN-1.5。它無需梯度更新或微調，僅靠 3 至 12 秒的單次演示「物理提示」，就能在開罐、拉拉鏈等 10 項任務中實現 59% 平均成功率。這標誌著機器人開始具備類似 GPT-3 的上下文學習能力。不過目前所學技能仍較脆弱，侷限於短時任務。
OpenAI 推出私密安全處理：不存提示詞，也能跨會話防濫用
OpenAI 預覽 Private Safety Processing，旨在解決前沿模型的多輪安全監測與零資料保留（ZDR）的衝突。系統通過自動化檢測多輪互動中的濫用模式，但全程採用客戶自控金鑰加密，OpenAI 員工無法接觸原始內容。
Magiviz：開源全流程 AI 影片創作引擎，串起劇本分鏡到成片
ItusiAI 開源影片創作平臺 Magiviz。它將劇本分解、角色設計、分鏡繪製、影片渲染到成片合成串成五步流水線，支援 Veo、Kling 等多款模型，並內建使用者鑑權與 Stripe 支付，配好 API Key 即可快速上線商業化站點。
Audio8TS：1.7GB 的超輕量 TTS 模型，幾秒樣本本地克隆聲音
開源語音模型 Audio8TS 釋出，主幹僅約 1 億引數，加上編解碼器整體體積也僅 1.7GB。它只需幾秒參考音訊即可完成零樣本聲音克隆，支援多語言，並提供 CPU 適用的 ONNX INT8 方案。這意味著普通筆記本無需獨立顯示卡也能在本地輕鬆克隆聲音。
週二
8月18日 星期二
Z.ai 上線 GLM-5.3 API：主打程式設計與網路安全，加量不加價
Z.ai 正式上線 GLM-5.3 API。該模型專為程式設計、防禦性網路安全及長程智慧體任務設計，定價與上一代 GLM-5.2 保持一致。最值得關注的是，現有開發者可以零成本平替升級，並通過官方 API 和合作模型閘道器直接接入。
Claude 接入 Gmail 與網盤：可代發郵件與管理檔案
Anthropic 宣佈 Claude 支援在 Gmail 中傳送郵件並在 Google Drive 中管理檔案。使用者可讓它直接回復郵件執行緒，由其代寫並代發，同時能設定關鍵操作是否需要人工審批。該功能面向所有付費方案使用者開放。
Chrome 安卓版上線 Gemini：全美可用，付費會員享「自動瀏覽」代辦雜事
Google 宣佈 Chrome 移動端內建的 Gemini 面向全美 Android 使用者開放。它支援總結長文、跨標籤聯動 Google 日曆與 Keep。訂閱會員更可啟用「auto browse」智慧體，自動代訂車位或更新定期訂單，敏感操作會彈窗確認。
Replit 推出 Free Mode：日常任務不扣點數，產出提升達 30 倍
Replit 推出基於 GPT-5.6 Luna 的 Free Mode。Core 和 Pro 訂閱使用者在進行日常聊天、構思等任務時將不再扣除點數，額度每 5 小時重置，產出最多提升 30 倍。需要複雜開發時，平臺支援無縫切至 Power 或 Max 模式。
Tripo 推出 P2.0 Preview：原生生成四邊面，遊戲資產直接可用
Tripo 推出專為遊戲與即時渲染管線打造的 3D 生成器 P2.0 Preview。其核心在於原生支援四邊面拓撲，支援最高 5 萬三角面或 2.5 萬四邊面，關節處邊緣環平滑、平面結構乾淨。目前每位使用者可獲贈 2 次免費生成機會。
皮尤最新調查：52% 美國人對 AI 憂多於喜，71% 預計崗位減少
Pew Research Center 釋出調查顯示，52% 的美國成年人對日常使用 AI 憂多於喜，高於 2021 年的 37%。30 歲以下群體中擔憂者首次過半達 55%；同時 71% 的受訪者預計未來 20 年 AI 將導致崗位減少。
Stability AI 推出 Stable Audio 外掛：直接嵌入宿主，支援 BPM 同步
Stability AI 推出 Stable Audio 3.0 外掛與升級版 Web 應用公測版。外掛支援 macOS AU 與 VST3，可在 Logic Pro 和 Ableton Live 中同步工程 BPM 生成最長 6 分鐘音訊；Web 端新增多軌混音與定向修改。商用安全，使用者擁有生成版權。
