周报
issue173 2026.5.18-5.24
2026.5.25-5.31
共 30 条
DeepSeek API 完成输出提速与服务扩容,默认支持 500 并发同时在线
DeepSeek 今日宣布 API 已完成输出提速与服务扩容。输出速度更快、服务更稳定,默认支持 500 并发同时在线。企业用户需要更大并发可在线申请。##AI 大模型##
微软推出 Fara1.5 系列浏览器 AI 智能体模型,72% 任务成功率超 OpenAI Operator
微软研究院 AI Frontiers 实验室最新发布 Fara1.5 系列模型,主要适用于浏览器场景下的计算机使用智能体,涵盖 4B、9B 和 27B 三个参数规模版本。
网易有道“子曰 4”多模态模型、语音合成模型全量开源
网易有道今日宣布,决定将“子曰”大模型 4.0 的核心双引擎 ——“多模态模型”与“语音合成(TTS)模型”,正式面向全球全量开源。开发者可以免费下载、部署,并基于此进行二次开发。
字节火山引擎火山剧创 1.0 正式上线,短剧制作周期缩短 80% 以上
火山剧创 1.0 深度适配 Seedance、Seedream 等模型,实现高效可控的“导演级控片”能力,制作周期缩短 80% 以上。同时,火山方舟为火山剧创 1.0 提供充足算力支撑。
谷歌 Beam 扩展群组会议能力:真人比例“入座”,自动优化音画表现
Google 在 Google I/O 期间更新了企业级 3D 视频通话平台 Google Beam,核心变化有两个:一是把非 Beam 设备接入群组会议的方式重新优化,二是把这项能力放进实验功能,先用于特定硬件场景。
Stability AI 推出音频模型 Stability Audio 3.0,可生成最长 6 分钟专业级歌曲
Stability AI 此次共推出了四款不同规格的模型,分别为:45900 万参数的小型 XFS 与小型版、14 亿参数的中型版,以及 27 亿参数的大型版。其中,两款小型模型专注于设备端运行,可本地生成两分钟以内的声音与音乐。
阿里云发布大模型聚合平台“千问云”
千问云平台可理解为大模型市场,采用Agent-Friendly设计理念,通过Skills和CLI两大入口服务Agent用户。Skills将模型选型、调用、用量查询等能力封装成Agent可理解、可调用的技能组合;CLI同时为开发者和Agent用户提供稳定、可重复、可自动化的命令行入口。
谷歌升级 AI 创意平台 Flow:增强视频编辑,Agent 辅助头脑风暴等
在今日的 2026 谷歌 I/O 开发者大会上,谷歌宣布升级 AI 创意平台 Google Flow,重点整合 Gemini Omni Flash 推理能力与生成式媒体能力,进一步扩展 Flow 的创作边界。
谷歌展示街景版 Genie 世界 AI 模型,用真实街景创建想象世界
在今日的 2026 谷歌 I/O 开发者大会上,谷歌宣布在谷歌街景(Street View)服务中结合 Project Genie 的世界生成能力,进一步扩展这套通用世界模型的能力。
谷歌推出 AI 通用购物车,联合亚马逊、Meta、微软打造 AI 电商协议
谷歌带来两大 AI 电商协议 —— UCP 和 AP2。其中,UCP 对于智能体电商的作用,可以看作是 HTTP 对于万维网的作用,它给智能体和系统提供了一个通用的语言,这是一个开源协议,亚马逊、Meta、微软、Salesforce 都加入了这个协议。
谷歌升级 Workspace:语音对话协作 AI 检索邮件、起草文档、整理笔记
在今日的 2026 谷歌 I/O 开发者大会上,谷歌 CEO 桑达尔 · 皮查伊(Sundar Pichai)宣布升级 Google Workspace,把 Gmail、Docs、Keep 等工具变成可语音对话的协作助手。
谷歌发布 Ask YouTube,搜索视频支持完整句子与连续追问
在今日的 2026 谷歌 I/O 开发者大会上,谷歌 CEO 桑达尔 · 皮查伊(Sundar Pichai)宣布上线 Ask YouTube 功能,核心变化是把传统关键词搜索升级为对话式搜索。
谷歌 Gemini Spark 个人智能体发布:一句话让 AI 干几份活,不用担心乱搞数据
Gemini Spark 一切听用户指挥,24 小时实时在线,运行在专有的虚拟环境中,用户可以放心地合上电脑屏幕而不用担心 AI 搞乱数据。
谷歌发布 Gemini 3.5 Flash 模型:AI 输出速度 4 倍于 GPT-5.5
在今日的 2026 谷歌 I/O 开发者大会上,谷歌 CEO 桑达尔 · 皮查伊(Sundar Pichai)宣布推出 Gemini 3.5 Flash 模型,在许多基准测试中的表现都优于 3.1 Pro。
谷歌 Gemini 集成 C2PA 内容凭证:增强判断图片是否经过 AI 编辑
今天(5 月 20 日)召开的 2026 年谷歌 I/O 开发者大会上,谷歌宣布 Gemini 集成 C2PA 内容凭证,从而更好地抵御深度伪造(Deepfake)。
谷歌 Gemini Omni 全能模型发布:可从任意输入生成任意输出,一句话让 AI 修改视频
Gemini Omni 宣称能“从任何输入生成任何输出”,支持对话式编辑,用户可一句话改变视频中的角色、背景等元素。
『书生』科学大模型Intern-S2-Preview开源!
上海人工智能实验室(上海AI实验室)于5月15日开源了新一代大模型预览版Intern-S2-Preview,进一步拓展“可深度专业化通用模型”的能力边界并大幅降低使用门槛。35B参数科学性能比肩万亿参数模型。
腾讯内测AI助手Marvis
腾讯近期开启了个人AI助手 Marvis(马维斯)的邀请制内测。Marvis的定位是一款“操作系统层级”的助手,可预装六名7x24小时在线的AI“牛马”Agent,用自然语言就能实现对手机和电脑的全流程操控。同时支持端侧隐私模式,数据不上云,并可跨端远程控制。
不换 Kimi 底座,1/10 成本追平 Opus 4.7?Cursor 用 Composer 2.5 反击 Claude Code
AI编程工具Cursor发布Composer 2.5,强化长任务能力降本竞争。
阿里 QoderWork 上线设计工作台:语音描述就能交付专业设计
阿里云 QoderWork 上线设计工作台,支持语音输入,用户通过描述需求即可生成可运行、可编辑的专业设计产物。它通过结构化追问、设计计划、参数化微调三大机制,重构 AI 设计流程,让设计师、产品经理、市场运营都能高效产出。设计产物可一键交付至开发工具,打通设计与研发的壁垒。#AI 设计##阿里云#
腾讯 AI 设计智能体 Ardot 公测:一句话生成可编辑设计稿,一键转代码
腾讯云今日宣布,腾讯自研 AI 设计智能体平台 Ardot 正式公测,官方称之为“一个 AI 驱动的产设研协作平台”。
腾讯「吐司」上线,一键生成APP
这是腾讯在vibe coding(你说想法,AI 写代码)的又一次尝试,你只需要描述你的想法或灵感,AI 帮你规划产品、设计界面、编程测试,并可一键导出APK安装包,你可自己安装使用或分享给别人使用。