Veo 3.1 Ingredients to Video:更强的一致性、创造力和控制力
Veo 3.1 版本新增竖屏视频生成功能,输出画面动态效果更自然生动,在一致性与创造力方面均有提升。
Veo 3.1 版本新增竖屏视频生成功能,输出画面动态效果更自然生动,在一致性与创造力方面均有提升。
Manus 发布 Manus Sandbox,为每个任务分配完全独立的云虚拟机,可并行执行任务并 7x24 小时工作。Sandbox 拥有网络、文件系统、浏览器和软件工具,AI Agent 可通过编写代码完成网站和移动端 App 开发。所有用户均可使用,免费用户休眠 7 天后回收,Manus Pro 为 21 天。
Manus 推出 Meeting Minutes 功能,可将面对面会议、访谈或独白录制后自动生成结构化笔记,包含关键要点、与会人员和待办事项分解。该功能支持智能说话人识别、断网继续录制,并可将会议笔记作为上下文在同一任务中生成演示文稿、网站或社交媒体素材;现已面向所有 Manus 用户开放,录制免费但分析和生成笔记消耗积分。
ElevenLabs 发布 Scribe v2,针对批量转录、字幕和规模化标注优化,在长音频、停顿、语气变化和多说话人场景下改进稳定性与准确率,官方称在行业标准基准上取得最低词错误率。
OpenRouter 1月发布聚焦优先选择快速大语言模型、探索提供商、自定义自动路由、在SDK中加载技能,以及大幅性能改进。
OpenRouter 发布1月更新,新增快速LLM优先级排序功能,用户可优先选择低延迟模型;支持浏览和切换不同提供商;自动路由可自定义策略;SDK新增加载技能(skills)的能力;同时带来重大性能改进。
本次发布聚焦于提升大型语言模型(LLM)的速度与性能。核心更新包括优先支持快速LLM、探索更多模型提供商选项,以及允许用户自定义自动路由。软件开发工具包(SDK)现已支持加载技能,同时系统实现了显著的性能改进。这些更新旨在优化开发者的使用体验与模型运行效率。
OpenAI 推出 OpenAI for Healthcare,提供安全的企业级 AI,支持 HIPAA 合规,可减轻行政负担并支持临床工作流。该产品面向医疗场景,强调合规与安全能力。
OpenAI 推出 ChatGPT Health,这是一个专门的健康体验,可安全连接用户的健康数据和应用,具备隐私保护措施,并由医生参与设计。
推荐理由:官方宣布推出健康板块,可据此了解 ChatGPT 在健康数据连接与隐私设计上的新方向。
Claude 平台已停用 `claude-3-opus-20240229` 模型,所有请求将返回错误。官方推荐升级至 Claude Opus 4.5,该版本智能水平显著提升,成本仅为 Opus 3 的三分之一。研究人员可通过 API 的 External Researcher Access Program 申请继续使用 Opus 3。
Runway率先在NVIDIA Rubin平台部署视频生成模型Gen-4.5与世界模型GWM-1。Gen-4.5在一天内从Hopper迁移至Vera Rubin NVL72,展现平台后向兼容性与生产就绪能力。Rubin单GPU提供50 PF推理算力,可加速实时长视频生成。GWM-1作为Runway首个通用世界模型家族,支持物理感知机器人训练、可探索虚拟世界及交互式化身,推动AI从文本理解向物理世界模拟演进。
Manus 上线 Slack 连接器,现已向所有 Manus 用户开放。该连接器可读取 Slack 频道对话、提取关键洞察并转化为行动项,还能将 Manus 生成的报告直接发布到指定频道,全程通过自然语言命令完成。使用应用内 AI 功能需付费的 Slack 计划。
xAI发布Grok Business和Grok Enterprise企业版。Business版定价30美元/座位/月,支持自助开通,提供团队管理、统一账单及Google Drive集成(保留原文件权限),并承诺用户数据永不用于模型训练。Enterprise版面向大型组织,提供Custom SSO、Directory Sync及高级审计控制;可选的Enterprise Vault插件提供独立数据平面与客户自管加密密钥(CMEK),实现应用级加密隔离。平台支持实时使用监控、安全对话共享及Projects功能。
推荐理由:xAI 推出 Grok 企业版,主打隐私保护与 Agent 能力,月费 30 美元起
