WRITING / DAILY
通过工作流整理的每日 AI 观察。
今日AI领域迎来模型密集发布潮，Grok、Ideogram、MiniMax等多家推出重磅更新；产品与应用层面，Meta、xAI、Kimi等加速Agent落地；资本端ChatGPT月活破10亿，Suno获4亿美元融资。 1. Grok Imagine 1.5 预览版发布，可于 API 体验 Grok Imagine 1.5 预览版发布，即日起可通过 API 体验，SpaceXAI 持续发力。X：cb_doge (@cb_doge) ↗ 2. Ideogram v4.0 发布：原
微软在Build 2026推出首款自研推理模型MAI-Thinking-1，同时Claude Code新增动态多智能体工作流、OpenAI Codex发布可嵌入SDK——智能体编程工具链密集升级，AI正从“对话问答”加速转向“自主执行任务”。 1. 微软首款高级推理AI模型MAI-Thinking-1发布 微软在Build 2026发布首款高级推理模型MAI-Thinking-1，定位中等规模，在关键软件工程基准中达领先水平，完全自研未蒸馏第三方，标志微软自研AI重要一步。T
今天，多家头部公司的发布将竞争焦点从模型参数规模，明确转向了支撑智能体（Agent）落地的工具调用、长期记忆与结构化数据生成等“毛细血管”能力。 1. MiniMax M3：前沿编码、100万token上下文与原生多模态一体模型 MiniMax M3 是一款开源前沿模型，具备先进编码与AI智能体能力，支持100万token上下文。它采用新型稀疏注意力架构MSA，在长上下文下大幅降低计算成本并提升处理速度。在SWE-Bench Pro编码基准测试中表现优异。minimax.io
特斯拉的FSD用一辆量产车、一次长达6000公里的无人干预横穿测试，把自动驾驶的“可用性”门槛，一下拉到了“可信度”的新高度。 1. DeepSeek V4 Flash 已上线 OpenCode Zen DeepSeek V4 Flash 现已在 OpenCode Zen 平台上开放使用。X：@opencode ↗ 2. 机器人原生世界动作模型问世！首创时空一体架构，复旦系团队出品 一个由复旦系团队开发的机器人原生世界动作模型发布，采用了首创的时空一体架构，团队在半年内获得了
今天的关键趋势是：AI 行业的核心议题正从“追求更强”转向“如何更省”，效率与成本成为从研发到应用各环节的首要考量。 1. Nano Banana Pro与Nano Banana 2正式发布 Nano Banana Pro 与 Nano Banana 2 已正式发布，现已可通过 Gemini API 投入生产使用。X：@googleaidevs ↗ 2. 小即是美：开源多模态模型发布 开源多模态模型发布，体现“小即是美”的理念。X：@StepFun_ai ↗ 3. Arm开源
今天最明显的信号是AI工具在加速“实体化”：OpenAI的实时翻译模型开始在智能眼镜上测试，小米也开源了能给视频配音效的模型——AI正在从聊天窗口渗入我们真实的物理交互中。 1. OpenAI推出实时翻译模型，支持70+语言输入 OpenAI发布gpt-realtime-translate实时翻译功能，支持超过70种语言输入，可转换为13种输出语言。该模型接收语音输入并直接输出目标语言语音，正于智能眼镜上测试运行。X：@gdb ↗ 2. 阶跃星辰 Step 3.7 Flash
智能体能力成为模型竞争焦点，编码与任务执行优化密集涌现[1][2][9][16][29]。 模型向端侧与轻量化部署加速，设备端推理与专用芯片布局活跃[5][23][31]。 头部AI公司融资规模持续扩大，明星初创企业推进上市计划[19][20][21]。 AI工具深度集成主流生产力软件，企业级应用平台与安全治理框架同步发展[11][13][26][28][38]。 1. Anthropic发布Claude Opus 4.8模型，编码与智能体能力显著提升 Anthropic推出
MCP正迅速成为主流AI工具间的通用集成协议，头部公司与新兴玩家均加速布局其安全部署与应用场景[1][3][35]。 编程智能体商业化路径清晰，头部模型厂商通过定制化企业套餐与高性能推理优化，正将其打造为核心收入来源[2][5][11][17]。 视频生成技术进入实时化与单GPU普及阶段，开源工具与API集成共同推动创作工具平民化[1][4]。 智能体应用从编程向企业IT、游戏创作等垂直领域深度渗透，同时面临准确率与安全架构的双重挑战[8][12][14][16]。 AI投资
1. 面壁智能开源MiniCPM5-1B端侧模型，参数减半性能更优 面壁智能开源1B参数的端侧大语言模型MiniCPM5-1B，在AA-Index榜单上超越所有2B参数以下模型，INT4量化后仅0.5GB，可在手机和浏览器运行。IT之家（RSS） ↗ 2. 腾讯混元发布翻译模型Hy-MT2，推出混译小程序 腾讯混元开源翻译模型Hy-MT2，其中1.8B版本在Hugging Face排行榜位列第一，并推出了配套的微信小程序，支持语音输入。X：腾讯混元 (@TencentHuny
1. SpaceXAI完成1.5T参数Grok V9-Medium模型训练，预告开源计划 Elon Musk宣布，1.5T参数的Grok基础模型V9-Medium已完成训练，进入微调和强化学习阶段，预计2-3周内发布，并计划年底开源0.5T参数的模型。X ↗ 2. OpenBMB开源MiniCPM5-1B模型，登顶2B以下小模型榜单 OpenBMB开源MiniCPM5系列首个模型MiniCPM5-1B，具备混合推理能力，在Artificial Analysis小模型榜单登顶，
