OpenAI 更新了桌面版 Codex，Mac 版新增 Appshots 功能。用户可通过快捷键（Command键）直接截取当前应用窗口并发送给 AI，该功能不仅能读取可见内容，还能获取窗口中未显示的文字信息，旨在简化调试和设计等工作流程。同时，/goal 命令结束实验阶段正式转正，允许用户设定长期目标，Codex 将持续执行任务直至达成里程碑。此次更新还包括优化内置浏览器性能、支持 Business 用户团队间共享自定义插件，以及为管理者扩展了包含活跃用户、Token 使用量等维度的分析数据面板。
Spotify与环球音乐集团达成授权协议，未来将允许其付费订阅用户利用AI技术创作翻唱歌曲与混音作品。该功能旨在为音乐人和创作者开辟版税之外的新增收入来源，但具体财务条款及参与授权计划的艺人名单暂未公布。受此消息及市场对其营收增长预期影响，Spotify股价近日上涨16%。
Cohere发布开源模型Command A+，采用218B参数稀疏混合专家架构，整合了此前四个Command A变体。该模型支持智能体工作流，在W4A4量化配置下仅需两块H100 GPU即可运行，支持48种语言，并首次具备多模态推理能力。
Greg Brockman@gdbAI 评分6868又到了 Codex 星期四，没错，我们为你带来了更新。 首先是：Appshots，一种将你正在处理的内容上下文带入 Codex 的新方式。 在你的 Mac 上，按 Command-Command 将你的应用窗口附加到 Codex 线程。Codex 会获取该窗口的截图和文本，包括屏幕上不可见的内容。 Appshots 已在 Mac 上向所有套餐开放，企业版访问即将推出。
ViggleAI@ViggleAI精选AI 评分6666
推荐理由：Viggle把「上传照片生成3D格斗角色」做成了免费派对游戏，有声音有个性，交互感拉满，是近期最适合摸鱼的产品，但AI含量主要在娱乐侧，别当生产力工具。
音乐设备制造商 Polyend 发布了名为 Endless 的 AI 吉他效果器，售价 299 美元。该设备内置 ARM 处理器，搭载名为 Playground 的 AI 代理系统，用户可通过文本提示词，由多个协作 AI 代理实时生成并部署自定义吉他音效，并支持与实体效果板搭配使用。这款产品标志着 AI 技术开始向专业音乐硬件渗透，将复杂的音色生成变得更直接、可编程。
Google 通过推出全栈 Gemini AI 解决方案扩展其智能家居生态系统。该方案集成了先进的摄像头智能、自然语言查询功能和日常活动摘要能力。它为服务提供商和硬件制造商提供了现成的参考设计与API，使其无需大量研发投入即可构建主动式、品牌化的智能家居服务。该计划旨在超越基础设备控制，迈向能够理解情境并实时响应用户需求的AI原生智能家居。
推荐理由：Google 把 Gemini 塞进智能家居，直接给硬件商和 ISP 提供交钥匙方案，这一步可能比 Nest 当年更有侵略性，做智能家居的得留意了。
美团LongCat团队发布了LongCat-Video-Avatar-1.5，一个专注于音频驱动数字人视频生成的开源框架。其核心升级在于采用Whisper-Large音频编码器，显著优化了唇部动态的流畅度与自然度。该版本实现了精准的唇形同步、全身时序稳定性以及长视频中的身份一致性，并能泛化应用于动漫、动物及多人交互等复杂场景。通过基于DMD2的步蒸馏技术，模型仅需8步即可高效推理。团队还构建了一个涵盖多场景、多语言的人工评估基准，通过大规模主观评分与专家分析，验证了其在多项关键维度上的优异性能。
推荐理由：美团把数字人模型升级到1.5版，换了Whisper做音频编码，唇形同步比之前自然不少，而且开源了训练代码，做电商直播和虚拟博主的朋友可以直接拿过来跟商业方案掰手腕。
字节跳动旗下火山引擎正式上线了一站式AIGC短剧创作平台——火山剧创1.0。该平台深度适配自研模型，依托多智能体架构，可提供从剧本解析到成片预览的端到端智能解决方案，号称将短剧制作周期缩短80%以上，并实现“导演级控片”能力。平台在每个核心环节均向用户开放编辑权限，确保创作控制权。此次升级还新增了企业级协作功能，包括提示词编辑、IP资产库完善及团队积分管理。
腾讯会议正式上线“AI 同传”功能。该功能无需插件或外接设备，每位参会者均可独立开启，支持模仿发言人音色，实现发言与翻译几乎同步，时延低于3秒。用户可调节同传与原声音量，并已与原有的文字转写、会中字幕功能打通，支持可听、可译、可见、可记的多维度跨语言会议体验。
字节跳动智能创作实验室发布了Lance，这是一款开源的原生统一多模态模型。它能够在单一框架内，同时处理图像与视频的理解、生成和编辑三大任务。该模型仅需激活30亿参数，实现了用一个轻量级模型统一处理多种视觉内容创作与理解的需求。