阿里上線音樂模型 HappyShrimp 1.0：一句話生成整首歌，還拉來太合音樂
阿里巴巴上線 AI 音樂生成模型 HappyShrimp 1.0 並開啟公測。使用者只需輸入一句話，模型就能構思樂理結構，直接生成包含旋律、編曲、歌詞和人聲的完整歌曲，涵蓋國風、流行等多種曲風。阿里同時宣佈與太合音樂集團展開藝人共創合作。
Google 出資 1000 萬美元收購 Spirit 航司資料：脫敏後用來訓練 AI 模型
據報道，Google 同意出資 1000 萬美元收購破產航司 Spirit Airlines 的企業資料集，用於訓練 AI 模型與改進產品。該資料集涵蓋內部郵件、表格、機票預訂及員工記錄等，官方稱已去除個人身份資訊。破產法院法官將於週三裁決該交易。
Google 聯手英國啟動 Blue Skies 試驗：用 AI 引導北大西洋航班避開尾跡雲
Google 宣佈聯手英國政府等機構啟動 Operation Blue Skies 試驗，用 AI 預測並在北大西洋 Shanwick 空域引導航班微幅繞飛尾跡雲高發區。飛機尾跡雲佔航空氣候影響的三分之一，該專案將在 30 個月內對部分航班小幅調線，探索大範圍減少溫室效應的可行性。
Block 開源桌面 Agent 應用 Berd：把多智慧體和本地專案打包進一張畫布
Block 開源桌面 Agent 應用 Berd，把對話、檔案、技能和不同性格的智慧體整合進持久化專案畫布。它支援跨模型自由切換並協同原生代碼倉庫，主打少聊天、多幹活。讀者可連線自己的 AI 供應商搭建智慧體團隊。
ChatGPT 廣告登陸歐洲 31 國：僅向免費及 Go 使用者展示，付費版無廣告
OpenAI 宣佈將 ChatGPT Ads 推廣至德國、法國等 31 個歐洲市場，創下其最大投放擴張。廣告僅面向 Free 與 Go 使用者，Plus、Pro 和 Enterprise 保持免打擾。隨後在 8 月 31 日，自助投放後臺 Ads Manager 也已向上述 31 國完全開放。
Claude 跨界蛋白質設計：拿下 14 個靶點，命中率達行業水平兩倍
Anthropic 展示 Claude 在生命科學的突破：在蛋白質從頭設計測試中，Claude 拿下 15 個靶點中的 14 個，結合命中率最高達 35.1%，比行業水準翻倍；同時能在 25 分鐘內完成化學純度分析。這意味著大模型能大幅縮短早期藥物研發週期。目前官方正籌備科研准入計劃。
OpenAI 設立 500 萬美元計劃：幫監督機構盯緊國安 AI
OpenAI 宣佈啟動一項 500 萬美元的新計劃，在未來一年內向政府監督機構提供培訓、技術支援及額度。該專案還將試點專用審查工具，幫助核查 AI 在國家安全決策中的輸入、輸出與呼叫記錄，且工具儘量做到跨模型相容。
Perplexity 推出郵件版 Computer：抄送郵件就能讓 AI 跑任務
Perplexity 推出 Computer in Email。使用者只需向 computer@perplexity.com 發信、轉發對話或抄送，AI 就能讀取上下文與附件並執行任務，將 Excel 模型或 PDF 等成果直接作為附件回覆。該功能目前已面向所有 Computer 使用者開放。
OpenAI 暫停新模型 Astra 訓練：疑似觸及嚴重網路攻擊能力紅線
OpenAI 宣佈暫緩新模型 Astra 的前沿強化學習訓練。初步跡象顯示其可能已觸碰「準備度框架」中的嚴重網路安全能力紅線。團隊為此強化了研究環境隔離，並部署佔監控算力約 20% 的多階段監控系統以嚴防越界行為。
OpenAI 推出 ChatGPT 青少年版：不給直接抄作業，預設開啟安全防護
OpenAI 推出專為 13 至 17 歲青少年設計的 ChatGPT for Teens。未成年使用者將自動接入，內建「學習模式」不再直接給答案，而是用提問逐步引導，同時預設遮蔽自殘、色情等內容並提供家長控制。說白了，就是把 AI 變成輔導家教，防止學生抄作業偷懶。
