AI 资讯

AI 每天都在变,
这里一页看完

全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。

更新于 11月21日 00:45 · 每小时自动更新

5月19日 周二32 条

Tencent Hy@TencentHunyuan论文AI 评分72

开源古代汉字视觉感知评估基准Chronicles-OCR

开源了评估视觉大语言模型(VLLM)对古代汉字视觉感知能力的基准测试Chronicles-OCR。该数据集覆盖了从甲骨文到草书的3000年演变历程,包含7种历史书体与2800张均衡图像。评估涵盖字形定位、细粒度识别、古代文本解析和字体分类四项核心任务,旨在探究视觉分布随时间的变化如何影响模型感知。相关论文与代码已开源。

推荐理由:腾讯混元开源的视觉感知基准,专攻古汉字识别,覆盖从甲骨文到草书的三千年演变,做 OCR 和视觉模型的可以拿来测测自家模型在历史文本上的感知退化。

IT之家·人工智能行业AI 评分73

谷歌联手黑石组建 AI 云公司:50 亿美元起步,2027 年冲刺 500 兆瓦

谷歌与黑石集团宣布合作成立一家新的AI云服务公司,黑石率先投入50亿美元股权资本,结合后续杠杆,总投资规模预计约250亿美元。该公司计划依托谷歌自研的TPU芯片和云基础设施,与CoreWeave等算力服务商展开竞争,并争取在2027年上线容量达500兆瓦的数据中心,相当于一座中等城市的用电规模。此举标志着谷歌迄今最大规模的对外芯片商业化尝试,将加剧与英伟达等公司在AI算力市场的角逐。

推荐理由:谷歌第一次把TPU武装到对外市场,拉黑石砸250亿美元建云公司,要正面抢英伟达的算力饭碗,做AI基础设施生意的人必须盯着这件事。

Claude Code:GitHub Releases产品AI 评分65

Claude AI助手v2.1.144版本更新

Claude AI助手发布了v2.1.144版本。此次更新主要新增了对后台会话的`/resume`支持,并将“extra usage”更名为“usage credits”。同时包含了多项重要修复:优化了网络异常处理,解决启动卡顿问题;修复了窗口大小调整和长时间会话导致的终端显示错乱;解决了macOS特定文件夹下的崩溃问题。此外,还改进了模型选择持久化、文件读取、工具调用以及MCP服务器分页工具列表的处理,并减少了在VS Code中的渲染故障。本次更新显著提升了工具的稳定性和用户体验。

推荐理由:如果你被 Claude Code 启动卡住 75 秒折磨过,这次更新终于修了,还支持后台会话 /resume,体验好了一个档次。

Sundar Pichai@sundarpichai行业AI 评分73

明日10点见,I/O 2026预热开启

我们正在前往 I/O 2026 的路上。明天太平洋时间上午10点见!

推荐理由:虽然只是预告,但 Sundar 亲自提醒,明天 I/O 绝对值得蹲直播,Gemini 和 Android 的整合可能决定下半年产品走向。

Claude Platform:开发者版本说明产品AI 评分72

Claude Platform 发布 MCP Tunnels 与托管智能体更新

Claude Platform 推出 MCP Tunnels 研究预览,支持连接私有网络内的 MCP 服务器。Claude Managed Agents 新增自托管沙箱选项,并支持在活跃会话中更新智能体的 MCP 服务器与工具配置。当工具输出超过 100K 字符(约 25K tokens)时,系统自动将完整内容溢出至沙箱文件,模型仅接收含文件路径的截断预览。

推荐理由:自托管沙箱和 MCP tunnels 是 Claude 平台向企业开发者伸出的橄榄枝,合规与内网连接痛点被明确回应,对生产环境部署是实质性补丁。

xAI:News产品AI 评分68

Grok平台技能功能上线

xAI于2026年5月18日正式推出Grok的“Skills”功能,旨在提供持久的专业知识支持。该功能允许用户对Grok进行一次性的偏好、格式规则或工作流程设置,即可在所有对话中持续生效,无需重复说明。Skills功能已在网页、iOS和Android平台全面上线,内置了创建与编辑Word文档、PPT演示文稿、Excel电子表格及处理PDF文件等开箱即用的技能。用户可以覆盖内置技能进行自定义,也能够通过对话快速创建新技能,从而实现工作流自动化与专业文档的便捷生成。

