跳到正文
4月23日周四
  1. IT之家·人工智能55

    继 Anthropic 之后,消息称微软 GitHub Copilot 将转向按词元计费

    微软 GitHub Copilot 将于 6 月 1 日起从固定请求次数模式改为按词元计费。因 AI 编程工具使用量暴增,原有订阅制难以为继。新模式下,用户需按实际使用的输入和输出词元付费,例如 GPT-5.4 模型每百万输入词元 2.50 美元、输出词元 15 美元。用户仍需支付月费,但将获得对应 AI 词元额度,企业版客户享有共享额度。

  2. IT之家·人工智能56

    SpaceX 拟 600 亿美元买下 AI 编程工具 Cursor,消息称微软一度也有竞购野心

    SpaceX 已获得一项选择权,可在今年晚些时候以约600亿美元收购AI编程工具Cursor。此前,微软也曾考虑竞购,但因可能面临监管审查压力,或认为SpaceX出价更具吸引力而退出。微软自身已拥有GitHub Copilot等竞争产品。SpaceX正与Cursor合作开发代码AI,若收购成功,将增强其与谷歌、Anthropic及OpenAI在AI编程领域的竞争力。该交易在Cursor融资尾声时敲定,令部分投资者感到意外。

4月22日周三
  1. IT之家·人工智能

    微软发布 TypeScript 7.0 首个 Beta 版,速度比 6.0 提升 10 倍

    微软发布 TypeScript 7.0 Beta 版,将代码库从 TypeScript 移植至 Go 语言,通过原生代码速度与共享内存并行性,使编译速度较 6.0 版本提升约 10 倍。新版本保持与 6.0 完全相同的类型检查逻辑和语义兼容性,已在多个百万行级代码库中验证稳定性。开发者可通过 npm 安装 @typescript/native-preview@beta 包,使用 tsgo 命令替代 tsc 进行测试,稳定版将沿用 typescript 包名发布。

  2. IT之家·人工智能

    微软公布 2026 年 OneDrive 规划:整合 AI、增强语义搜索

    微软公布2026年OneDrive发展规划,聚焦AI整合与协作体验升级。用户可通过Copilot实现内容摘要、PDF审阅及Markdown在线编辑;移动端新增OCR识别PDF文本,iPad支持离线搜索和"英雄链接"权限管理。桌面端Copilot+ PC支持语义搜索,IT管理员可自定义目录根名称。此外,Windows预览版用户可同步最多100万个项目,并在文件资源管理器中使用"Ask Copilot"功能。

4月21日周二
  1. IT之家·人工智能

    GitHub Copilot 调整个人订阅方案:暂停新用户付费选项,Pro 不再提供 Opus 模型

    GitHub于4月20日宣布调整Copilot个人订阅方案,暂停Student、Pro及Pro+方案的新用户注册以保障现有用户服务质量,仅保留免费版向新用户开放。Pro方案不再提供Opus模型,该模型仅在Pro+中保留4.7版本。Pro+提供的使用额度达Pro的5倍以上。若用户不满调整,可在4月20日至5月20日期间申请取消订阅并获4月费用全额退款。

4月16日周四
  1. Satya Nadella

    我们位于 Wisconsin 的 Fairwater 数据中心提前上线。 作为全球最强大的 AI 数据中心,它将把数十万台 GB200 整合进一个无缝集群。 祝贺所有促成此事的团队! [引用 @satyanadella]:如果智能是计算的对数……那它始于大量计算!这就是为什么我们扩展 GPU 集群的速度比任何人都快。 仅去年一年,我们就增加了超过 2 吉瓦的新容量——大约相当于 2 座核电站的输出。 今天我们更进一步,宣布全球最强大的 AI 数据中心,位于 Wisconsin 东南部。 Fairwater 是一个由数十万台 NVIDIA GB200 组成的无缝集群,连接所需的光纤足以绕地球 4.5 圈。 它将提供当今世界最快超级计算机 10 倍的性能,实现前所未有的 AI 训练和推理工作负载。 对于 AI 训练工作负载,你需要指数级规模的计算。这就是为什么我们将数据中心、GPU 集群和网络设计为一个集成系统。这确保从第一天起,单个作业就能在数千个 GPU 上以指数级规模运行。 Fairwater 使用液冷闭环系统为 GPU 散热,建成后运营无需用水。 而且我们将所有消耗的能源与可再生能源相匹配。 当然,这只是我们在 70 多个区域启用的多个类似站点之一。除了已在全球 100 多个数据中心部署的 AI 基础设施外,我们还在美国其他地点建设多个相同的 Fairwater 数据中心,为全球规模的模型训练、测试时计算、RL 微调和实时推理提供动力。 在这样的时期,人们常常随波逐流,事后才想,我们是怎么走到这一步的? 通过 Fairwater,我们正在开辟一条新道路:做艰苦的工程工作,将计算、网络和存储整合到一个高度扩展的集群中,并设计闭环能源系统以满足现实世界的计算需求。 并与当地社区合作,确保以可持续、创造新就业机会和扩大机会的方式深思熟虑地完成。 我们很高兴看到这在 Wisconsin 落地,而我们才刚刚开始。