GeoWeaver 亮相：把普通長影片切片重建，解決 3D 場景漂移難題
研究團隊公佈 3D 重建框架 GeoWeaver，能把普通長影片轉換為全域性一致的 3D 場景。它將影片拆成小片段預測深度，再通過長距離匹配逐步拼接，解決了常見的尺度漂移與相機軌跡失真問題，在基準測試中平均誤差最低。不過該成果目前僅釋出了論文。
週一
8月17日 星期一
3M 爆炸案專家證人被曝用 ChatGPT 寫報告：還指令讓 AI 證其「0% 責任」
據 404 Media 報道，在休斯敦致死爆炸案訴訟中，3M 聘請的專家證人被曝用 ChatGPT 撰寫了近九成專業報告。其提示詞明確要求 AI「證明 3M 負 0% 責任」，350 頁對話記錄在證據開示中曝光。最終陪審團裁定 3M 承擔 30% 責任並賠償 6100 萬美元。
亞馬遜被曝批次收購紙質書：切掉書脊快速掃描訓 AI，原書直接銷燬
據 404 Media 調查曝光，亞馬遜正大量購入實體書籍並運往拉斯維加斯倉庫，切除書脊後快速掃描作為 AI 訓練資料，原書在掃描後直接銷燬。亞馬遜隨後證實了購書行為，表示此舉旨在改進包括 Nova 系列大模型在內的產品。未受 AI 汙染的紙質書已成為訓練大模型的稀缺資產。
好萊塢與字節跳動達成首個 AI 版權協議：強化 Seedance 等工具防護
美國電影協會（MPA）宣佈與字節跳動達成首個 AI 版權協議。此前 MPA 曾就海綿寶寶等未授權內容向其發出警告函，字節跳動隨後強化了影片工具 Seedance 與影像工具 Seedream 的 IP 保護機制。不過雙方並未公開具體防護細節。
VoiceMem：給語音 Agent 塞進雙腦記憶，邊說話邊查僅需 134 毫秒
開源語音 Agent 記憶系統 VoiceMem 釋出。它把記憶拆成存事實的「左腦」和記偏好情緒的「右腦」，能在使用者說話過程中同步完成流式檢索，響應延遲僅 134 毫秒，單輪消耗約 430 token。最值得關注的是，它讓語音助手不必卡頓等待檢索，程式碼與模型已完全開源。
yetone 開源協作通訊工具 Cumora：讓 AI 像真人同事一樣主動上班
yetone 開源了多智慧體協作通訊工具 Cumora。不同於被動喚醒的聊天機器人，Cumora 裡的 Agent 擁有獨立身份與記憶，會主動認領看板任務、收發真實郵件，甚至揹著你開會做決策。它支援雲端執行或接入本地 Claude Code 等引擎，讓人和 AI 在同一介面平等協作。
Cursor 推出程式碼託管 Origin：雙向同步 GitHub，智慧體直接改程式碼提 PR
Cursor 推出程式碼託管功能 Origin，面向所有付費訂閱使用者開啟早期測試。Origin 支援倉庫管理、PR 及與 GitHub 即時雙向同步。最值得關注的是，智慧體直接內建在每個倉庫中，能回答程式碼問題、修改程式碼並提交分支，還支援連線 Vercel 等平臺進行預覽部署。
OpenAI 鎖定俄亥俄 8GW 資料中心：攜手輝達，攬 3.5 萬崗位
OpenAI 宣佈攜手 SB Energy 和 NVIDIA，在俄亥俄州鎖定約 8 吉瓦的算力中心容量。該專案預計建設期創造 3.5 萬個崗位，NVIDIA 將注資 15 億美元。首期 800 兆瓦預計 2028 年投產，全面支撐下一代前沿大模型訓練。
宇樹預告新人形機器人 Superman：原地跳高 2 米、最高速度 12.66 m/s
宇樹科技預告了代號為 Superman 的新人形機器人。該機型腿長 0.85 米，原地跳高達到 2 米，最高奔跑速度達 12.66 m/s，官方稱雙雙打破人類紀錄。這款機器人僅研發了三個多月，宇樹表示後續幾個月仍有大幅提升空間。
David Sacks 炮轟 Anthropic：推行前置審批是搞「監管俘獲」