特斯拉宣布其监督版FSD可在中国使用。小鹏集团通用智能中心负责人刘先明表示，FSD入华是好事，能形成良性竞争并推动行业进步。他指出小鹏的优势在于中国本地化场景适配与本土数据积累。双方目前均采用纯视觉辅助驾驶路线。小鹏集团董事长何小鹏设定目标，计划在今年8月在中国市场实现其VLA智驾系统的综合能力全面超越特斯拉FSD。
苹果 Apple Music 发布公开信，明确表示不会封杀 AI 生成音乐，但要求相关内容必须清晰标注，且不得误导用户或冒充真人创作者。苹果指出，AI 音乐在平台总播放量中的占比“明显低于 1%”，但已进入治理范围。为此，Apple Music 于今年 3 月上线了 AI 内容标签功能，并计划未来将其作为所有内容提供方的硬性要求。同时，苹果已开发内部工具识别 AI 内容，重点防范欺诈、垃圾信息及冒充行为，若发现播放量存在流量操纵等滥用行为，将自动下架相关歌曲。
微信鸿蒙版App发布了8.0.17.39正式版更新，当前安装量已超5565万次。本次更新主要增强了视频号功能，包括资料修改、新注册支持、播放旋转及直播选项增加等。同时优化了“听一听”模块，新增AI写歌与灰度测试的会员卡、跨平台文件传输等功能，并改进了聊天界面交互与朋友圈评论体验。
腾讯于5月21日发布了操作系统层级AI助手“马维斯”，支持Windows、Mac和安卓平台同步上线。该助手具备文档归类解析、图片智能识别处理、系统维护等功能，并强调与操作系统深度集成，可调度不同模型处理任务，部分功能可在离线状态下使用。腾讯表示“马维斯”能完成市面主流Agent的大部分工作，并具备桌面操控手机应用等能力。这是继3月WorkBuddy和“龙虾”产品矩阵后，腾讯推出的又一AI助手产品。
推荐理由：腾讯把 AI 助手压到系统层，预装本地模型、拔网线也能跑，不是又一个套壳工具，而是真正冲着‘电脑变成可对话对象’去的，值得装上看看实操体验。
Google Gemini@GeminiAppAI 评分6666Gemini 3.5 Flash 能理解复杂主题和图表，满足您的特定需求，以最适合您的方式可视化结果。 观看 Gemini 处理一篇高等数学论文，进行可视化探索，并生成最重要的元素。
Google AI Developers@googleaidevs精选AI 评分7474
推荐理由：Stitch 这次更新把设计到生产流水线打通了，实时流加运动 UI 让原型更接近真产品，做移动端和 Web 的可以直接试试，比自己搭环境快太多。
Google DeepMind@GoogleDeepMind精选AI 评分8484
推荐理由：Google 在 Gemini 3.5 上继续扩展 Flash 线，这种轻量模型对成本和延迟敏感场景很关键，如果你在等一个便宜的 Gemini API，该看了。
在 Google I/O 2026 开发者大会上，公司共发布了 100 项内容，重点介绍了 Gemini Omni、Google Antigravity 和 Universal Cart 等新产品的核心亮点。
推荐理由：I/O 今年还是全场景轰炸，Gemini Omni 加一堆新产品，花十分钟扫一眼，未来半年 AI 要替你做哪块活就清楚了。
Google Gemini@GeminiApp精选AI 评分7272使用Gemini Omni创建、混剪和编辑视频比以往任何时候都更容易。 它提供了一种流畅的对话式创作和编辑方式。只需从相册上传视频，并让Gemini进行修改即可。
推荐理由：Gemini Omni把视频编辑做成了对话，虽然不算革命性更新，但对随手剪片的普通人来说，不用学剪辑软件就是最大的可用性。
Google为YouTube Shorts推出了一项基于Gemini Omni的AI混剪功能。用户可在短视频界面点击“Remix”并选择“reimagine”选项，通过输入文字提示，将原视频转换为像素艺术、动漫或恐怖片风格，还能通过AI调整内容，例如替换服装、插入背景人物甚至将自己合成进视频。该功能允许创作者自主选择开启或关闭其视频的混剪权限。
Google AI@GoogleAI精选AI 评分6969
推荐理由：Google这次更新的不是单点工具，而是把AI能力像乐高一样嵌入到创意工作流的每一步，Flow Agent的多步骤推理尤其值得做设计的人试试看。
Stability AI 推出 Stability Audio 3.0 音频生成模型家族，包含四款不同规格模型，参数从45900万到27亿。小型模型专注设备端运行，可本地生成两分钟以内的音频；中型和大型模型支持创作超过6分20秒的完整音乐，
推荐理由：Stability Audio 3.0 把AI音乐从几十秒的demo拉到了六分钟的完整歌曲，而且中小模型直接开源，任何一个能跑模型的设备都能玩，音乐创作的门槛继续被踩低。
