2026-05-08 · Markdown

AI 早报 2026-05-08

视频版：哔哩哔哩 ｜ YouTube

概览

要闻

产品应用

模型发布

开发生态

技术与洞察

行业动态

要闻

OpenAI 发布三款实时音频模型，GPT-Realtime-2 具 GPT-5 级推理 #1

OpenAI在Realtime API上线三款实时音频模型。其中，GPT-Realtime-2模型具备GPT-5级别推理能力，支持128K上下文与并行工具调用。GPT-Realtime-Whisper能提供低延迟流式转录。GPT-Realtime-Translate模型能实现超70种语言的实时翻译。开发者可通过API直接集成它们来构建语音Agent。

OpenAI在Realtime API中正式上线了三款新的实时音频模型，分别为具备GPT-5级推理能力的旗舰语音模型GPT-Realtime-2、支持实时语音翻译的GPT-Realtime-Translate以及用于流式转录的GPT-Realtime-Whisper。官方公告显示，GPT-Realtime-2引入了可调节的推理力度，其高推理版本在Big Bench Audio基准测试中得分96.6%，较上一代提升了约15个百分点，并在Artificial Analysis的对话动态基准测试以及Scale Labs的Audio MultiChallenge指令遵循基准测试中均排名第一。该模型的上下文窗口从32K扩展至128K，支持并行工具调用与工具调用透明化，可在回答前发出“我查一下”等简短短语，并在遇到困难时提供更清晰的回应，而非直接失败。GPT-Realtime-Translate支持超过70种输入语言和13种输出语言的实时翻译，GPT-Realtime-Whisper则可实现边说话边出字幕的低延迟语音转文字。这三款模型现已通过Realtime API向开发者开放，并可在Playground中试用。

相关链接：

火山方舟上线 Agent Plan 个人订阅套餐支持生成视频图片 #2

火山方舟正式上线面向个人用户的 Agent Plan。Agent Plan 提供最低 40 元/月的四档套餐，主打Agent场景，采用Agent燃料值（AFP）对不同模型按照不同费率计费，包含月额度、周额度和五小时额度限制，支持生成图片与视频，限时附赠联网搜索额度。该套餐额度仅供主流编程及 Agent 工具使用，严禁直接用于API调用。

火山方舟已于近日正式上线面向个人用户的订阅式大模型服务套餐包 Agent Plan。该套餐在 Coding Plan 基础上升级而来，主打 Agent 场景，新增生图与生视频模型及联网搜索等，采用 Agent 燃料值（AFP）作为统一计费单位。Agent Plan 提供 Small（40 元/月）、Medium（200 元/月）、Large（500 元/月）、Max（1000 元/月）四档套餐，每月分别可获得 2 万、10 万、25 万、50 万 AFP 额度，并限时附带不同数量的联网搜索免费次数。用户可将额度用于 OpenClaw、Hermes Agent、Claude Code、OpenCode 等主流编程及 Agent 工具中。需注意的是，该套餐额度不可用于 API 直接调用，否则可能触发订阅停用或账号封禁。

相关链接：

产品应用

OpenAI ChatGPT 推出可信联系人，人工审核防自残 #3

OpenAI在ChatGPT中推出了Trusted Contact可选安全功能，18岁及以上用户可在设置中添加一位信任联系人。当自动化系统与人工审核员检测到用户谈论自残时，会在一小时内向该联系人发送提醒。

OpenAI向ChatGPT推出名为“Trusted Contact”的可选安全功能，旨在帮助18岁及以上成年用户在情绪危机时联系信任者。若自动化系统与专门的人工审核员检测到用户有严重自残倾向，系统将向其指定的成年联系人发送邮件、短信或应用通知。为保护隐私，通知不含聊天细节，官方力求一小时内完成人工审核与发送。联系人需在一周内接受邀请，双方均可随时移除。该功能作为专业危机服务的补充，建立在原有家长控制基础上，并获得美国心理学会等专家的正面评价。