白宮 AI 負責人 David Sacks 公開發文抨擊 Anthropic CEO Dario Amodei。Sacks 稱其提議設立的 AI 前置審查機構宛如官僚化的「車管所」，不僅會削弱美國競爭力以利好巨頭，還在無根據地煽動技術恐慌。
週日
8月16日 星期日
Codex 解鎖 1M 上下文：支援 GPT-5.6 Sol，改配置就能用
OpenAI 公佈了在 Codex 中為 GPT-5.6 Sol 開啟 100 萬 token 上下文的配置方法。使用者修改配置檔案或新增 CLI 引數即可生效，能容納更多程式碼與歷史記錄。不過官方提醒，預設限制原本已在效能與成本間做過調校。
Stripe 75 億美元收購 OpenRouter：支付巨頭殺入 AI 路由基建
Stripe 確認收購 AI 模型路由初創公司 OpenRouter，據知情人士透露交易金額達 75 億美元。OpenRouter 擁有 800 萬開發者並聚合了 400 多種模型，估值較 5 月的 13 億美元暴漲。Stripe 藉此直接卡位 AI 時代的資金流與 Token 支出管理。
週六
8月15日 星期六
Anthropic CEO 辯護 AI 監管：給頭部設卡，才能保護中小玩家
Anthropic CEO Dario Amodei 髮長文回應外界質疑，否認 AI 監管必然導致權力集中。他指出合理監管反而會通過嚴苛測試放慢前沿巨頭節奏、給後發者留出生存空間，並表示支援前沿模型部署前測試。
阿里通義千問全球下載量破 30 億次：超越 Meta 與谷歌登頂開源模型
據 Hugging Face 報告，阿里巴巴通義千問系列過去半年全球下載量突破 30 億次，超越 Meta 和 Google 成為全球第一開源權重模型。2026 年 Google 下載量為 4.18 億次，Meta 為 2.27 億次。Qwen 已開源超 460 款模型，衍生版本超 30 萬個。
週五
8月14日 星期五
阿里開源多模態模型 Qwen3.8-27B：262K 原生上下文，採用 Apache 2.0
阿里巴巴開源原生多模態模型 Qwen3.8-27B 權重，遵循 Apache 2.0 協議。該模型擁有 27B 引數，綜合表現超越 Qwen3.7-Plus，支援 262K 原生上下文，並可通過 YaRN 擴充套件至 1M。近期上線的 Max 級別 Qwen3.8-2.4T-A95B 權重也可同步獲取。
Gemini 支援關閉可見水印：影像、影片和音樂均可自選隱藏
Google 宣佈為 Gemini 應用上線新開關，允許使用者在生成影像、影片和音樂時自由關閉可見水印。不過在看不見的檔案底層，SynthID 隱形水印和 C2PA 後設資料依然會被強制保留，法律要求強制保留可見水印的地區也除外。
SpaceX 完成收購 Cursor：團隊併入 AI 部門，發力 Grok 開發者生態
AI 程式碼編輯器 Cursor 宣佈已被 SpaceX 正式收購併完成交易。Cursor 團隊將加入 SpaceX AI 部門，在繼續開發 Cursor 的同時，協助推進 Grok、Grok Build、Grok Bot 及 Grok API 等系列產品，進一步補齊其 AI 開發者工具版圖。
帕西尼釋出 PXCap Pro 手套：感知 0.1 牛微小力，幫機器人學做細活
帕西尼釋出五指資料採集手套 PXCap Pro，用於採集高質量人類動作訓練機器人。手套整機僅 300 克，整合腕部相機、抗磁干擾編碼器及能感知 0.1 牛頓的觸覺感測器。這意味著團隊能以統一標準高效沉澱物理真值資料，教機器人學會打包、實驗等精細操作。
Pika 釋出四款音訊模型：價格最高便宜 20 倍，覆蓋配樂、音樂與語音
Pika 推出 Pika Audio 系列四款音訊基礎模型，涵蓋影片音效同步 Soundtrack、音樂生成 Music、音效生成 SFX 以及語音合成 Speech。官方稱其推理成本大幅降低，價格最高比同類競品便宜 20 倍，目前已通過 Pika API Club 開放。
Z.ai 釋出 GLM-5.3：程式碼能力拉高 50%，還意外點滿漏洞挖掘技能