    引用Satya Nadella@satyanadella

    If intelligence is the log of compute… it starts with a lot of compute! And that’s why we’re scaling our GPU fleet faster than anyone else. Just last year, we added over 2 gigawatts of new capacity – roughly the output of 2 nuclear power plants. And today we’re going further, announcing the world's most powerful AI datacenter, located in southeastern Wisconsin. Fairwater is a seamless cluster of hundreds of thousands of NVIDIA GB200s, connected by enough fiber to circle the Earth 4.5 times. It will deliver 10x the performance of the world’s fastest supercomputer today, enabling AI training and inference workloads at a level never before seen. For AI training workloads, you need compute at exponential scale. That’s why we designed the datacenter, GPU fleet, and network together as one integrated system. This ensures a single job can run from day 1 at exponential scale across thousands of GPUs. Fairwater uses a liquid-cooled closed-loop system for cooling GPUs that requires zero water for operations after construction. And we’re matching all of the energy that is consumed with renewable sources. And of course, it is just one of several similar sites we’re lighting up across our 70+ regions. We have multiple identical Fairwater datacenters under construction in other locations across the US, in addition to our AI infrastructure already deployed in over 100 datacenters around the world, powering model training, test-time compute, RL tuning, and real-time inference at global scale. Too often during times like this, people go with the current and only later wonder, how did we get here? With Fairwater, we're charting a new path: doing the hard engineering work, bringing compute, network, and storage into one highly scaled cluster, and designing closed-loop energy systems to meet real-world computing needs. And partnering with local communities to ensure it's thoughtfully done in a way that is sustainable, creates new jobs, and expands opportunity. We are thrilled to see this take hold in Wisconsin, and we are just getting started.

  2. GitHub Blog

    用 GitHub Copilot CLI 构建个人组织指挥中心

    一位 GitHub 工程师基于 GitHub Copilot CLI 构建了个人组织指挥中心,详细展示了 AI 如何辅助该生产力工具的开发全过程。这一实践案例记录了从需求构思到功能实现的技术细节,体现了 AI 编程助手在加速个人项目开发和提升工作效率中的实际应用价值。

4月15日周三
  1. The Decoder:AI News

    Microsoft Copilot in Word 现可追踪修订并管理批注

    Microsoft 扩展了 Word 中 Copilot 的功能,新增追踪修订和管理批注能力。这些更新主要面向法律、财务和合规专业人士,支持在文档协作过程中自动跟踪修改记录、管理评论内容。该功能旨在提升专业场景下的文档审阅效率,帮助相关从业人员更高效地处理涉及多方修订的复杂文档。

  2. Satya Nadella

    今日在 Foundry 上线:MAI-Image-2-Efficient,比其他顶级图像生成模型渲染速度快 40%。 引用 @mustafasuleyman:认识 MAI-Image-2-Efficient。 生产级质量,比 MAI-Image-2 速度提升 22%,效率提升 4 倍。价格也降低近 41%。 此外,比其他领先模型平均延迟降低 40%。 现已在 Microsoft Foundry 和 MAI Playground 上线。https://microsoft.ai/news/mai-image-2-efficient/ https://t.co/UKLm5FQzxx

    引用Mustafa Suleyman@mustafasuleyman

    Meet MAI-Image-2-Efficient. Production-ready quality, 22% faster, and 4x more efficient than MAI-Image-2. Priced almost 41% lower too. Plus 40% average lower latency than other leading models. Live now in Microsoft Foundry + MAI Playground. https://microsoft.ai/news/mai-image-2-efficient/ https://t.co/UKLm5FQzxx

4月14日周二
4月11日周六
  1. Satya Nadella

    GitHub Copilot CLI 推出"Rubber Duck"代理功能,支持多模型反思循环审查。系统自动调用不同 AI 家族模型进行交叉评审,官方数据显示该机制能有效提前发现代码问题,避免错误累积。

    引用Burke Holland@burkeholland

    The @GitHub Research folks released a "Rubber Duck" agent for the Copilot CLI. Automatically get a review from a model from a different AI family. And their data shows that yes, this does in fact help. Quite a bit. https://t.co/vHYIGwSNYj