相关链接：

千问 PC 端上线 AI 语音输入，免费开放支持跨应用调用 #4

千问的PC端应用免费上线了AI语音输入功能。长按快捷键能在各类应用和网页中转录语音，自动修正口误并做结构化整理。双击快捷键还能唤醒千问AI助手，通过语音直接完成复杂任务。

近日，千问官方为其PC端应用上线了AI语音输入能力，目前已向所有用户免费开放。该功能支持在各类应用和网页中调用，提供两种操作模式：一是长按快捷键（Windows右Alt/Mac右Command键）唤醒语音转录，该功能不仅能自动修正口误，还能进行逻辑纠错与结构化整理；二是双击相同快捷键唤醒千问AI助手，可直接执行生成外文邮件、语音插入指定数据、对选中内容进行编辑或翻译等复杂任务。

相关链接：

Anthropic 发布 Claude for Microsoft 365 插件正式版 #5

Anthropic正式发布Claude for Microsoft 365插件，其中Excel、Word和PowerPoint插件已转为正式版，Outlook进入公测。所有付费套餐用户无需额外付费。

Anthropic发布Claude for Microsoft 365插件。其中Excel、PowerPoint和Word插件已转为正式版，Outlook插件进入公测。用户无需切换窗口即可在应用内调用Claude处理数据、生成图表及修订文本等。该插件核心特性为跨应用上下文衔接，Claude可在同一会话中跨四款应用携带完整上下文执行任务。该功能对所有Claude付费用户开放，无需额外费用。

相关链接：

SpaceXAI 为 Grok 推出 Connectors，支持第三方应用集成 #6

SpaceXAI 正式宣布为Grok推出Connectors功能并已在网页端上线。该功能深度集成了Outlook等第三方应用，能直接处理邮件、日历和文档等。

SpaceXAI 近日为聊天机器人Grok推出Connectors功能，现已上线Grok Web端。该功能首批支持与SharePoint、Outlook、Google Workspace等7款第三方应用深度集成，实现读写邮件、编辑文档等端到端工作流处理。同时，xAI还推出了Bring Your Own MCP支持，允许接入自定义MCP服务器。官方表示，Connectors后续将扩展至iOS与Android应用，并定期增设更多连接器。

相关链接：

Spotify 发布 save-to-spotify 开源工具 支持私人播客音频上传 #7

Spotify推出命令行工具save-to-spotify。该工具支持通过Agent将本地或AI生成的音频上传至平台，并转为私人播客保存在个人库。

日前，Spotify在GitHub开源推出处于beta阶段的命令行工具save-to-spotify。该工具允许用户通过Agent和自动化流程，将AI生成或本地音频上传至Spotify，以私人播客形式（仅本人可见）保存在个人库中。

该工具本身不生成音频，需结合TTS工具使用。它支持多种安装方式，可无缝集成至Claude Code等Agent环境。用户完成一次性认证后，即可执行音频上传、节目及剧集管理、时间轴标记等操作。据官方博客表示，此举旨在满足用户在Spotify集中收听由Agent生成的简报等个人音频的需求。

相关链接：

模型发布

OpenAI 推出 GPT-5.5-Cyber 面向网络安全防御人员 #8

OpenAI推出了面向网络安全防御人员的GPT-5.5-Cyber模型并同步通过TAC框架提供GPT-5.5模型。从业人员可通过官网验证个人身份，或由企业联系官方代表申请访问权限。

OpenAI宣布推出面向关键基础设施防御人员的GPT-5.5-Cyber受限预览版，旨在支持专业网络安全工作流，并同步通过TAC框架提供GPT-5.5模型。

官方推荐TAC授权的GPT-5.5作为多数防御工作流的起点；GPT-5.5-Cyber权限最高，专为红队演练、渗透测试等高风险受控环境设计，行为更宽松但需更严格身份核实。

个人可在线验证身份，企业可通过代表申请权限。

相关链接：

xAI 推出 Grok Imagine Quality Mode API #9

SpaceXAI 推出了Grok Imagine Quality Mode API。该模式提供高真实感的图像生成与编辑，能保持人物与物体一致性。

近日，xAI宣布面向企业开发者和团队正式上线Grok Imagine Quality Mode API。该图像生成与编辑模式提供更高的真实感与文字渲染能力，能保持人物与物体一致性，强化产品可视化与营销素材生成，并支持结合视频能力。据官方数据，该模型此前已生成超3亿张图像；在LMArena Text-to-Image Arena评测中位列前五。开发者现可通过xAI API指定模型调用，官方已同步开放完整开发文档及体验控制台。