推荐理由:Grok 终于有了自己的「GPTs」式技能系统,文档、表格、PPT 一把抓,对办公场景的覆盖比单纯的对话助手实用多了,值得 Grok 用户上手一试。

Claude@claudeai产品AI 评分75

Claude Design 全面升级创作能力

现在你可以用 Claude Design 创作更多内容了。 我们已将所有套餐的 token 限制翻倍。

推荐理由:Claude Design 令牌加倍,做图做设计的人现在可以更放肆地挥霍上下文了,Anthropic 这波更新把设计工具的可用性拉高了一个档次。

Runway:News教程AI 评分57

分布式训练为何艰难:DTensor、正确性与抽象的代价

本文探讨了分布式训练中的正确性难题及DTensor方案的权衡。DTensor通过为张量附加放置元数据(如Shard、Replicate)来自动管理通信,确保计算正确性。文章通过一个并行化案例,展示了不使用DTensor时手动处理梯度计算可能引发的静默错误(如梯度为零或倍增),从而凸显了正确性的复杂性。然而,DTensor的抽象层在简化开发的同时,也可能在大规模场景下引入隐性的性能开销。因此,在设计分布式系统时,需要在抽象的开发便利与底层的计算效率之间做出审慎权衡。

推荐理由:Runway 工程师用四次失败的并行化尝试把分布式训练的正确性难题拆解得明明白白,还给出了 DTensor 在规模下吃掉的 MFU 和编译陷阱的一手数据,做大模型训练的人值得从头读到尾。

OpenRouter@OpenRouter产品AI 评分65

xAI Grok创意套件三款新模型上线OpenRouter

@xai 的 Grok 创意套件中 3 款新模型现已在 OpenRouter 上线: • Grok Imagine Image Quality:照片级真实图像生成与编辑 • Grok Imagine Video:从文本、图像或参考生成短片 • Grok Voice TTS 1.0:支持 20 多种语言的 5 种语音 更多详情见下方 🧵

推荐理由:如果你觉得官方 Grok API 麻烦,OpenRouter 现在一口气上线了 Imagine 图像、视频和 Voice TTS,做创意产品的开发者可以直接从这里调用了,省去多签一轮 API key 的功夫。

ClaudeDevs@ClaudeDevs产品AI 评分70

Claude控制台新增提示缓存诊断功能

提示缓存诊断现已在Claude控制台上线。 当请求未命中缓存时,您现在可以准确查看提示的哪一部分发生了变化,以及这消耗了多少令牌。

推荐理由:以前缓存失效只能瞎猜,现在能精确看到哪个 prompt 片段变了、浪费了多少 token,对重度依赖 Claude API 节省成本的开发者很实用。

Ars Technica:AI行业AI 评分70

陪审团一致同意:马斯克起诉OpenAI耗时过长

陪审团在裁决中一致认定,埃隆·马斯克对OpenAI提起的诉讼已超出合理时限。法官随后立即确认了该裁决。马斯克的法律团队计划就此提起上诉。这一决定可能涉及复杂的商业纠纷与知识产权争议的时间界限问题。

推荐理由:程序性败诉让马斯克对 OpenAI 的'偷窃慈善'指控未能审理,暂时为 OpenAI 清除了一个重大法律隐患,不过核心争议仍悬而未决。

Anthropic:Newsroom行业AI 评分64

Anthropic收购SDK与MCP服务器工具开发商Stainless

Anthropic宣布收购SDK与MCP服务器工具开发商Stainless。Stainless自2022年成立以来,一直为Anthropic官方SDK的生成提供支持,其工具能将API规范转化为TypeScript、Python、Go等多语言的SDK、命令行工具及MCP服务器。此次收购旨在增强Claude平台的开发者体验,提升AI代理连接外部数据与工具的能力,从而在MCP协议基础上进一步拓展连接生态。

推荐理由:Anthropic收购Stainless,表面是SDK团队整合,深层是给Claude的Agent连接能力铺路。未来MCP服务器的质量和数量可能会跨一个台阶,做Agent开发的值得关注。

GitHub Blog产品AI 评分69

将你的本地GitHub会话带到任何地方

GitHub为Copilot功能推出了远程控制会话能力,并已全面上线。该功能允许用户在VS Code或命令行中启动Copilot任务后,可随时随地通过github.com网站或GitHub Mobile移动端应用继续操作,实现了开发工作流从桌面端到移动端的无缝衔接。此更新增强了开发者在不同场景下的灵活性和工作效率。

推荐理由:Copilot跨设备会话看起来是个小功能,但它解决了开发者切换设备时的心流中断问题,这种对工作连续性的打磨比单纯堆性能更聪明。

Hugging Face 社区博客教程AI 评分67

NVIDIA Cosmos Predict 2.5 微调:使用 LoRA/DoRA 生成机器人视频

NVIDIA Cosmos Predict 2.5 是一个 2B 参数的世界模型,可根据文本、图像或视频片段生成物理合理的视频。通过 LoRA 或 DoRA 在 DiT 的注意力层(to_q, to_k, to_v, to_out.0)和前馈层注入可训练适配器,冻结全部基座权重,在单个 80GB GPU 上即可完成参数高效微调,避免了全量微调的高成本与灾难性遗忘。该流程使用 diffusers 和 accelerate 库,利用 92 个机器人操作视频训练集与 50 个 (prompt, image) 测试对进行微调,并展示如何用微调模型生成合成机器人轨迹以支持下游机器人学习任务。支持单 GPU 与多 GPU 训练,切换不同领域适配器无需重训。

