#AI资讯

⏺Google 发布其最强图像生成模型「Nano Banana Pro」
官方正式名称为「Gemini 3 Pro Image」。它最高可输出 4K 分辨率图像、支持多轮编辑、搜索增强等功能，应该是目前全球最先进的 AI 绘画模型了！[博客][直达][提示词大全]

⏺ ChatGPT 近期更新
新增全新购物助手功能，用户只需输入购物需求，ChatGPT 就会开始为用户筛选合适的产品；取消了独立的「ChatGPT Voice」入口，现在用户可以直接在聊天中使用语音功能。

⏺ Claude Opus 4.5 发布
可智能修复bug、永不遗忘对话，对标 GPT-5.1 和 Gemini Pro。

⏺ Black Forest Labs 发布全新开源大模型「FLUX.2」
FLUX.2 有 4 个不同规模和用途的模型包括 Pro、Flex、Dev、Klein，并在技术上实现了显著提升，包括引入多参考条件、更高保真度的输出以及改进的文本渲染。[开源地址][官方博客][FLUX.1介绍]

⏺ TRAE SOLO 中国版正式上线
TRAE SOLO 是一种高度自动化的开发方式，以 AI 为主导，可理解目标、承接上下文并调度工具，独立推进各阶段开发任务。且完全免费使用。（TRAE 是字节跳动旗下的 AI 编程工具）[直达]

*题图由 Nano Banana Pro 免费生成

📮投稿 📢频道 💬群聊 🔎索引

#AI资讯

⏺ Manus 推出聊天模式：向所有用户免费开放。[直达]

⏺ MiniMax 开源全球首个「大规模混合架构」推理模型：M1 原生支持 100 万上下文的输入，跟闭源模型里面的 Google Gemini 2.5 Pro 一致，是 DeepSeek R1 的 8 倍。此前还上线了 MiniMax Agent。[开源][Agent平台介绍]

⏺ Krea AI 发布其首个图像生成模型「Krea1」：Krea1由 Krea AI 与 Black Forest Labs（Flux开发者）合作开发，旨在解决传统 AI 图像生成中的「AI感」问题。[本频道介绍][直达]

⏺ Google Gemini 2.5 Flash 和 Pro 现已全面推出：其中，Gemini 2.5 Flash Lite 被称为目前速度最快且最具成本效益的 2.5 模型。[直达]

⏺ Cursor Pro 取消 500 次请求限制：Cursor 17日宣布其 Pro 计划正式取消每月 500 次快速请求限制，推出「无限使用」模式。[直达]

#AI资讯

⏺ DeepSeek 发布 Prover-V2 新模型：包含 7B 和 671B 两个版本，训练核心是「递归+强化学习」的组合，专注高性能数学推理。[huggingface]

⏺ 小米开源首个推理 AI 大模型「Xiaomi MiMo」：旨在探索如何激发模型的推理潜能，性能对标 OpenAI o1-mini。[huggingface]

⏺ 阿里「Qwen3-235B-A22B」模型正式登陆 HuggingChat。[直达]

⏺ ChatGPT 将为所有用户推出购物功能：用户可以直接在对话中查找、比价并完成购买。[x]

⏺ Adobe 发布商用级 AI 图像生成模型「Firefly Image 4」系列：包含 4 和 4 Ultra，精度、清晰度和真实感再提升。[在线体验]

⏺ 微软多达 30% 的代码由 AI 生成：微软 CEO 称目前微软的代码库中，约有 20%-30% 的代码由 AI 完成，甚至一些项目，都可能完全由 AI 进行编写。[新闻报道]

📮投稿 📢频道 💬群聊 🔎索引

#AI资讯

⏺ OpenAI 发布 o3 和 o4-mini 大模型：在编码、数学、科学等领域展现出「迄今为止最强」的推理能力。还被训练成能够主动、智能地使用和组合工具来解决复杂问题的「AI系统」，并且首次实现了「用图像思考」。付费用户可直接在官网体验。[官方介绍]

⏺ChatGPT 上线图像库功能：用户可在库里看到自己生成的所有图像。[页面左上角]