NVIDIA推出NeMo Data Designer工具,帮助企业生成合规的合成数据工作流,用于定制化大模型训练。该工具通过创建“许可证安全”的合成数据,规避版权风险,并支持构建可蒸馏的轻量级模型。它为在特定领域数据受限的企业提供了端到端的合成数据生成与管理解决方案,助力模型高效微调与优化。
Qwen Studio 集成聊天机器人、图像与视频理解、图像生成、文档处理、联网搜索、工具调用及 artifacts 等全栈 AI 功能。
Qwen3-TTS 新增语音克隆与语音设计能力,Qwen Studio 集成聊天机器人、图像视频理解、图像生成、文档处理、联网搜索、工具调用及 artifacts 等综合服务。
OpenAI 发布四款新音频模型快照:gpt-4o-mini-transcribe-2025-12-15、gpt-4o-mini-tts-2025-12-15、gpt-realtime-mini-2025-12-15 和 gpt-audio-mini-2025-12-15,覆盖转写、语音合成与原生语音到语音,价格与旧快照相同。
OpenAI 正通过强化学习训练的自动化红队加固 ChatGPT Atlas,抵御提示词注入攻击。这一主动发现与修补闭环可及早识别新型攻击手法,并随 AI 智能体能力增强持续强化该浏览器智能体的防御。
Grok 推出 Collections API,支持上传 PDF、Excel、代码库等文件构建知识库,提供语义、关键词及混合搜索三种检索方式,帮助开发者零基础设施构建 RAG 应用。首周文件索引与存储免费,检索定价 $2.50/千次。基准测试显示,其在金融(93.0%)、法律(73.9%)、编码(86%)场景的检索准确率均优于 Gemini Pro 3 和 GPT 5.1。
Manus 发布 Design View,作为 Manus Agent 的扩展功能,支持生成图像、用标记工具对选中元素做精确编辑、提取和编辑图片文本,已向所有用户开放。设计模式由 Google 的 Nano Banana Pro 图像生成模型提供支持,移动端可按住标记、语音或文本输入指令并批量编辑多个区域。
Sierra 发布 Workspaces 功能,为 AI 智能体开发引入“多人模式”。团队可在代码和无代码环境中并行构建、全面测试、安全合并,并在完全可控下发布。该功能旨在解决开发速度与系统稳定性之间的平衡问题。
Manus 宣布 Project 新增连接器功能,支持将 My Browser、Gmail、Google Calendar、Google Drive、Notion、GitHub 等应用及自定义 API 接入工作空间,向所有用户开放。
Manus 推出开源电子学习平台 Manus Academy(抢先体验版),提供超 30 小时结构化内容和 20 多个真实用例,面向 PE、VC、企业融资、商业分析与数据科学等知识工作者。前 500 名完成课程的用户可获 8000 Manus 积分,课程支持英语、日语和葡萄牙语,并与澳大利亚初创公司 Build Club 合作提供认证与社区。
OpenAI 发布面向青少年与家长的 AI 素养资源,帮助其有思考、安全且自信地使用 ChatGPT。指南包含经专家审核的建议,涵盖负责任使用、批判性思维、健康边界,以及如何支持青少年应对情绪或敏感话题。
OpenRouter 推出 Response Healing 新功能,可在响应到达应用前自动修复大语言模型产生的格式错误的 JSON,从而将 JSON 缺陷减少 80% 以上。
推荐理由:如果你无数次被 LLM 返回的残缺 JSON 搞到崩溃,OpenRouter 这个 response healing 能自动修复 80% 的缺陷,以后 debug 可以少肝半小时。
OpenRouter 推出结构化输出的响应修复(Response Healing)功能,新增聊天室通知,发布长上下文模型排行榜,并位列 Brex 增长最快 AI 基础设施榜单第一。
OpenRouter 十二月版本更新引入响应修复(Response Healing)机制以提升结构化输出可靠性,新增聊天室通知功能,并推出长上下文模型排名。此外,OpenRouter 在 Brex 评选的增长最快 AI 基础设施公司榜单中位列第一。
OpenRouter 推出 Response Healing 新功能,可在 JSON 响应到达应用程序之前自动修复大语言模型输出的畸形 JSON,从而将 JSON 缺陷减少 80% 以上。
