GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的"状态-输入"梯度。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维隐空间失效模式等问题，使基于梯度的长时程规划更稳健。
全部AI 动态
全部动态
今日 293 条Berkeley AI ResearchAI 评分4646 Claude Platform release notesAI 评分3737 Anthropic 退役 Claude Haiku 3 模型
Anthropic 已退役 Claude Haiku 3（claude-3-haiku-20240307），所有对该模型的请求现在都会返回错误。官方建议用户升级至 Claude Haiku 4.5。
Linear NowAI 评分3434 Output isn't design：AI 生成界面不等于设计
针对 AI 工具宣称能快速生成界面、把文字直接变成产品甚至代码，文章指出设计的难点从来不是生成形式，而是理解问题本身。作者引用 Christopher Alexander《Notes on the Synthesis of Form》中"形式与语境良好契合"的定义，认为 AI 能快速产出看似精致的方案，却无助于理解底层问题，反而容易让人跳过对真实约束的梳理。
AI as Normal Technology精选AI 评分7474 Sayash Kapoor 等人提出开放世界评测并发布 CRUX 项目，AI 智能体成功上架 iOS 应用
Sayash Kapoor 与 Arvind Narayanan 等 17 位研究者发布 8000 字论文，定义开放世界评测这一新兴评测类型，并介绍定期开展此类评测的 CRUX 项目。
推荐理由：文章界定了开放世界评测这一新兴评测类型，并以 CRUX 首个实验给出智能体发布 iOS 应用的具体过程与成本细节。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 Gemini 3.1 Flash TTS，新增 audio tags 语音控制
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS，改进可控性、表现力和质量，在 Artificial Analysis TTS 排行榜获得 1,211 Elo 分。
推荐理由：官方介绍新增 audio tags 和多说话人对话能力，还给出 AI Studio 导演式控制与 API 导出的具体用法，便于开发者评估接入。
Claude Platform release notes精选AI 评分8484 Anthropic 发布 Claude Opus 4.7，维持 $5/$25 定价并引入 task budgets 与高分辨率图像输入
Anthropic 发布 Claude Opus 4.7，定位复杂推理与智能体编码，定价维持 $5/$25 per MTok，与 Opus 4.6 相比存在 API 破坏性变更并需参考迁移指南。
推荐理由：原文列出定价、API 破坏性变更、task budgets 与高分辨率图像等具体变化，升级前可据此排查迁移成本。
Microsoft AI NewsAI 评分5555 微软发布 MAI-Image-2-Efficient 图像模型，成本降低 41%
微软发布 MAI-Image-2-Efficient 图像模型，定位量产场景，成本比旗舰低 41%，适用于产品图、营销素材、UI 原型和批量管线，支持短文本和实时交互工作流。
Claude Platform release notesAI 评分4646 Anthropic 宣布弃用 Claude Sonnet 4 与 Claude Opus 4，API 将于 6 月 15 日退役
Anthropic 宣布弃用 Claude Sonnet 4（claude-sonnet-4-20250514）和 Claude Opus 4（claude-opus-4-20250514），Claude API 上的退役时间定于 2026 年 6 月 15 日。官方建议分别迁移至 Claude Sonnet 4.6 和 Claude Opus 4.8。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化机器人具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，提升机器人在空间推理、多视角理解、任务规划和成功检测方面的能力，并新增仪表读数功能。
推荐理由：官方给出了与上一代的具体能力对比和仪表读数新用例，读者可据此评估其是否适配现有机器人方案。
LMSYS BlogAI 评分4343 HiSparse：用分层内存为稀疏注意力提速，长上下文吞吐最高提升 5 倍
LMSYS 提出分层内存系统 HiSparse，将不活跃的 KV cache 卸载到主机内存、在 GPU HBM 保留热缓冲区，缓解稀疏注意力的显存容量瓶颈。在 GLM-5.1-FP8 上，长上下文场景吞吐最高提升 5 倍，256 并发请求时吞吐超过基线 3 倍。该功能已作为实验特性集成进 SGLang，目前支持 DeepSeek-V3.2 和 GLM-5.1 等采用 DSA 的模型。