4月3日周五
4月2日周四
  1. Microsoft AI:官方博客66

    Microsoft AI 发布 MAI-Transcribe-1、MAI-Voice-1 与 MAI-Image-2 三款模型,上线 Microsoft Foundry

    Microsoft AI 宣布发布 MAI-Transcribe-1、MAI-Voice-1 和 MAI-Image-2 三款模型,即日起所有开发者可在 Microsoft Foundry 和 MAI Playground 使用。

    推荐理由:官方同时给出三款模型的定价和 FLEURS 基准对比数据,开发者可以直接在 Foundry 上手评估适用性。

3月30日周一
3月20日周五
  1. Satya Nadella

    MAI-Image-2 图像生成模型已在 MAI Playground 上线,竞技场排名第 3,支持从写实风格到详细信息图等多种生成需求。即将集成至 Copilot、Bing Image Creator 及 Microsoft Foundry,面向企业客户开放。

    引用Mustafa Suleyman@mustafasuleyman

    我们的新图像生成器 MAI-Image-2 发布了!现已在 MAI Playground 上线,从逼真的写实效果到详细的资讯图,样样都能胜任。 我们团队为这次发布付出了巨大的努力,现在我们已跻身顶尖模型之列:在 @arena 上排名第 3 的模型家族。 详情请见我们的博客:https://microsoft.ai/news/introducing-MAI-Image-2/ 它即将登陆 Copilot 和 Bing Image Creator,以及 Microsoft Foundry。 真的为我们模型和产品上的进展感到自豪——敬请期待新发布,并加入我们的超级智能使命!

    推荐理由:微软 CEO 宣布 Superintelligence 团队新图像模型 MAI-Image-2 发布,竞技场排名第三

3月15日周日
3月14日周六
3月6日周五
3月4日周三
2月27日周五
2月24日周二
2月19日周四
1月20日周二
  1. Hugging Face 社区博客83

    差分Transformer V2

    差分Transformer V2发布,其核心是改进的差分注意力机制。相较于V1,V2将查询头数量翻倍而保持键值头不变,差分操作后将维度缩减,从而在解码时能达到与标准Transformer相当的速度,且无需定制内核。新版本还解决了V1中因注意力分布均匀化导致的数值不稳定问题,特别是消除了RMSNorm层所需的巨大缩放因子(如在长序列下),从而避免了梯度爆炸,旨在实现更稳定的大规模预训练。

    推荐理由:新注意力架构提升解码效率与训练稳定性,开发者可低成本集成优化模型。

1月16日周五
  1. VentureBeat:AI45

    Listen Labs 完成6900万美元B轮融资,估值达5亿美元

    AI客户研究平台Listen Labs完成6900万美元B轮融资,由Ribbit Capital领投,公司估值达5亿美元。此前,该公司通过一个以AI令牌为谜题的创意广告牌招聘活动,吸引了数千名工程师参与。其平台利用AI进行开放式视频访谈,能在数小时内完成传统市场研究需要数周的工作,并有效应对行业欺诈问题。自推出九个月以来,公司年化收入增长15倍至八位数,已进行超一百万次AI访谈。全球网络拥有3000万参与者,通过身份验证系统提升数据质量。客户如微软使用后,将获取洞察时间从数周缩短至数小时。

2025年11月19日周三
  1. Manus:Blog42

    Manus 宣布与 Microsoft 合作,个人 AI 助手将支持 Microsoft Agent 365

    Manus 宣布成为 Microsoft Agent 365 首批发布合作伙伴,其个人 AI 助手即将支持该平台。IT 管理员完成设置后,用户即可在 Microsoft 365 应用中启用 Manus 进行市场研究、文档总结和问答,体验与网页版或移动应用一致。此次合作建立在 Manus 已支持 Windows 11 和 Windows 365 的基础上。

2025年11月18日周二
  1. Inception Labs:Blog62

    Inception Labs 的 Mercury 扩散大语言模型上线 Azure AI Foundry

    Inception Labs 宣布 Mercury 上线 Azure AI Foundry,将其称为首个商用规模的扩散大语言模型(dLLM)。该模型采用扩散架构并行生成多个 token,推理速度最高达可比自回归模型的 10 倍,官方称其在知识、编码、指令遵循和数学基准上与 Gemini 2.5 Flash、Claude 4.5 Haiku 相当。

    推荐理由:原文给出扩散架构的并行生成原理、与同类模型的延迟和基准对比及许可定价,读者可据此评估实时应用的部署价值。