AI and technology watch

AI 新闻

聚合过去 24 小时 AI 与开发者生态动态，并提供来源链接以便深入阅读。

---

AI HOT · 2026-05-31 03:21

OpenAI 实时翻译功能--使用70多种输入语言说话，翻译成13种输出语言： gpt-realtime-translate 接收任意语言的语音输入，并输出目标语言的语音。大语言模型很棒，但特定用例需要专用模型。我们正在智能眼镜上运行此功能。

04:19 Greg Brockman @ gdb 精选 76 cayden 凯登 : OpenAI just dropped a completely new kind of model gpt-realtime-translate takes in speech audio from any language and ou... OpenAI 多模态模型发布语音推荐理由： OpenAI悄悄推出一个专门做实时语音翻译的模型，不是通用LLM，而是专用模型。这标志着AI交互从文字转向语音的第一步，做翻译硬件或AR眼镜的团队要睡不着了。

OpenAI 多模态模型发布语音

AI HOT · 2026-05-31 02:14

我们持续为 Runway API 添加新模型和端点，以便您能将最佳生成能力直接集成到应用、产品和平台中。通过 Runway API，您可以在一个地方获得所需的所有模型，包括 Seedance 2.0、GPT Image 2、HappyHorse 1.0、Nano Banana Pro、Magnific Precision Upscaler V2 等更多内容。请通过下方链接开始使用。

04:10 Runway @ runwayml 精选 72 产品更新图像生成推荐理由： Runway API 这次集中上新，Seedance 2.0 加入虽然方便了开发者，但没有模型能力的质变，更像是生态补全。

产品更新图像生成

AI HOT · 2026-05-31 00:00

参与我们的 I/O 2026 测验：该测验由 Google AI Studio 氛围编程生成

03:08 Google Blog：AI（RSS）精选 55 Google 使用其开发工具 Google AI Studio，通过氛围编程（vibe coding）方式，创建了一个关于 Google I/O 2026 主要公告的在线测验。 Google 教程/实践推荐理由： Google 用 AI Studio 自己 vibe code 了个 I/O 测验，是想展示普通人也玩得转，但 quiz 本身信息量不大，想体验 vibe coding 的可以顺手玩玩。

Google 教程/实践

AI HOT · 2026-05-31 00:00

LlamaIndex 团队基于 Google 新发布的 Agents API 构建了一个模板，使智能体能够访问 LlamaParse 和 LiteParse，从而自动处理非结构化文档。其工作流程为：配置数据与输出的 Git 仓库，将仓库克隆至智能体沙箱，安装 LiteParse CLI 与 LlamaParse SDK 及相关技能，最后通过提示词驱动智能体自主执行任务。该模板最终形成一个可直接使用 LlamaParse 和 LiteParse 处理真实世界文档的智能体。

03:45 Google AI Developers @ googleaidevs 精选 63 LlamaIndex 🦙 : 🚀 The team at @Google just released the Agents API, a service for building and running custom agents inside a sandboxed... 智能体 Google MCP/工具教程/实践推荐理由： Google 的 Agents API 才发布没多久，LlamaIndex 就火速提供了把 LlamaParse 接进去的完整模板，想尝试在沙箱里跑文档处理 agent 的开发者可以直接抄作业。

智能体 Google MCP/工具教程/实践

AI HOT · 2026-05-30 23:25

Gemini Omni甚至能将简单的草图变为新的现实。在Gemini应用中亲自尝试。上传一段有人画圆的视频，然后输入这个提示词：当我画完这个圆时，它变成了___。

03:06 Google Gemini @ GeminiApp 精选 74 Google 产品更新多模态关联讨论 1 条 X：Gemini (@GeminiApp) 推荐理由： Google 把「画个圈然后说变什么」做成了真功能，创意交互的门槛又低了，普通用户随手就能玩，但本质是锦上添花，不是核心能力跃迁。