Sierra BlogAI 评分5555 Sierra 推出首个 Level 1 PCI 合规的 AI 智能体支付能力
Sierra 推出 Level 1 PCI 合规支付能力，称其为首个达到该标准的对话式 AI 平台，支持聊天和语音场景中直接完成卡片和 ACH 支付。支付时智能体切换到安全交易流程，持卡数据经专用 PCI 认证基础设施直达商户现有支付处理器，LLM 不接触敏感信息；该能力已由 Visa 全球服务提供商注册处验证，SiriusXM 等客户每日处理数千笔支付。
Sierra BlogAI 评分3939 Sierra 推出 Linnaeus 与 Darwin 搜索模型，解决率最高提升 16 个百分点
Sierra 发布两款自研搜索模型 Linnaeus（检索）与 Darwin（重排），用于其客服 AI 智能体，解决率最高提升 16 个百分点。Linnaeus 直接处理完整对话，recall@5 提升 20%、recall@30 约 95%，每次搜索延迟最多降低约 800ms；Darwin 负责精准筛选，使搜索成本与 P90 延迟均下降超 75%。
Google ResearchAI 评分4040 Google Research 发布 LLM 行为倾向对齐评估框架，测试 25 个模型
Google Research 提出一套基于情境判断测试（SJT）的框架，评估 LLM 在真实用户-助手场景中的行为倾向与人类共识的对齐程度。对 25 个 LLM 的大规模分析发现两类差距：模型倾向偏离人类标注者共识，以及在无共识时无法覆盖人类意见的分布范围。在人类标注完全一致的场景中，小于 120B 的模型与前沿闭源模型对齐度接近完美，但共识低于 90% 时对齐度停滞在 80% 出头。
Microsoft AI News精选AI 评分6363 Microsoft 发布 MAI-Transcribe-1、MAI-Voice-1 和 MAI-Image-2 三款模型并上线 Foundry
Microsoft AI 宣布发布 MAI-Transcribe-1、MAI-Voice-1 和 MAI-Image-2 三款模型，现已在 Microsoft Foundry 和 MAI Playground 开放。
推荐理由：官方公布三款 MAI 模型的 Foundry 定价与基准对比，开发者可直接据此评估接入成本和可用性。
Microsoft AI NewsAI 评分5959 Microsoft 发布语音识别模型 MAI-Transcribe-1，定价 $0.36/小时并在 Copilot 与 Teams 逐步 rollout
Microsoft 发布语音识别模型 MAI-Transcribe-1，定价 $0.36 每小时音频，称其在大规模云厂商中具备最优性价比。模型正在 Copilot Voice 模式和 Microsoft Teams 中分阶段部署，并已在 Microsoft Foundry 公开预览，同时可在新上线的 Microsoft AI Playground 体验。
Sierra BlogAI 评分3333 Eric Eyken-Sluyters 加入 Sierra 出任现场运营总裁
Eric Eyken-Sluyters 加入 Sierra 担任现场运营总裁，负责全球销售、销售工程与合作伙伴团队。Sierra 上线两年已成为客户体验 AI 智能体领域的领先平台，服务 Fortune 50 中 40% 的企业，客户包括 ADT、Chime、Cigna、Nordstrom、Nubank、Rivian、Wayfair 等。Eric 拥有超过三十年构建和扩展高增长企业软件业务的经验。
Sierra BlogAI 评分3535 Sierra 推出 Explorer：与 Ghostwriter 配合的智能体优化智能体
Sierra 发布 Explorer，一款与建智能体的 Ghostwriter 配合、主动指出智能体需修复或改进之处的智能体优化工具，可视为针对客户对话而非互联网的 ChatGPT deep research。它持续扫描每段客户对话并每周推送变化简报，支持一键经 Ghostwriter 落地建议；ADT、DIRECTV 等数百家企业每周使用，ADT 称其让此前不可见的表现维度变得可分析。
Google ResearchAI 评分4646 Google Research 研究：AI 评测需要多少标注者才够？
Google Research 在《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中研究了评测条目数与每条目标注者数的权衡，发现常用的 1–5 名标注者往往不足，可靠结果常需每条目 10 名以上标注者。
Runway NewsAI 评分3939 Runway 推出 Runway Builders 创业扶持计划，同步发布实时视频智能体 API Runway Characters
Runway 推出面向早期创业公司的 Runway Builders 计划，为 Seed 至 Series C 阶段公司提供最高 50 万免费 API credits、最高速率限制及 Runway Characters 的早期访问权限。
Runway NewsAI 评分4343 Runway 推出 Runway Fund，初期承诺投入最高 1000 万美元