⏺xAI 推出 Grok Studio： 支持生成、编辑、预览多种数字内容，包括但不限于文档、代码、数据报表甚至是小游戏。[直达]

⏺AI 驱动 Android 手机自动化控制项目「DroidRun」开源：用自然语言就可以操控手机。[直达]

⏺AI 电子邮件客户端 Notion Mail 正式上线： 套壳 Gmail，免费用户无法使用 AI 功能。[直达]

⏺梁文锋入选《时代》「2025年全球最具影响力100人」： 特朗普、马斯克也在列。[直达]

📮投稿 📢频道 💬群聊 🔎索引

#AI资讯

⏺ 奥特曼透露 GPT-5 即将发布：OpenAI CEO 山姆奥特曼在 x 表示，o3 和 o4-mini 将在几周内发布，GPT-5 将在几个月内发布，曾表示将免费使用。

⏺ Meta发布开源大模型「Llama 4」：全系采用混合专家（MoE）架构，目前最强的开源多模态大模型。[官方][在线使用]

⏺ Midjourney 更新 V7 版本：整体图像质量提高、人物图像提升明显、对提示词理解更到位、能准确表现特定视角等。[直达]

⏺微软推出 AI 驱动的 Bing Copilot Search：AI 结合传统搜索的产品，有点烂大街了。[直达]

📮投稿 📢频道 💬群聊 🔎索引

#AI资讯

⏺ ChatGPT 新推出的 AI 生成图像功能延迟对免费用户开放：奥特曼称该功能比预期要受欢迎得多[原文]

⏺ Google 发布旗舰推理模型「Gemini 2.5」：首个发布的版本被命名为Gemini 2.5 Pro Experimental，支持100万个token的上下文窗口。在各种基准测试中都处于领先地位。[官方介绍][在线使用]

⏺ Google AI Studio 现在可以通过 ai.dev 域名直接访问

⏺ DeepSeek-V3模型上线：该模型参数为6850亿，编程与数学能力大幅提升。

⏺ Ideogram发布 3.0 模型：真实感、创意设计、一致性显著提升[在线使用][APP]][介绍]

⏺ OpenAI 宣布支持 Anthropic 的MCP标准： Agent SDK已添加MCP支持。（MCP 的主要功能是允许模型从各种数据源获取信息）[官方]

⏺ 开复：中国大模型未来大概率只剩下DeepSeek、阿里和字节跳动

#AI资讯

⏺AI2 发布开源大语言模型「OLMo232B」：拥有 320 亿参数，实力超越 GPT-4o mini [本频道介绍] [在线体验] [开源地址]

⏺Claude Max 已正式登陆 Cursor：支持 20 万字超大上下文，工具调用次数上限提升至 200 次。[官方]

⏺OpenAI 近期更新：开放欧盟地区使用 Operator 、o1 和 o3-mini 中新增了基于 Python 的数据分析功能、所有用户现在都可以在 macOS 上使用「Work with Apps」功能 [官方]

⏺OpenAI 向白宫提案封禁 DeepSeek：如不禁止，中国 AI 可能会在 2030 年前超越美国 [原文]

⏺百度发布文心4.5与X1大模型：文心4.5是百度首个原生多模态大模型，而文心 X1则被誉为 “深度思考模型”，其性能与 DeepSeek-R1相当 [搜文心一言免费体验]

⏺​一男子因利用 AI 撰写色情小说被判刑十个月，非法获利超两万元：被告人柯某因制作、贩卖、传播淫秽物品牟利罪，被判处有期徒刑十个月，并处罚金人民币五千元，退还违法所得 [得不偿失]

#AI资讯

内容比较多，点开查看

⏺ 马斯克宣布 Grok 语音模式正式上线：支持10种模式，还包括18+选项。仅支持英文，貌似需要升级才能使用。

⏺ Anthropic 推出混合推理模型「Claude 3.7 Sonnet」：旨在解决更复杂的问题，并在数学和编码等领域展现出超越以往的性能。[介绍][免费使用]