Google 产品更新多模态

AI HOT · 2026-05-30 21:14

Braintrust如何用Codex将客户请求转化为代码

02:52 OpenAI：官网动态（RSS · 排除企业/客户案例）精选 64 Braintrust的工程师正在使用Codex结合GPT-5.5模型，以加速其实验运行与代码编写的流程。智能体 OpenAI 教程/实践编码推荐理由：真正的工程团队实操，不是 PPT 演示，如果你想了解 Codex 在生产环境中的落地效果，这篇比任何评测都实在。

智能体 OpenAI 教程/实践编码

AI HOT · 2026-05-30 20:10

当公司过于"AI上瘾"时会发生什么？

02:15 TechCrunch：AI（RSS）精选 72 Box创始人Aaron Levie指出，决定用AI替代员工的人往往最不了解工作的实际内容，他将此称为“AI psychosis”。ClickUp近期为部署AI智能体裁员22%即是一例。2026年的科技行业裁员规模已接近2025年全年。现象/趋势行业动态推荐理由： Aaron Levie 造了个好词“AI psychosis”，用来形容那些并不懂你工作却要裁掉你的管理层，这两年科技公司裁员潮背后的荒诞逻辑被点透了。

现象/趋势行业动态

AI HOT · 2026-05-30 20:10

Windows用户，这条消息是给你的。计算机使用功能现已在Windows上可用，因此Codex可以在你的Windows电脑上执行操作。通过ChatGPT移动应用中Codex的Windows支持，你可以在工作继续在Windows电脑上进行时，随时随地启动、审查和引导任务。这是一项早期体验，但我们正在努力提供更多方式，让你的工作无论身在何处都能持续进行。

02:38 OpenAI @ OpenAI 精选 73 智能体 MCP/工具 OpenAI 产品更新关联讨论 3 条 IT之家（RSS） X：Berry Xia (@berryxia) X：OpenAI Developers (@OpenAIDevs) 推荐理由： Windows 用户终于等到 Codex 能直接操控电脑了，配合手机端协同一气呵成，虽然还早期，但已经把 AI 真正带进日常工作流里。

智能体 MCP/工具 OpenAI 产品更新

AI HOT · 2026-05-30 19:03

我对这个适用于大规模生成模型新时代的视觉生成基准数据集感到非常兴奋！🤩

01:14 Fei-Fei Li @ drfeifei 精选 79 Keshigeyan Chandrasegaran : 1/ Introducing GPIC: a Giant Permissive Image Corpus and benchmark for visual generation! 🚀100M VLM-captioned image-tex... Hugging Face 图像生成数据/训练论文/研究推荐理由：李飞飞都来站台，这个数据集不简单。完全允许商业用途是关键，对做视觉生成的团队来说，终于有了一个不用再为版权头疼的超级训练库。

Hugging Face 图像生成数据/训练论文/研究

AI HOT · 2026-05-30 19:03

亲测为实：难以置信的推理速度

01:15 Rohan Paul @ rohanpaul_ai 精选 76 Kog团队在标准数据中心GPU上实现了极高的单用户推理速度，在8× AMD MI300X GPUs上达到3,000 tokens/s，在8× NVIDIA H200上达到2,100 tokens/s。相比常规推理速度（约100-300 tokens/s），实现了10-30倍提升。其核心思路是将LLM解码视为内存流问题，通过协同设计monokernel、重建同步机制、针对性内存访问映射及采用延迟张量并行的Laneformer模型架构，消除了传统流程的阻塞点。大佬观点推理部署/工程推荐理由： Rohan亲自测完Kog AI的3000 token/s，把单用户推理速度拉高了10-30倍，这套monokernel设计可能改写低延迟推理的玩法，做实时AI产品的团队必须盯紧。

大佬观点推理部署/工程

AI HOT · 2026-05-30 15:26

可信第三方评估的共享操作手册

01:07 OpenAI：官网动态（RSS · 排除企业/客户案例）精选 56 OpenAI 发布了一份关于第三方 AI 评估的指导框架，内容涵盖如何评估前沿系统的能力、安全防护措施及评估本身的有效性。 OpenAI 安全/对齐教程/实践评测/基准推荐理由： OpenAI 首次把模型评估的方法论打包共享，这份指南是给第三方评估者的操作手册，比零散的论文更落地，做评测的团队可以直接抄作业。