Z.ai 釋出面向程式設計的 AI 模型 GLM-5.3。通過在 GLM-5.2 同款基座上進行後訓練擴充套件，其內部測試成績提升 50%，登頂多項開源基準。令人意外的是其網路攻防能力激增，在 269 個真實專案中揪出 2436 個漏洞。模型權重將在兩週內完成安全評估後釋出。
Claude Code 官方省 Token 指南：任務間隨手 /clear，別在半路換模型
Anthropic 釋出 Claude Code 的 Token 最佳化指南。官方指出，中途切換模型或思考深度會打碎 Prompt Cache，導致重新全額預填充。為此建議開局定好配置，任務間執行 /clear，用 @ 引用檔案省掉搜尋呼叫，並在長時間離開前執行 /compact 壓縮。
WSJ 揭秘 Anthropic 幕後推手：CEO 妻子深度參謀引治理關注
《華爾街日報》披露，Anthropic CEO Dario Amodei 的妻子 Cami Clark 雖未在公司任職，卻以關鍵戰略顧問身份深度介入決策，早期還牽線了前 Google CEO Eric Schmidt 等投資人。隨著公司估值水漲船高，她隱秘的幕後影響力與過往經歷引發了外界對治理透明度的審視。
週四
8月13日 星期四
ChatGPT 接入 Google Drive：無需切標籤頁，直接在聊天窗並排改文件
OpenAI 宣佈 ChatGPT 網頁端支援直接開啟和編輯 Google Drive 檔案。使用者無需切換標籤頁，即可在對話介面內與 AI 並排處理 Docs、Sheets 和 Slides 文件。該功能目前正向 Plus、Pro 及企業版等付費訂閱使用者逐步推送。
Claude Code 桌面版支援「自動繼續」：額度重置後自動接著幹
Claude Code 桌面版新增「自動繼續」功能。當寫程式碼觸發用量上限被暫停時，只要勾選介面中的核取方塊，額度一重置就會自動從中斷處繼續執行，無需手動重啟。這意味著跑複雜長任務時，再也不用掐著表守在電腦前重開了。
ChatGPT 上線 Computer History：追蹤 Mac 操作生成時間線，不截圖不錄音
OpenAI 在 macOS 版 ChatGPT 推出「Computer History」功能，通過輔助功能記錄點選、輸入等操作並生成時間線與記憶，供 ChatGPT 和 Codex 呼叫。該功能預設關閉，不錄屏錄音，僅面向 Pro、Business 和 Enterprise 使用者開放。
微軟釋出安全模型 MAI-Cyber-1-Flash：跑分超 Mythos，成本砍半
微軟釋出自研安全模型 MAI-Cyber-1-Flash 並整合入漏洞修復框架 MDASH。該模型包攬 90% 的日常安全任務，極難任務才呼叫 GPT-5.4，使系統綜合成本降低 50%，並在 CyberGym 基準測試中拿下 96% 的高分。
Google 釋出 Gemini 3.7 Flash：程式設計與智慧體大升級，價格腰斬
Google 正式推出 Gemini 3.7 Flash，主打軟體工程與智慧體工作流。其程式設計評測 DeepSWE 成績從 49% 提升至 65.3%，輸入價格卻直接減半至每百萬 token 0.75 美元。Google AI 訂閱使用者的個人智慧體 Gemini Spark 即日起也已接入該模型。
Suno 釋出 Studio 2.0：支援 MIDI 錄製、AI 搓外掛和進階分軌
Suno 推出音樂工作站 Suno Studio 2.0。新版不僅支援 MIDI 匯入錄製與自動化曲線繪製，還加入了 Chat bar，讓音樂人能用自然語言直接生成獨家效果器外掛並進行進階音訊分軌。目前該版本已面向 Suno Premier 訂閱使用者開放。
Inherent Labs 推出 Faraday：27B 模型指揮 GPT-5.5 復現論文，超越頂尖大模型