⏺ ​ChatGPT 新增 Safari 扩展功能：可设置 为Safari 地址栏默认搜索引擎

⏺今天，OpenAI 免费开放了基于GPT-4o mini 的 ChatGPT 高级语音聊天模式

⏺ Perplexity AI 推出新全浏览器 Comet：专注于 “代理搜索” 功能，以「智能体搜索」为核心概念。[加入候补]

⏺Google 推出编程助手「Gemini Code Assist」：每月 18 万次免费代码补全。[直达]

⏺瑞典公司 lovable 推出无代码构建应用 AI 工具：无需任何编程基础，只需要提示词即可开发一个完整的应用软件。现在该平台每天生成超过25000个新产品。[直达]

⏺Exa 发布 AI 搜索工具「Websets」：用户可以通过 Websets 执行如“美国市值前50的AI创业公司CEO信息”这样的复杂查询，可实现一次性读取并分析超过1000+网页数据并生成结构化的结果表格。[直达]

#AI资讯

⏺ai.com 域名现已跳转至 DeepSeek：此前， ai.com 曾跳转过 ChatGPT、xAI，以及 Google Gemini 官网（🤡）

⏺Apple Intelligence 将于 4 月开始支持中文：库克在近日的 2024 年 Q4 财报电话会上表示，公司将会在今年 4 月对 Apple Intelligence 适配更多语言，其中包括中文

⏺传阿里 3 万美元收购域名 QwenChat.com：域名注册人仅以 10 美元成本持有该域名，短短两个月实现 3000 倍收益[News]

⏺Hugging Face 更新了 Spaces 导航界面：内含 30 个 AI 分类，超 40 万个 Space，支持自然语言搜索功能[直达]

📮投稿 📢频道 💬群聊 🔎索引

#AI资讯

⭐ DeepSeek 霸榜 App Store：1 月 27 日， DeepSeek 登顶中国区、美区商店免费榜第一，超越 ChatGPT [直达]

ChatGPT 用户可免费体验 o3-mini：这一新模型是 o1模型的继任者，经过自去年12月内测以来的持续优化，力求更快、更准确

Cursor 获得 1.05 亿美金 B 轮融资：目标是打造基于人机协作编程模式的未来工程师，其效率比任一程序员都高出一个数量级。目前 Cursor 用户量已超百万，年收入已突破1亿美元 [blog]

#AI资讯

⏺ ChatGPT 面向 Plus、Pro 和 Team 计划用户推出计划任务功能：可通过ChatGPT创建计划任务，任务完成后会向用户发送通知或者邮件[介绍]

⏺ Mistral 发布性能领先的编程模型「Codestral 25.01」：在同参数量模型中表现突出，目前在 LMsys Copilot 竞技场中稳居榜首[介绍][使用]

⏺ Minimax 推出开源 AI 大模型：基础语言模型「MiniMax-Text-01」、视觉多模态模型「MiniMax-VL-01」以及「S2V-01」视频生成模型[在线使用][介绍①][介绍②]

⏺ ​Runway 推出电影级 AI 图像生成工具「Frames」：向更高的逼真度迈进了一大步！[介绍]

⏺ Google NotebookLM 更新：可随时与 AI 主持人互动，AI 会认真倾听，然后直接回应，支持打断[本频道报道][在线使用]

⏺造车企业图森未来改名「Create AI」转战 AIGC：发布开源图生视频模型「Ruyi-Mini-7B」，专为消费级 GPU 设计。有趣的是这家公司正在用 AI 开发 AAA 级开放世界游戏《金庸群侠传》[官网]

#AI资讯

⏺Google 发布 AI 图像创意工具「Whisk」：可以将图片的主体、背景和风格融合生成全新的创意图片。目前仅支持美国（ip）地区[官方Demo][在线使用]

这个超好玩，而且效果很牛逼，你大爷终究是你大爷

⏺Google 文生图大模型「Imagen 3」迎来升级：可以生成更明亮、构图更好的图像，还可更准确地渲染更多不同的艺术风格[本频道报道][在线使用]