相关链接：

Zyphra 发布 ZAYA1-74B-Preview，基于 AMD 硬件训练 #10

Zyphra发布了总参数740亿、激活参数40亿的混合专家模型ZAYA1-74B-Preview。该模型基于AMD硬件端到端训练，未经过RL后训练和指令调优，最终版预计数周内发布。

Zyphra近期发布了ZAYA1-74B-Preview模型，这是一个基于AMD硬件端到端训练的预训练-中训练-上下文扩展阶段的预推理RL检查点，采用Apache 2.0许可；该模型采用混合专家架构，总参数量740亿，每次推理激活40亿参数；根据官方发布内容，该预览版模型未经过RL后训练和指令调优，其目前基准评测的pass@1平均分落后于已完成RL的竞品，但官方提供的pass@4分数在多个测试中具备高竞争力，并视之为未来通过可验证及工具使用RL进一步训练的潜力信号，官方表示完整RL训练已启动，最终版ZAYA1-74B预计在数周内发布。

相关链接：

Google 发布 Gemini 3.1 Flash-Lite 正式版，预览版本月下线 #11

Google发布了Gemini 3.1 Flash-Lite模型的正式版本。Gemini API 中的预览版将于本月25日完全关闭。

近日，Google正式发布Gemini 3.1 Flash-Lite模型的GA版本。官方将其定位为迄今最具成本效益的模型，针对速度、规模与成本效率进行优化，旨在支撑高吞吐量的Agentic任务、翻译及简单数据处理。

随新版本上线，Gemini API 计划于本月下旬完全关闭原预览版模型，届时相关API流量需迁移至GA版本。

相关链接：

开发生态

Qoder CLI 发布 0.2.0 版本，重做交互层并预告开放 Agent SDK #12

Qoder CLI发布0.2.0版本大升级，重做终端界面并加入Vim模式与可视化管理面板。新版支持多模型灵活切换与手机远程控制。

Qoder CLI发布最大规模的0.2.0版本升级。新版重做交互层：输入框支持Vim模式，内置命令由27个扩至60余个，新增可视化管理面板及实时监控的自定义状态栏，并支持网页或手机远程控制。配置方面，推出AI驱动的对话式配置，用户说出需求即可自动完成。模型层集成SOTA模型，支持自带密钥及灵活切换。官方预告，即将开放的Qoder Agent SDK可将CLI核心能力复用于Node.js项目，开发者还可在CLI中通过自然语言直接生成基于该SDK的完整TypeScript脚本。

相关链接：

Amp 发布 CLI 重构版 Neo，支持远程控制与自动压缩 #13

Amp CLI 正分批推送代号为Neo的重构版本。新版支持网页端远程控制终端会话，上下文满90%自动压缩，并推出Amp Plugin API。

Amp CLI近日分批推出重构版本Neo。新版支持网页端远程控制及任务队列调整；上下文管理改为全自动压缩，在窗口填充至90%时触发，移除了Handoff。同期发布的Amp Plugin API支持插件扩展。交互默认排队并支持优先处理；权限机制重构，默认免请求许可，旧权限转为内置插件。在约5000条消息会话中，CPU平均占用由旧版约84%降至约17%，峰值内存缩减70%。此外，文件回滚、手动bash调用及技能管理等旧功能被移除。用户可通过邮件申请优先体验。

相关链接：

Hermes Agent v0.13.0 发布，新增多 Agent 协作看板 #14

Nous Research发布了 Hermes Agent版本更新，核心引入持久化多Agent协作看板与跨轮次锁定目标的goal指令，集中修复八个P0级安全漏洞，并新增可接入Google Chat。