Anthropic 在十二月多项更新中重点推出结构化输出的 Response Healing 功能,可自动修复格式错误。平台新增聊天室通知系统,并发布长上下文模型性能排行榜,Claude 3.5 Sonnet 在 200K 上下文评测中领先。公司同时宣布其 AI 基础设施在 Brex 年度榜单中位列增长最快首位。
OpenRouter 推出新功能 Response Healing,可在 LLM 生成的畸形 JSON 响应抵达用户应用前自动修复。该功能旨在将 JSON 格式错误减少超过 80%,直接提升 API 响应的结构完整性与可靠性,减少下游应用的处理负担。
推荐理由:做 Agent 的人最怕 JSON 解析炸掉整个 pipeline,OpenRouter 这个 Response Healing 相当于在网关层加了自动纠错,接入成本几乎为零,值得试试。
LlamaIndex 发布 LlamaParse v2,用 Fast、Cost Effective、Agentic、Agentic Plus 四个分层替代原有解析模式与模型配置,定价分别为每页 1、3、10、45 credits。
Manus 推出 Nano Banana Pro 幻灯片编辑功能,此前每张幻灯片是完整图像,微小修改需重新生成。现在所有用户可对任意幻灯片编辑文本、指向并编辑视觉元素、查看前后对比并批量选择多个区域,编辑后保持与原始生成相同的质量,即日起面向所有用户开放。
OpenAI 宣布开发者可以向 ChatGPT 提交应用供审核与发布,通过审核的应用将出现在新的产品内目录中便于发现。配套更新了工具、指南和 Apps SDK,帮助开发者构建把真实世界操作带入 ChatGPT 的聊天原生体验。
推荐理由:原文给出应用提审与新产品内目录两个开放入口,读者可以据此判断 ChatGPT 生态对开发者的实际变化。
xAI 开放 Grok Voice Agent API,基于自研语音栈(VAD、tokenizer、音频模型),Big Bench Audio 基准排名第一,首音频延迟低于 1 秒(比竞品快近 5 倍),定价 $0.05/分钟。支持数十种语言自动切换、实时搜索 X 和网页、调用自定义工具,已深度集成特斯拉车机。提供 Ara、Eve 等多种自然声线,支持 [whisper] 等听觉标签,兼容 OpenAI Realtime API 规范。
推荐理由:xAI发布Grok语音Agent API,延迟低于1秒且定价仅为OpenAI一半,已集成至Tesla车载系统
OpenAI 宣布推出更快的 ChatGPT Images 体验,并在 API 中提供 GPT-Image-1.5。官方还提到最新的 ChatGPT Images 2.5 可供探索。
推荐理由:原文给出 ChatGPT Images 体验更新与 GPT-Image-1.5 开放 API 的入口,读者可据此了解图像生成的最新版本动向。
NVIDIA 最新推理模型 Nemotron 3 Nano 正式登陆 Together AI。模型采用 Hybrid Mamba-Transformer 加稀疏 MoE 架构,每个 token 仅激活 30B 参数中的约 3B,支持 1M-token 上下文,权重、训练数据和训练配方全部开放。
Manus 发布 1.6 版本,核心是新的旗舰 Agent Manus 1.6 Max,更新了核心 Agent 架构以处理更复杂任务并减少人工监督。官方称双盲测试中用户满意度提升 19.2% 以上,广泛研究的子 Agent 全部运行在 Max 架构上,电子表格和 Web 开发能力也显著增强。
Thinking Machines Lab 宣布 Tinker 正式开放(GA),取消候补名单,并新增四项更新:支持微调 Kimi K2 Thinking(万亿参数。
推荐理由:官方宣布 Tinker 全面开放并新增视觉输入,附上 VLM 与传统视觉基线在少样本分类下的对比数据,可作选型参考。
Sierra 发布 Visual Attachments 功能,允许用户在对话中直接附加图片、截图或文档,使多步骤交互更直观。该功能旨在减少纯文本沟通的歧义,让智能体能更准确地理解用户意图并执行后续操作。Visual Attachments 现已面向 Sierra 平台客户开放。
Manus 为 Web App 推出内置高级 SEO 功能,自动为爬虫生成预渲染的静态 HTML 版本,人类访客仍获得原有动态交互体验。功能包括自动预渲染、自动生成规范 URL、robots.txt 和动态站点地图、逐页 SEO 评分仪表板,以及一键 AI 优化元描述、标题和图像 alt 文本。