封面图就是此模型生成，感觉比 Flux.1 还略胜一筹

⏺Google 发布视频生成大模型「Veo2」：支持文本和图像生成视频，最高可生成 4K 分辨。还可根据提示词完成相机控制，如广角镜头、POV 和无人机拍摄，模拟真实世界的物理效果和多种视觉[官方Demo][加入候补]

⏺Pika AI 发布了 Pika 2.0 视频生成模型：提升多主体一致性。上传多张图片，Pika 会精准参考图片中的元素并生成视频。比如可以将一个场景、人物、衣服、挂饰等融合成一个完整视频[官方Demo][直达]

#AI资讯

⏺ChatGPT APP 功能上新：除了原有的高级语音模式外，现在你可以与ChatGPT进行视频通话、共享屏幕，也可以与圣诞老人实时互动

⏺Meta 发布开源 AI 大模型「Llama 3.3」：效率更高、成本更低。不支持中文

⏺全球首个 AI 程序员 Devin 全面开放：能够熟练运用多种编程语言、独立完成网站和应用程序的构建与部署，甚至可以自主发现并修复代码缺陷，月费500美元（直达）

⏺Google Drive 增强了 Gemini AI 的功能：现在用户可以通过新的 “总结此文件夹” 按钮快速获取文件夹内容的概要

⏺开源网络爬虫项目 Crawl4 AI 更新：此次新增的文本模式（Text-Only Mode）功能可以通过优化资源加载策略，将爬取效率提升至原来的3-4 倍（本频道报道）

#AI资讯

⏺ChatGPT正式 登陆 Windows：该应用目前仅适用于 ChatGPT Plus、Team、Enterprise 和 Edu 用户，当前是一个早期版本，将在今年晚些时候推出「完整体验」（直达）

⏺Google 推出 AI 笔记应用「NotebookLM」：该应用由 Gemini 1.5 Pro 驱动，它可以将来自不同来源的信息汇总到一个界面中，使用户可以与收集的数据进行聊天。亮点在于它能与各种文件类型互动，包括PDF、Google文档和YouTube视频，并生成音频、摘要、问答和带有引用的想法（直达）

⏺Suno 推出「Suno Scenes」：Suno 允许以视频和图片为提示词，生成 30 秒的音乐，一个短视频，一张表情包，就能唱出一首歌。不过，目前该功能仅支持 Suno 的 iOS 客户端，并且仅在美国地区可用（link）

⏺Les Ministraux 官方宣称其边缘模型为世界上最好的：包含 3B 和 8B 两个版本，在各种基准测试中均超越了 Llama 3.2 和 Gemma 2 的同参数量模型（link）

#AI资讯

⏺OpenAI 推出 AI 搜索搜索功能「SearchGPT」：这是一款由 GPT-4 系列模型驱动、能实时访问全网信息，附带清晰来源链接的搜索引擎

谷歌母公司 Alphabet 的股价当天下跌 3%

⏺Meta 发布 Llama 3.1 模型：是 Meta 迄今为止最强大的模型，也是全球目前最强大的开源大模型。从基准测试结果来看，Llama 3.1 超过了 GPT-4 0125，与 GPT-4o、Claude 3.5 互有胜负

在线体验

⏺Mistral AI 发布 Mistral Large2 模型：该模型进行了非常大比例的代码训练，性能远优于第一代，与GPT-4o、Claude 3 Opus和Llama 3 405B等领先型号的表现不相上下

在线体验

⏺Udio 发布新版本 v1.5 ：增强了音乐生成能力，包括多语言支持（包含中文）、音质提升至48kHz立体声、调性控制等

在线体验

#AI资讯

⏺英伟达成为全球市值最高公司：6月19日凌晨，英伟达市值达 3.34 万亿美元，五年间涨幅达到3477.31%，超越微软和苹果。至此，英伟达成为全球最有价值的 AI 科技公司！