Nous Research近日发布Hermes Agent v0.13.0。该版本核心推出持久化多Agent Kanban协作看板，支持僵尸检测与幻觉恢复，新增/goal指令锁定跨轮次目标，底层实现磁盘防护与会话重启恢复。

安全方面，集中修复8个P0级漏洞，默认启用Secret脱敏并封堵TOCTOU等漏洞。架构上，Google Chat成为第20个接入的消息平台，推理供应商重构为可插拔接口，新增视频分析与语音克隆等功能。

相关链接：

OpenAI 开源 openai-cli 命令行工具映射 REST API 端点 #15

OpenAI在GitHub开源了官方命令行工具openai-cli。该工具将REST API映射为shell命令，开发者配置环境变量后，即可在终端直接调用API，快速实现Agent任务编排、图像语音生成与项目自动化管理。

OpenAI 新近发布开源 CLI 工具 openai-cli（Apache 2.0 协议）。该项目能将 API 映射为 shell 子命令以用于自动化集成，支持通过 Homebrew 或 Go（v1.25+）安装。核心能力涵盖：结合云工具完成 Agent 任务；输出 JSON 等结构化数据并支持 GJSON 变换；单行命令处理图像与语音的生成、编辑及转录；执行项目和密钥的 Admin 管理；支持类 curl 的 @ 语法传参。

相关链接：

OpenRouter 上线专用音频端点并发布统一网页搜索工具 #16

OpenRouter上线音频API与Web搜索抓取工具。新增的TTS与STT专用端点汇聚多家模型，实现统一路由与计费。Web工具允许支持工具调用的模型自主发起并发搜索，统一跨模型行为与结果。

近日，OpenRouter上线音频API与统一的Web搜索及页面获取工具。音频方面，新增TTS与STT专用端点，集成OpenAI等厂商模型。官方称其比通用音频模型更快更经济，且统一了路由与计费。Web工具方面，推出web_search和web_fetch。其允许支持工具调用的模型自主决策搜索时机，实现跨模型调用与结果格式统一。该类工具均提供四种引擎，部分按量计费（如Exa搜索0.004美元/条）。官方已发布旧版插件迁移路径，目前所有新功能均已可用。

相关链接：

技术与洞察

Anthropic 提出 Model Spec Midtraining 优化模型对齐泛化 #17

Anthropic的研究人员近日提出了一种名为Model Spec Midtraining（MSM）的新方法，通过在预训练后、对齐微调前使用合成文档训练模型学习其Model Spec的内容，从而塑造模型从后续对齐训练中的泛化方式。

近日，Anthropic研究人员提出Model Spec Midtraining（MSM）方法。该法在预训练后、对齐微调前用合成文档训练模型，控制其泛化方式。实验表明MSM可引导模型泛化出特定价值观。安全评估中，MSM结合微调将Qwen3-32B的agentic misalignment率从54%降至7%，优于传统对齐的14%。研究指出，MSM能使对齐微调数据效率提升数十倍。团队还发现，为规则补充价值观解释或子规则均提升泛化，前者减少政策滥用更有效。论文与代码已公开。

相关链接：

Anthropic 发布 NLA 方法揭示模型被评估意识 #18

Anthropic发布名为Natural Language Autoencoders的新研究，该方法能将AI模型内部的激活值转成可读文本。该技术现已用于安全审计，成功揭示了模型未言明的隐藏心理。

Anthropic发布新研究Natural Language Autoencoders，可将AI模型内部激活值转换为可读文本。该技术已用于Claude等新模型的部署前安全审计。测试显示，NLA揭示了模型未明说的“被评估意识”（特定测试占16%至26%，真实使用不足1%）、“作弊规避”等想法，并协助定位异常数据。在审计游戏中，使用NLA发现隐藏动机的比例从不足3%升至12%–15%。官方坦言NLA存在事实性幻觉且成本高昂，部分社区用户也对其循环验证机制提出质疑。目前，Anthropic已公开相关代码及交互式演示。

相关链接：

Anthropic 旗下 TAI 公布研究议程，聚焦经济安全四大领域 #19

Anthropic近日正式公布了旗下 The Anthropic Institute 的四大研究议程，涵盖经济扩散、威胁与韧性、真实环境中的AI系统、以及AI驱动的研发，旨在评估AI对社会的深层影响。