Inherent Labs 推出 27B 規模的「AI 科學家」Faraday，在論文復現任務上打敗 Claude Opus 4.8 和 GPT-5.5。它將科研判斷與編碼解耦，自己只負責假設探索，指揮 GPT-5.5 Codex 編寫程式碼。這證明小模型通過工具呼叫與任務設計，也能在科研場景跑贏巨型基座。
MiniMax 開源 Music 3.0：單次生成 5 分鐘整曲，基於千問底座
MiniMax 推出開源權重音樂模型 Music 3.0。它採用基於 Qwen3.5-8B 的混合架構與流匹配技術，使用者只需輸入提示詞與歌詞，就能單次生成長達 5 分鐘的完整編曲與人聲演唱。最值得關注的是，它通過結構化描述解決了長音訊樂器走樣與情緒斷層問題。
Grok Bot 上線打電話功能：能替你排隊等客服，還能砍賬單
Grok Bot 面向付費使用者上線撥打電話功能，能替使用者撥打美國電話排隊等客服、預約甚至協商賬單。通話時配有即時文字記錄，遇到答不出的問題使用者可打字接力，但條款明確規定全部法律責任由使用者自負。
DeepSeek 釋出 V4-Pro：支援三檔推理力度，API 引入「峰谷定價」便宜一半
DeepSeek 正式上線 DeepSeek-V4-Pro。新模型大幅增強了 Agent 能力，支援在 low、high 和 max 三檔推理力度間切換，並原生相容 OpenAI Responses API。此外 API 計費新增「峰谷定價」，低谷期直接便宜 50%。
字節跳動開源全模態影片模型 Bernini 2：自然語言修影片，但模型達 180GB
字節跳動開源全模態影片編輯模型 Bernini 2，支援用自然語言直接修改已有影片的視角、背景，或在畫面中增刪角色與物體。它結合語義規劃與擴散渲染提升編輯精度，不過僅模型檔案就達 180GB，普通裝置本地執行門檻極高。
DeepSeek 開源智慧體框架 Harness：採用「一切皆外掛」架構
DeepSeek 開源智慧體框架 DeepSeek Harness（dsh）。它基於 Cordis 打造，採用「一切皆外掛」架構，支援外掛化配置模型與工具，並自帶本地 Web 介面。目前處於開發者預覽階段，仍在快速迭代中。
OpenAI 上線 Ultrafast 模式：GPT-5.6 Sol 快 14 倍，每秒 750 token
OpenAI 聯合 Cerebras 推出 API 新層級 Ultrafast 模式，讓 GPT-5.6 Sol 輸出速度達每秒 750 token，比標準處理快 14 倍。過去追求低延遲通常要犧牲模型尺寸，現在前沿大模型也能直接進入即時響應場景。目前該服務處於有限預覽階段。
Anthropic 升級 Claude Tag：更懂看群聊臉色，主動插話準確率提升 30%
Anthropic 升級 Slack 外掛 Claude Tag。它不再逐條評估單條訊息，而是結合整個頻道上下文、記憶與指令來決定是回覆、開新執行緒還是保持沉默，主動介入判斷準確率提升約 30%。Teams 和 Enterprise 使用者現可免費使用。
小米開源 MiDashengLM-Gen：一句話生成語音、音樂與音效混響的完整音訊
小米團隊開源音訊生成模型 MiDashengLM-Gen。它能根據結構化描述，在同一次生成中將語音、背景音樂、音效和環境聲自然融合為 16 kHz 音訊。整套框架基於 Qwen3-1.7B 與 Flow Matching 技術，程式碼按 Apache 2.0 協議開放。
Arkshel 帶來真「變形金剛」：機器人能在雙足、四足與飛航模式間切換
中國機器人初創公司 Arkshel Robotics 展示變形機器人原型 MX01。它不僅能在雙足直立行走和四足機器狗形態間切換，還能對接無人機模組實現空中飛行，未來還計劃加入輪式移動。不過形態多變也意味著結構更復雜、潛在故障點更多，實用性仍待檢驗。
週三
8月12日 星期三
Twitch 預設用直播內容訓亞馬遜 AI：上線退出開關，但僅管未來
Twitch 允許主播選擇退出將直播、剪輯和聊天記錄用於訓練亞馬遜生成式 AI。但該設定預設開啟且僅對未來訓練生效，Twitch 未透露此前是否已採集過資料；此外，普通觀眾也無法決定自己在他人直播間的發言是否被抓取。