Runway 正式推出 Runway Fund，专注投资 AI、媒体与世界模拟领域的早期公司，初期承诺投入最高 1000 万美元，单笔投资一般不超过 50 万美元，面向 pre-seed 和种子轮。该基金已低调运作数年，此前投资了 Cartesia、LanceDB 和 Tamarind Bio，重点关注 AI 研究、新应用以及新媒体与内容三大方向。
Mistral AIAI 评分5757 Mistral AI 发布 Spaces CLI，面向人类与 Agent 双重用户
Mistral AI 发布面向人类开发者和编码 Agent 的 CLI 工具 Spaces。核心设计包括每个交互式输入都提供等价 flag 和 -y 无头模式、生成 context. 与 AGENTS.md 供 Agent 读取项目上下文、插件化的模块注册表，并将状态显式化以避免 CWD 等隐式假设；文中 Agent 从单个提示词到完成部署耗时不到 10 分钟。
LMSYS BlogAI 评分4343 SGLang 在 NVIDIA GTC 2026 的活动亮点回顾
SGLang 在 NVIDIA GTC 2026 期间举办五场活动，包括黄仁勋 GTC 主题演讲的 NVIDIA AI 生态幻灯片展示、开源 AI 专题讨论、官方训练实验室，以及与 RadixArk 联合举办的 Happy Hour 和 LinkedIn 约 200 人规模的 meetup。
Sierra BlogAI 评分4343 Sierra 收购日本企业 AI 初创公司 Opera Tech
Sierra 宣布收购东京企业 AI 初创公司 Opera Tech，其联合创始人 Keita Morikawa 与 Kiyohito Kunii 将一同加入。Sierra 称此举旨在拓展日本市场，并援引 Singtel 10 周上线、解决率超 70%，以及 Rocket Mortgage 月贷款规模达 $1B 等客户案例。
Sierra BlogAI 评分5555 Sierra 发布 Ghostwriter 与 Explorer，重构为 Agents as a Service
Sierra 推出以智能体构建智能体为核心的重构产品 Ghostwriter，用户上传 SOP、客服通话记录、白板草图等素材或用英文描述需求，即可生成支持语音、聊天、邮件和 30 多种语言、自带护栏的生产级智能体。
Suno Blog精选AI 评分6666 Suno 发布 v5.5 模型，推出 Voices、Custom models 和 My Taste 个性化功能
Suno 发布 v5.5 模型，同时推出三项个性化功能。Voices 让用户采集自己的声音来创作音乐，包含验证流程且默认私密，面向 Pro 和 Premier 订阅者；Custom models 可基于自有曲目调出个性化模型，最多可建三个；My Taste 根据用户偏好学习风格，面向所有用户。官方称这些能力为今年晚些时候与音乐行业合作推出的新一代音乐模型打基础。
推荐理由：原文交代了新功能的具体机制与订阅限制，读者可据此判断如何用自己的声音和风格来创作音乐。
Google ResearchAI 评分5151 Google 发布 Vibe Coding XR，用 Gemini 与 XR Blocks 将自然语言转为 Android XR 应用
Google 推出 Vibe Coding XR 工作流，通过专门的系统提示词与 XR Blocks 代码模板，让 Gemini 将自然语言在 60 秒内转为可运行的、支持物理感知的 Android XR 应用。
Google ResearchAI 评分4646 Google Research 推出 TurboQuant：用极致压缩重新定义 AI 效率
Google Research 发布压缩算法 TurboQuant，可在零精度损失下大幅压缩模型，兼顾 KV cache 压缩与向量搜索，将亮相 ICLR 2026。
Sierra BlogAI 评分3333 Sierra 在澳大利亚悉尼开设办公室
Sierra 宣布在澳大利亚悉尼开设办公室，此前已扩展至新加坡、东京、马德里、巴黎和伦敦。其平台上的 AI 智能体支持 30 多种语言、全天候无等待服务，覆盖产品发现、注册登录、故障排查和流失管理。Rocket Mortgage 每月贷款量达 $1BN，使用其智能体的购房者完成流程的可能性高出四倍。
Mistral AI精选AI 评分6666 Mistral AI 发布首个语音合成模型 Voxtral TTS
Mistral AI 发布 4B 参数的文本转语音模型 Voxtral TTS，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，API 定价 $0.016 per 1k characters。
推荐理由：官方给出了与 ElevenLabs 对比的人类评测数据和低延迟指标，读者可据此评估其在语音 Agent 场景的可用性。
Microsoft AI News精选AI 评分6262 Microsoft MAI 发布图像生成模型 MAI-Image-2
Microsoft AI 团队发布图像生成模型 MAI-Image-2，称其使 MAI 进入 Arena.ai 榜单前三的文生图实验室行列。
推荐理由：原文给出榜单排名、可用入口和面向创意工作的三大能力重点，读者可据此判断是否试用或接入。