OpenAI 安全/对齐教程/实践评测/基准

AI HOT · 2026-05-30 12:00

从全新设计的 Gemini 界面，到 Gemini Spark 提供的全天候智能体辅助，以下是本月 Gemini 更新概览。🧵

00:36 Google Gemini @ GeminiApp 精选 63 智能体 Google 产品更新关联讨论 1 条 X：Gemini (@GeminiApp) 推荐理由： Gemini这次月度更新不是小打小闹，重新设计的体验加上24/7的Spark助手，像是憋了个小改版，用Gemini的人都该看一眼官方到底拿出了什么。

智能体 Google 产品更新

AI HOT · 2026-05-30 11:37

OpenRouter 现已支持 "apply_patch"，这是一个服务器工具，允许任何模型通过 Responses API 使用 V4A diffs 提出文件编辑建议。模型生成一个补丁（创建、更新或删除文件）。OpenRouter 在服务器端验证 diff 语法。

00:36 OpenRouter @ OpenRouter 精选 72 智能体 MCP/工具产品更新编码推荐理由： OpenRouter 这个 apply_patch 解决了多模型文件编辑的碎片化，任何模型接上就能出 diff，做 coding agent 的可以少写一堆适配代码。

智能体 MCP/工具产品更新编码

AI HOT · 2026-05-30 08:14

技能提炼

00:33 Tomer Tunguz 博客（VC 分析）精选 65 “技能提炼”是一种知识转移方法，由前沿大模型（如 Opus 4.7、GPT-5.1、Gemini 3 Pro）负责撰写并优化标准化的 SKILL.md 流程文件。然后，本地运行的小模型（如 Qwen 35B、Gemma 26B）直接执行这些文件。此过程不同于压缩模型权重的知识蒸馏、训练权重的指令微调或检索事实的 RAG，其核心是提取并转移操作流程，让小模型按步骤执行，从而形成前沿模型作教师、小模型作执行者的循环。智能体 MCP/工具大佬观点推荐理由： Tomer 把个人代理的完整工作流摆了出来，用大模型写 skill 小模型执行，这条蒸馏思路比调 prompt 高级，想认真跑本地代理的人该盯一下。

智能体 MCP/工具大佬观点

AI HOT · 2026-05-30 07:06

Cognition的Scott Wu表示：AI编程智能体不应取代人类

00:15 TechCrunch：AI（RSS）精选 70 Cognition公司开发了Devvin，这是一个号称首个且最成功的AI编程智能体。其著名程序员创始人Scott Wu明确表示，该智能体并非旨在取代人类程序员。智能体大佬观点编码推荐理由： Devin 创始人主动说 AI 编码代理不该取代人类，这个表态本身比技术有意思，做开发者工具的产品人该琢磨一下背后的潜台词。

智能体大佬观点编码

AI HOT · 2026-05-30 07:06

Canvas 新功能 + 使用 Clerk 自定义登录 https：//x.com/i/broadcasts/1pJdRRzreMRKW

00:26 Replit ⠕ @ Replit 精选 62 产品更新编码推荐理由： Canvas新功能对Replit用户是实打实的效率提升，但非开发者可以直接跳过，没有看完就用的工具或模型更新。

产品更新编码

AI HOT · 2026-05-30 06:00

波士顿儿童医院利用AI解锁新诊断

00:07 OpenAI：官网动态（RSS · 排除企业/客户案例）精选 56 波士顿儿童医院通过部署OpenAI技术，用于改善患者护理并减轻运营负担，成功帮助诊断了超过40种罕见病病例。 OpenAI 行业动态推荐理由：波士顿儿童医院用 OpenAI 揪出了 40 多个罕见病，这种 AI 辅助诊断的案例正在从概念验证转向真实落地，医疗 AI 的进度条往前拖了一小格。

OpenAI 行业动态

AI HOT · 2026-05-30 06:00

聆听Gemini的架构师们回顾他们持续推动AI前沿的旅程，本期Release Notes节目。 @JeffDean、@koraykv、@OriolVinyalsML和@NoamShazeer一同出镜，分享模型背后团队的幕后故事，以及他们如何见证愿景的实现。