Evoke 開源：140 億引數互動式世界模型，單圖加搖桿即時生成可控場景
開源互動式世界模型 Evoke 釋出，輸入單張圖片加搖桿操作即可在 3 步內近即時生成互動影片。模型引數量為 140 億，權重約 57GB，支援數小時長會話並不限長延伸場景。目前程式碼與全階段訓練權重均已按 Apache 2.0 開源。
DeepMind 釋出手語大模型 SL2T：Pixel 11 支援手語直接打字
Google DeepMind 推出手語轉文本模型 SL2T，首發落地 Pixel 11 的 Gboard 和即時轉錄。模型基於 50 多種手語超 10 萬小時資料訓練，裝置端提取骨架後直接轉譯，使用者可像語音輸入一樣直接打手語發信息或問 Gemini。目前率先支援美式手語轉英文。
Runway Agent 接入 Figma、Dropbox 與 Notion：素材直接調進工作區
Runway 宣佈為 Agent 功能接入 Figma、Dropbox 和 Notion 聯結器。使用者可以直接將這三個平臺中的設計稿、檔案和文件同步拉入 Runway 工作區，省去反覆搬運素材的麻煩。目前該功能已面向所有付費訂閱使用者開放。
Google 升級 Gemini：接入 Ticketmaster 等第三方應用，訂餐買票不用跳出
Google 宣佈將在未來幾週內為 Gemini 接入一批新的第三方應用。新功能涵蓋 Otter.ai、Ticketmaster、OpenTable 與 Pandora 等服務，使用者可以直接在對話中買票、訂餐或放音樂。這意味著 Gemini 正在加快補齊跨應用辦事的智慧體能力。
Deepgram 推出 Flux TTS：延遲低至 80ms，專為即時對話打造
Deepgram 推出專為即時對話設計的語音合成模型 Flux TTS，延遲低至 80 毫秒。它能追蹤多輪上下文，適應中途插話、臨時更改要求等複雜通話場景。最值得關注的是其瞄準生產級客服部署，9 月 12 日前開發者可免費體驗。
Ahrefs 推出智慧體工作空間 Letaido：40 小時調研壓縮至 1 小時
Ahrefs 推出面向營銷團隊的智慧體工作空間 Letaido。它原生接入 Ahrefs 龐大的網頁索引資料，可分配多步驟任務以自動化處理關鍵詞研究與競品監控。早期使用者稱原本耗時 40 小時的調研工作如今約 60 分鐘即可完成。
Vivodyne 啟用生物 AI 資料中心：年測 310 萬次活體組織，替代動物實驗
Vivodyne 啟用號稱全球最大的人體組織資料中心。其 HIVE 實驗室可自動培育肝、肺等活體組織，並由 AI 閉環設計實驗，年通量達 310 萬次。最值得關注的是，它直接提供可規模化的真實人體因果資料，幫藥企提前淘汰無效藥物並減少動物實驗。
Claude 升級 Chrome 側邊欄為 Cowork：跨端同步會話，支援網頁自動化
Anthropic 將 Chrome 側邊欄擴充套件升級為 Claude Cowork。瀏覽器中的任務現可同步至桌面、網頁和移動端繼續處理。擴充套件還支援呼叫技能與聯結器完成跨標籤頁填表和資料抓取。功能已向 Max 和 Team 使用者開放，Pro 使用者將在數週內跟進。
OpenAI 企業報告：頭部企業 AI 輸出飆至普通公司 8.3 倍
OpenAI 釋出兩份企業級 AI 採用報告，顯示排名前 10% 的企業每活躍使用者輸出 token 達到普通公司的 8.3 倍。截至 6 月，Codex 已佔企業總輸出的 64%，智慧體正從寫程式碼迅速擴散到法務與銷售等跨部門任務。
xAI 釋出 Grok 4.6：主打長程智慧體，綜合成績打平 GPT-5.6 Sol
xAI 釋出 Grok 4.6，主打長程智慧體與視覺互動開發。其綜合智慧指數打平 GPT-5.6 Sol，擅長自主完成多步程式設計並做自我校驗，能直接把構想變成可用版本。模型現已上線 Cursor、Grok Build 及 API，首周提供雙倍額度。