错亿！

⏺Runway 发布「Gen-3 Alpha」视频生成模型：相较于Gen-2 ，Gen-3 Alpha 在保真度、一致性和运动方面有了重大改进（more）

以后牛马都可以当导演了

⏺Google 发布视频生成音频技术「V2A」：可根据画面和文字描述自动生成与视频同步的音轨（Deepmind）

AI 视频进入有声时代

⏺智源最新模型评测：百度文心大模型4.0登顶闭源模型榜第一：字节云雀、豆包以88.35、87.14分列第二和第三（flageval）

一举超越GPT4o 😏

⏺男子用 AI 伪造近 7000 张裸照：每张卖1.5元，涉及女性人数多，包括学生、教师、同事（央视新闻）

人家意淫，你来真的 🤩

#AI资讯

谷歌I/O开发者大会要点一览

⏺将在美国推出「AI概览」功能，搜索引擎会总结搜索结果
⏺谷歌搜索将具备多步骤推理能力，可以一次性处理带有多个限制条件的长问题，并支持拍视频搜索
⏺Gemini 1.5 Pro 大模型在今年将会把100万Tokens的窗口扩大至200万
⏺推出 Gemini 1.5 Flash 模型，服务于需要快速响应的场景
⏺推出参数量更大的Gemma 2
⏺发布了文生图工具 Imagen 3、与 Youtube&音乐家合作的「AI音乐沙盒」，以及最新的视频生成模型Veo
⏺Gemini Nano 模型将在今年晚些时候登陆 Pixel 手机并能在本地运行
⏺从今年夏天开始，Gemini 将支持语音实时交互，还将上线实时视频交互
⏺将推出「Gems」自定义 AI 助手功能，并与谷歌全家桶联动
⏺宣布第六代 TPU 芯片 Trillium， 较上一代算力表现翻 4.7 倍，下半年起投入使用
⏺谷歌云在明年初用上英伟达最新的 Blackwell 架构 GPU

#AI资讯

⏺OpenAI 将在当地时间 5 月 13 日上午十点（北京时间 5 月 14 日凌晨两点）在官网进行直播，届时将演示一些 ChatGPT 和 GPT-4 的更新（直达）

⏺ChatGPT 或将整合到 iOS 18 操作系统：报道称苹果即将与 OpenAI 达成合作协议，iOS18 将内置ChatGPT。报道还称苹果也与 Google 就 Gemini 聊天机器人的授权协议进行了谈判，不过，目前双方尚未达成协议。（彭博社）

⏺谷歌 AI 手机 Pixel 8a 在美售价499美元起：搭载 Tensor G3 芯片，配备 Gemini、Best Take、Audio Magic Eraser等 AI 功能

⏺朱啸虎：大模型商业模式非常差，奥特曼在吹牛，GPT-5不可能这么近（原文）

#AI资讯

⏺联发科天玑 9300+ 处理器发布，支持 Llama27B端侧大模型运行，可为用户提供文字、图像、音乐等端侧生成式 AI 多模态创新体验

⏺苹果将用自研模型 Ajax 优化 iOS18：Safari 中加入智能搜索功能，允许用户对网页进行总结，并对 Siri 功能进行大幅改进

⏺苹果照片应用将引入 AI 功能 Clean Up：利用生成式人工智能编辑图片

⏺魅族科技官宣新 Flyme 系统本月见：Flyme 系统将会向 AI 领域转型，带来大量 AI 功能

⏺realme 真我 GT Neo6 手机 5 月 9 日推出，并表示此次发布会是“机圈首场 AI 数字人发布会”

好家伙，现在手机都开始进军 AI 了

#AI资讯

⏺谷歌发布 CodeGemma AI 模型：目标打造最强代码辅助工具（在线体验）

⏺谷歌 Imagen 2 新增文生动图功能：可创作 4 秒动态图片，每秒 24 帧（更多介绍）

⏺开源 AI 视频理解模型「MiniGPT4-Video」发布：能够处理时间视觉和文本数据，使其能够熟练地理解视频的复杂性（在线体验）

⏺OpenAI 发布最新模型「GPT-4 Turbo with Vision」：新增视觉处理功能，并且视觉请求支持 JSON 格式和函数调用方式（官方介绍）

⏺马斯克：特斯拉大模型 Grok 2.0 版本的性能将好于ChatGPT-4，可能在两年内实现