1. OpenClaw发布2026.5.22版本，优化性能并加固安全 OpenClaw新版本优化了Gateway和模型启动路径，显著降低模型接口响应时间，并增强了npm包和Windows系统的安全机制。X：OpenClaw (@openclaw) ↗ 2. Codex负责人探讨为产品引入“慢速模式”批量计算功能 OpenAI Codex负责人Tibo发起讨论，考虑为Codex产品添加一个可选的“/slow mode”，用于执行更耗时但成本更低的批量计算任务。X ↗ 3. 传闻
1. 阶跃星辰发布 StepAudio 2.5 实时语音模型，支持副语言理解与自定义人格 阶跃星辰推出实时语音模型 StepAudio 2.5，可深度理解语音中的语气、语速、停顿等副语言特征。该模型支持通过 API 接入自定义人格，提供上万种原生人格选项，可实现高度个性化的语音交互。X：阶跃星辰 StepFun (@StepFun_ai) ↗ 2. 报道称 Claude 网页端曾短暂出现代号 Mythos 1 的新模型 据报道，Anthropic 正在准备代号为 Mythos
1. 首个基于华为昇腾910B全栈训练的1.58比特开源模型BitCPM-CANN发布 ModelBest、清华大学与OpenBMB社区联合发布全球首个完全基于华为昇腾910B NPU训练的开源1.58比特三元大模型BitCPM-CANN，其极低比特量化技术能显著降低模型内存占用。X：Rohan Paul (@rohanpaul_ai) ↗ 2. 智谱发布高速版旗舰模型GLM-5.1-HighSpeed，速度达400 tokens/s 智谱发布了旗舰模型GLM-5.1的高速版
1. Runway发布Aleph 2.0及Edit Studio创作套件 Runway正式推出旗舰视频编辑模型Aleph 2.0及配套的Edit Studio工具，支持最长30秒1080p视频处理，将生成、编辑与后期制作整合于统一平台。Runway：Changelog ↗ 2. 腾讯混元开源Hy-MT2多语言翻译模型，1.8B轻量版超越商业API 腾讯开源Hy-MT2系列多语言翻译模型，支持33种语言。其1.8B轻量版性能超越主流商业API，7B与30B版本达到开源SOTA。
1. Qwen3.7系列模型发布：主打Agent能力，多模态交互升级 通义千问团队发布面向智能体（Agent）时代的旗舰模型Qwen3.7-Max，在编程、办公自动化与自主任务执行方面表现领先。同时推出Qwen3.7模型，集成聊天、图像视频理解、文档处理、工具调用等全方位能力，推动多模态交互向综合自主方向发展…qwenlm.github.io ↗ 2. 千问发布实时同传翻译大模型Qwen3.5-LiveTranslate 通义实验室发布实时同传翻译模型Qwen3.5-Live
1. 谷歌I/O 2026：Gemini进入自主代理时代 谷歌在I/O 2026大会宣布Gemini进入自主代理时代，其新功能可自动执行复杂任务，如管理邮件、安排日程，显著提升工作效率。Google Blog：AI（RSS） ↗ 2. 谷歌发布多模态生成模型Gemini Omni 谷歌推出Gemini Omni全能模型，能从图像、文本等任意输入生成高质量视频，并具备物理推理能力。该模型代表了多模态理解和生成的新突破。IT之家（RSS） ↗ 3. 谷歌发布全天候个人AI代理Ge
1. 阿里云推出HappyHorse视频生成模型 阿里云发布视频生成模型HappyHorse，支持从文本提示生成1080p多镜头电影级画面，并已在Model Studio上线，目前有限时8折优惠。X：阿里云 / Alibaba Cloud (@alibaba_cloud) ↗ 2. 通义千问发布Qwen3.7 Max与Plus预览版 阿里通义千问团队在Qwen Studio上线了Qwen3.7 Max和Plus的预览版模型，并公开了Arena排名，预计将在阿里云峰会正式发布。
1. Grok Imagine图像生成功能正式发布 Grok Imagine 现已正式发布 所有人都可使用 基于我们最新的文本到图像模型 能够生成逼真、高质量的图像 支持多种宽高比 现在可在 X 上使用。X：Elon Musk ↗ 2. 手机端ChatGPT应用集成Codex构建功能 你可以在手机端通过ChatGPT应用中的Codex直接构建项目。X：Greg Brockman ↗ 3. Zerostack——一款采用纯Rust语言编写、受Unix启发的编程代理 Zerost
1. 社区协作再创佳绩，vLLM支持万亿级模型 又一次Day0协作，又一次社区胜利。感谢@vllm_project团队始终可靠的支持~。X：蚂蚁百灵 ↗ 2. SANA-WM：一个用于生成1分钟720p视频的26亿级开源世界模型 NVIDIA研究团队发布了SANA-WM，这是一个参数规模达26亿的开源世界模型，专门用于生成长达1分钟、分辨率为720p的视频。该模型已在GitHub页面开源，旨在推动高质量长视频生成的研发。Hacker News 热门（buzzing.cc：中文
1. MiniMax M2.7模型上线OrcaRouter平台 M2.7已在 OrcaRouter 平台上线，可通过单一 OpenAI 兼容 API 访问。 X：MiniMax ↗ 2. SenseNova发布增强版信息图表生成模型SenseNova-U1-8B-MoT-Infographic SenseNova近日推出专为信息图表生成设计的增强模型SenseNova-U1-8B-MoT-Infographic。该模型能够根据指令生成多种视觉格式内容，包括海报、图表、食谱卡、