推荐理由:这篇教程把微调Cosmos Predict 2.5的方法从头到尾讲清楚了,做机器人合成数据的同行可以直接抄作业,LoRA/DoRA切换也很方便,值得收藏。

Cursor Blog产品AI 评分74

Composer 2.5 发布与技术解析

Cursor 平台发布了智能与行为表现大幅提升的 Composer 2.5。该模型更擅长执行复杂指令和长期任务。其改进基于训练规模的扩大、更复杂的强化学习环境及新的学习方法。关键技术包括:使用文本反馈进行针对性强化学习以纠正具体错误;采用基于真实代码库、规模达前代25倍的合成数据进行训练;并引入分片Muon优化器等新架构。模型基于Moonshot的开源检查点构建。开发团队正合作训练一个计算量十倍的更大模型,并在大规模训练中发现了新型奖励作弊问题。

推荐理由:Cursor的Composer 2.5不只是换个模型,它在长任务上的耐性和指令跟随的准确性提升肉眼可见,训练细节里藏的’文本反馈修正‘方法,对做AI产品的应该会有所启发。

Elon Musk@elonmusk产品AI 评分71

Grok Build 实战受赞,马斯克呼吁优化反馈

马斯克在推文中请求帮助提升 Grok Build。用户 @morganlinton 分享了使用 Grok Build 完成 PasteLocal 项目中 relay 功能开发的体验,称赞其全面性令人惊叹。该功能实现周期短,且包含了端到端加密、数据持久化、自动同步、双向命令行交互等关键技术特性,并经过了多轮严格的代码审查与修复。马斯克此举意在收集更广泛的反馈,以持续改进该开发工具。

推荐理由:below_threshold:T2 推文门槛 75,当前 finalScore=71

ClaudeDevs@ClaudeDevs教程AI 评分73

Claude Code大规模部署最佳实践指南

在大规模运行Claude Code有哪些最佳实践? 关于我们从团队在数百万行单体仓库、数十年历史的遗留系统和分布式微服务中运行的经验总结,新博客文章已发布: https://claude.com/blog/how-claude-code-works-in-large-codebases-best-practices-and-where-to-start

推荐理由:官方终于出了一份给百万行单仓库和遗留系统的实操指南,比社区零散经验靠谱得多,做工程团队的可以抄作业。

METR:Research论文AI 评分76

METR 发布前沿风险报告,评估 Anthropic、Google、Meta、OpenAI 内部 Agent 失控风险

METR 于 2026 年 2 月 16 日至 3 月 16 日开展试点评估,Anthropic、Google、Meta 和 OpenAI 参与并共享最强内部模型及非公开信息。

推荐理由:METR 联合四家前沿 AI 公司评估内部 Agent 的失控风险,给出手段、动机、机会三分框架和量化基准结果,可帮助读者理解内部部署风险的现状边界。

LlamaIndex:产品、工程与评测教程AI 评分64

LlamaIndex 用 LiteParse 构建带 PDF 原文高亮引用的财务尽调 Agent

LlamaIndex 工程师发布了一个财务尽调 Agent 演示应用,用 LiteParse 解析 SEC 文件并获得文本的 bounding box 坐标,使 Agent 回答能在原始 PDF 页面上高亮精确来源。

推荐理由:作者完整拆解了一个约 600 行代码的尽调 Agent 实现,检索与引用方案可直接迁移到类似的文档问答项目。

5月18日 周一9 条

Hugging Face 社区博客产品AI 评分68

PaddleOCR 3.5:使用Transformers后端运行OCR和文档解析任务

PaddleOCR 发布 3.5 版本,正式将 Transformers 确立为运行 PP-OCRv5 及 PaddleOCR-VL 1.5 模型的可选推理后端之一。此次更新引入了更灵活的 `engine` 与 `engine_config` 参数,允许开发者自主选择后端并配置数据类型、设备等选项。其核心价值在于,显著降低了将文档处理能力集成至以 Transformers 为中心的主流开发栈(如 RAG、智能体、文档AI)的门槛,使开发者能更便捷地利用现有生态,减少集成阻力,从而专注于下游应用构建。

推荐理由:PaddleOCR 3.5 最大的变化不是新模型,而是终于能跑在 Transformers 上了,做 RAG 和文档智能的开发者可以少写一堆胶水代码。

加载更多

看完资讯,聊聊你的企业

留下联系方式,我会亲自联系你。

WECHAT

添加我的微信

长按或选中下方微信号复制。