Sierra BlogAI 评分5555 Sierra 发布 𝜏³-Bench：将 Agent 基准扩展到知识库与实时语音
Sierra 发布 𝜏³-Bench，在 𝜏-Bench 基础上新增 𝜏-Knowledge 与 𝜏-Voice 两个评测域，并合入社区对原有 airline、retail、telecom 任务的修复。
Google ResearchAI 评分5050 Google Research 在 The Check Up 展示医疗 AI 进展：从研究创新到真实诊疗场景
Google Research 在 The Check Up 活动上展示了多项医疗 AI 进展，包括与 Fitbit 合作研究的 Personal Health Agent（PHA），发现其比单一任务应用更能支持长期健康。
Google Research精选AI 评分7777 Google Research 发表两篇 Nature Cancer 研究，评估 AI 辅助英国 NHS 乳腺癌筛查流程
Google Research 与 NHS 合作开展 AIMS 研究，在 Nature Cancer 发表两篇论文评估 AI 乳腺癌检测系统。回溯评估覆盖约 115,973 名女性的乳房 X 光检查，AI 灵敏度显著高于原第一人类读者，癌症检出率从每千人 7.54 升至 9.33，并检出原双重读片漏掉的 25% 间期癌。
推荐理由：研究给出了AI作为乳腺癌筛查第二读者的端到端验证数据，包括检出率和人力节省的具体结果与仲裁误判风险。
Mistral AIAI 评分4747 Mistral AI 推出 Forge：面向企业构建前沿级定制模型
Mistral AI 推出 Forge，一套让企业基于自有专有知识训练前沿级 AI 模型的系统，支持预训练、后训练与强化学习全流程。Forge 同时支持 dense 与 MoE 架构，并可处理多模态输入，模型可在企业自有基础设施内训练与治理。该平台以智能体优先设计，Mistral Vibe 等自主智能体可用其微调模型、寻找最优超参数并生成合成数据。
Mistral AI精选AI 评分6969 Mistral 发布 Mistral Small 4：统一推理、多模态与智能体编码的开源模型
Mistral 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态与 Devstral 的智能体编码能力统一到单一开源模型，采用 Apache 2.0 许可证。
推荐理由：官方公布了架构参数、reasoning_effort 用法和与 GPT-OSS 120B 的效率对比，可据此评估其开源部署价值。
Mistral AIAI 评分5757 Mistral AI 成为 NVIDIA Nemotron Coalition 创始成员并将共同开发开源前沿模型
Mistral AI 宣布加入 NVIDIA Nemotron Coalition 并担任创始成员，双方计划结合各自架构与算力共同开发前沿开源模型。联盟首个项目是在 NVIDIA DGX Cloud 上训练的基础模型，将支撑即将推出的 NVIDIA Nemotron 4 系列并开源；Mistral AI 同日发布 Mistral Small 4，此前双方曾合作开发 Mistral Nemo。
Google ResearchAI 评分4949 Google 用高温超导研究问题测试 LLM：NotebookLM 与自建 RAG 系统表现最佳
Google 与康奈尔大学合作，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位国际专家盲评打分。NotebookLM 在多数维度表现突出，自建 RAG 系统紧随其后，两者与 Gemini 在观点平衡性和答案全面性上排名前三。
LMSYS BlogAI 评分4343 Miles 强化学习框架新增 ROCm 支持，可在 AMD Instinct GPU 上运行
Miles 开源强化学习框架现已支持 ROCm，可在 AMD Instinct MI300/350 系列 GPU 上原生运行大规模 RL 后训练。该框架基于 SGLang 和 Slime 生态，支持 GRPO/PPO、Ray 编排及 Megatron-LM 集成，并提供预构建容器。
Mistral AIAI 评分5959 Mistral 发布开源 Lean 4 证明智能体 Leanstral
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，权重以 Apache 2.0 许可开放，采用 120B-A6B 稀疏架构，并可通过 Mistral Vibe 和 labs-leanstral-2603 API 端点使用。
Berkeley AI ResearchAI 评分4545 伯克利 AI 研究提出 SPEX 与 ProxySPEX：为 LLM 大规模识别关键交互
伯克利 AI 研究提出 SPEX 与 ProxySPEX 算法，用于在大规模 LLM 中识别驱动模型输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展至数千特征时仍保持高忠实度，而 LIME、Banzhaf 等边际方法忠实度明显更低。
最多提供 50 页，更早的内容请使用搜索或主题页。