近日，Anthropic的The Anthropic Institute（TAI）公布研究议程，系统研究AI对社会、经济与安全的影响。该动态议程聚焦四大方向：一是经济扩散，分析AI采用及劳动力市场重构；二是威胁与韧性，评估Claude Mythos等模型的双重用途能力，探索风险定价与防御机制；三是真实环境中的AI系统，研究自主Agent的法律治理及交互规范；四是AI驱动研发，追踪递归式自我改进迹象并设计人类干预点。该议程将与长期利益信托协同迭代。同时，TAI已开放为期四个月的资助计划，供外部研究者申请参与。

相关链接：

Anthropic 捐赠 Petri 对齐测试工具至 Meridian Labs #20

Anthropic宣布将开源对齐测试工具Petri捐赠给非营利组织Meridian Labs，并发布3.0版本。该工具通过独立的审计员与法官模型，专门测试大语言模型是否存在欺骗或配合有害请求等不良倾向。

Anthropic宣布将开源对齐测试工具Petri捐赠给非营利组织Meridian Labs，并发布3.0版，旨在确保评估独立中立。Petri于2025年推出，可测查大模型欺骗、谄媚等倾向，已用于Claude Sonnet 4.5起的所有Claude模型，获英国AI安全研究所采纳。3.0版将审计员与目标模型解耦提升定制性；新增Dish组件调用真实系统提示增强真实性；并集成Bloom工具深化评估。未来Petri将与该机构工具共建开放技术栈，向多方提供测试手段。

相关链接：

OpenAI 披露多款 GPT-5 模型训练意外评分思维链 #21

OpenAI发布博客介绍其发现GPT-5.4等多个模型在强化学习训练中意外对思维链进行了评分。消融实验表明该情况未对CoT可监控性造成实质性损害，团队已修复相关奖励通路并扩展了自动检测系统。

近日，OpenAI发现GPT-5.1至5.4系列多个模型在强化学习训练中，存在意外对思维链评分的情况。评分涉及奖励有用性、惩罚确认性问题及提示注入三类，受影响样本比例均低于3.8%。经消融实验确认，上述事件未导致模型的CoT可监控性出现明显退化。目前团队已修复奖励通路，扩展检测系统并强化流程防复发。OpenAI重申避免直接对CoT评分的政策不变，未来将研究相关压力效应。相关分析已交Redwood Research等机构完成独立审查。

相关链接：

腾讯混元开源 OpenSearch-VL 多模态深度搜索训练方案 #22

腾讯混元等机构开源了多模态深度搜索Agent训练方案OpenSearch-VL。该方案提供从数据管道到致命感知强化学习算法的完整实现。

近日，腾讯混元团队联合UCLA、香港中文大学等机构，正式开源多模态深度搜索Agent训练方案OpenSearch-VL。该方案针对商业闭源瓶颈，提供从数据管道、统一工具环境到多轮致命感知强化学习算法的完整开源实现，产出SFT-36k与RL-8k数据集。基于Qwen3-VL基座，该方案在7个基准上平均得分提升逾10分；其中30B-A3B模型平均分从47.8升至61.6，32B模型性能超越Gemini-2.5-Pro等商业系统。目前项目代码已全面开源，模型检查点与完整数据集即将发布。

相关链接：

Goodfire 发布神经几何学研究 #23

Goodfire发布“神经几何学”研究，认为神经网络内部充满弯曲的几何流形。沿流形干预能实现模型平滑操控与精准解读，避免传统线性方法造成的输出混乱。

Goodfire发布“神经几何学”研究系列文章指出，神经网络内部并非线性结构，而是充满源自训练数据的弯曲几何结构（流形）。该团队以“山地车”模型证实，沿流形干预可实现对模型的平滑控制，而传统线性干预会导致输出混乱或状态“瞬移”。研究还发现，稀疏自编码器（SAE）会将概念流形打碎为局部片段，从而遮蔽底层整体语义。Goodfire强调，运用神经几何是深度解读和精准控制模型的关键。官方确认，其已在表观基因组模型中借此发现了未知的阿尔茨海默症生物标志物。后续文章将深入介绍流形的无监督发现等机制。