00:07 Google AI @ GoogleAI 精选 64 Google 多模态大佬观点关联讨论 1 条 X：Jeff Dean (@JeffDean) 推荐理由： Gemini 四大核心人物首次同时出镜，Jeff Dean、Noam Shazeer 这些人平时单拎出来都罕见，一起坐下来聊幕后，是真正能感受这帮人怎么思考模型未来的机会。

Google 多模态大佬观点

AI HOT · 2026-05-30 05:39

从屏幕到现实，只需一个提示词。看看这些令人惊叹的例子，了解 Gemini Omni 如何理解你的视频输入，应用物理规律，并生成无缝的新动作。亲自试试看，并在回复中分享你如何实验 Gemini Omni 👇

05:36 Google Gemini @ GeminiApp 精选 69 Google 产品更新多模态视频推荐理由：我看完这几个例子直呼离谱，从屏幕视频直接生成真实物理运动，Gemini Omni 可能重新定义了多模态交互。做动画和视频的可以冲了。 05:06 ChatGPT @ ChatGPTapp 精选 69 对于每个始于"就问一件事"却演变成完整长篇的ChatGPT对话：目录功能现已推出。适用于包含5条以上回复的对话。 OpenAI 产品更新推荐理由： ChatGPT 终于给长对话加了目录，这个功能早该有了。如果你经常跟 ChatGPT 拉扯几十轮，现在可以不用疯狂滚屏了，直接跳转关键节点。 04:55 Luma @ LumaLabsAI 精选 61 博客文章完成了思考。现在让宣传来发挥作用。输入内容。定义钩子。Luma Agents 从那里构建每一张宣传图。投入使用 → http：//lumalabs.ai/app 产品更新图像生成视频推荐理由： Luma AI 把博客内容自动转成推广视频片段，内容团队又多一个「一键懒人」选项，但成品够不够「可发」还得看实际测试。 04:19 Greg Brockman @ gdb 精选 76 OpenAI 实时翻译功能--使用70多种输入语言说话，翻译成13种输出语言： gpt-realtime-translate 接收任意语言的语音输入，并输出目标语言的语音。大语言模型很棒，但特定用例需要专用模型。我们正在智能眼镜上运行此功能。 cayden 凯登 : OpenAI just dropped a completely new kind of model gpt-realtime-translate takes in speech audio from any language and ou... OpenAI 多模态模型发布语音推荐理由： OpenAI悄悄推出一个专门做实时语音翻译的模型，不是通用LLM，而是专用模型。这标志着AI交互从文字转向语音的第一步，做翻译硬件或AR眼镜的团队要睡不着了。 04:10 Runway @ runwayml 精选 72 我们持续为 Runway API 添加新模型和端点，以便您能将最佳生成能力直接集成到应用、产品和平台中。通过 Runway API，您可以在一个地方获得所需的所有模型，包括 Seedance 2.0、GPT Image 2、HappyHorse 1.0、Nano Banana Pro、Magnific Precision Upscaler V2 等更多内容。请通过下方链接开始使用。产品更新图像生成推荐理由： Runway API 这次集中上新，Seedance 2.0 加入虽然方便了开发者，但没有模型能力的质变，更像是生

Google 产品更新多模态视频 OpenAI 图像生成模型发布语音智能体 MCP/工具教程/实践编码现象/趋势行业动态大佬观点推理部署/工程 Hugging Face 数据/训练论文/研究安全/对齐评测/基准

AI HOT · 2026-05-30 04:32

Qwen-VLA：从理解世界到在其中行动

23:13 Qwen：Blog Retrieval（API）精选 74 Qwen Studio提供全面功能，涵盖聊天机器人、图像与视频理解、图像生成、文档处理、网络搜索集成、工具利用及Artifacts。具身智能多模态模型发布推荐理由： Qwen终于把VLM进化成VLA，从看得懂变成能动手，对做具身智能的团队来说可能是一个新基座，就看动作输出的实际效果了。

具身智能多模态模型发布

32 / 65