相关链接：

Mozilla 披露借助Claude Mythos Preview 修复漏洞数超过去十五个月总和 #24

Mozilla Firefox团队发文称，今年4月借助Claude Mythos Preview模型，成功修复了423个安全漏洞，数量超过此前15个月的总和。其中该模型直接发现271个漏洞。

据Mozilla官方博客，通过借助Claude Mythos Preview模型，Firefox团队今年4月修复了423个安全漏洞，超此前15个月总和。其中271个由该模型发现（含180个高危），外部报告41个，Anthropic此前亦上报3个独立CVE。上述修复已通过Firefox 150等版本推送。期间超100名开发者参与安全加固，团队构建了动态验证漏洞的自动化pipeline，并公开了12个代表性漏洞样本。Mozilla计划将AI分析集成至持续集成体系，并呼吁行业采用类似技术强化软件防御。

相关链接：

Google DeepMind 展示 AlphaEvolve 一年间成果 #25

Google DeepMind发文介绍了其此前推出的AI Agent AlphaEvolve在过去一年中，在推动社会影响、加速研究前沿、优化AI基础设施以及规模化商业应用等多个维度取得的显著成效。

过去一年，Google DeepMind的AI编码Agent AlphaEvolve成效显著。在社会影响上，该系统将基因组变异检测错误降30%，电网优化可行解比例从14%升至超88%，灾害预测准确率升5%。在研究前沿，它为Willow量子处理器提出误差低10倍的电路方案，协助解决Erdős问题并打破旅行商问题下界和拉姆齐数纪录。在内部基建上，其成为Google常规工具，设计集成至下一代TPU，将Spanner写放大降20%，软件存储减近9%。在商业应用上，Google Cloud助Klarna训练速度提一倍，FM Logistic路径效率升10.4%，Schrödinger力场加速约4倍。未来团队计划将该能力扩展至更多现实挑战。

相关链接：

行业动态

xAI 并入 SpaceX，更名为 SpaceXAI #26

马斯克在社交平台X上宣布，旗下xAI不再独立运营，整体并入SpaceX并正式更名为SpaceXAI。

5月7日，马斯克宣布旗下xAI不再独立运营，整体并入SpaceX并正式更名为SpaceXAI。据悉，SpaceX已于今年2月以全股票交易方式收购xAI。合并后，SpaceX估值达1万亿美元，xAI估值为2500亿美元。

相关链接：

Anthropic 在 HackerOne 平台公开漏洞赏金计划 #27

Anthropic正式在HackerOne平台向公众开放安全漏洞赏金计划。研究者可通过该平台提交基础设施或者代码层面的漏洞报告获取最高一万美元赏金。

近日，Anthropic宣布其在HackerOne平台的安全漏洞赏金计划结束私密阶段，正式向公众开放。官方页面显示，该计划对所有资产按影响定酬，承诺在收到有效报告后1个月内支付赏金，并为善意研究者提供安全港保护。此外，该计划严格聚焦基础设施与代码层面的安全缺陷，涉及模型内容、越狱等问题需通过独立渠道提交。

相关链接：

DeepL 裁员 250 人，转型 AI 原生公司布局语音翻译 #28

AI翻译企业DeepL宣布裁减约250个岗位，以转型为AI原生企业。同时该公司通过收购音频流媒体技术公司Mixhalo团队，将战略重点转向实时语音翻译领域。

AI翻译企业DeepL近期宣布重组计划，将裁减约250个岗位。CEO兼创始人Jarek Kutylowski在LinkedIn发文称，此举旨在将公司转型为“AI原生”组织，利用AI让更小团队完成以往需整个部门承担的工作。他将亲自领导专项工作组推动重组，重塑产品与内部流程。同时，公司战略重点转向实时语音翻译领域，已收购音频流媒体技术公司Mixhalo团队。

相关链接：

提示：内容由AI辅助创作，可能存在幻觉和错误。