Stability AI正式推出Stable Audio 3.0音频生成模型套件。该系列包含三个已开放模型权重的版本，能够生成最长六分钟的连贯音乐音轨。公司强调，所有模型均完全基于授权音乐数据集进行训练，确保了生成内容的合规性。此次发布标志着在AI音乐生成领域的技术进步，为音乐创作者和开发者提供了更长时长、更开放可用的工具。
Stability AI正式推出Stability Audio 3.0 small模型，该模型可在用户设备本地运行，生成时长最高达两分钟的音乐音轨。与此前云端生成较长音频的方案不同，此次更新强调了模型的轻量化与端侧部署能力，降低了对云计算资源的依赖。
Figma推出一款新的AI助手，用户可通过自然语言文本提示与之交互。该助手能够根据指令生成全新设计、编辑现有设计，并实现诸如为现有设计生成迭代版本等任务的自动化处理。
在2026年谷歌开发者大会上，谷歌发布了新一代Android XR智能眼镜。谷歌安卓生态系统总裁萨米尔·萨马特总结认为，早期Google Glass项目未能普及的最大教训是外观时尚远比技术吸引力更重要。他指出，Meta与时尚品牌合作的智能眼镜自2023年面世以来销量已突破700万台，印证了这一观点。为此，谷歌此次携手Warby Parker和Gentle Monster等知名眼镜品牌，推出注重实用与颜值的纯语音版智能眼镜，预计今年秋季上市。搭载显示屏的版本则计划于明年推出，并将借助Gemini大模型承担核心功能。
Google DeepMind 将其 Genie 3 世界模型与多年积累的街景图像数据相结合，推出了一项新功能。用户现在可以在地图上指定一个真实地点，系统便能生成一个基于该地点的、可供行走和探索的 AI 生成世界。这一整合不仅为创意演示提供了强大工具，更重要的是，海量的街景数据成为了训练 AI 代理和机器人的重要战略资源，为人工智能在模拟现实环境中的交互与导航能力开辟了新路径。
SenseTime@SenseTime_AI精选AI 评分6868大多数 AI 工具能写作或生成图像。 但这个能同时做这两件事。 隆重介绍 SenseNova U1。 一个能同时用文本和图像思考的 AI。 这将改变一切 🧵
推荐理由：商汤发了 SenseNova U1，主打文本和图像同时生成的「全模态」，但宣传语太简略，没给任何性能数据或技术细节，暂时看不出是真突破还是常规迭代，先标记关注。
英伟达发布了Nemotron-Labs-Diffusion语言模型家族，其核心创新在于将自回归、基于扩散的并行解码以及自推测解码三种解码模式统一于单一架构。该模型提供3B、8B和14B三种参数规模，并包含基础版、指令微调版和视觉语言版本。相较于Qwen3-8B，其8B参数版本在单次前向传播中能够生成多达6倍的Token数量，显著提升了吞吐效率。
阿里巴巴 Qwen 团队发布了实时多模态翻译模型 Qwen3.5-LiveTranslate-Flash。该模型能同时处理音视频输入，支持60种语言的输入和29种语言的语音输出，端到端延迟低至2.8秒。相比前代，新增了实时说话人声音克隆、通过唇语和屏幕文字增强视觉理解，以及动态配置领域专业术语等能力。在 FLEURS 和 CoVoST2 基准测试中，性能超越主流商业模型。目前仅以 API 形式通过阿里云百炼平台提供服务，采用 WebSocket 协议通信。
Rohan Paul@rohanpaul_aiAI 评分4949谷歌的Android XR眼镜演示展示了通过眼镜摄像头进行实时视觉捕捉，并将画面输入Gemini。AI根据语音指令编辑图像，结果直接推送到配对的智能手表上查看。
阿里通义千问团队发布了Qwen3.5-LiveTranslate-Flash实时语音翻译模型。该模型将支持的音频输入与文字输出语种从18种大幅提升至60种，输出音频语种从10种增加至29种。通过采用新的流式翻译技术，端到端字均延迟降低至2.8秒，同时支持实时音色克隆以保留说话人原声特征，并内置动态热词引擎以提升专业术语翻译准确性。模型在多个公开基准测试中表现优于前代及主流模型。
Rohan Paul@rohanpaul_aiAI 评分5151
通义实验室（千问）发布 Qwen3.5-LiveTranslate，实现“开口即同传”——用户说话的同时即可获得翻译结果，支持实时语音同声传译。目前尚未公布模型参数规模、benchmark 分数、上下文长度等具体技术细节。
在2026年谷歌I/O开发者大会上，XREAL展示了基于安卓XR系统的Project Aura智能眼镜，并确认产品将于2026年底前出货。眼镜采用分离式设计，配备外接计算模块兼触控板，整机重量低于90克。硬件搭载自研X1S芯片和高通骁龙XR平台，通过三个摄像头实现手势控制。系统原生运行谷歌空间应用，支持Google Maps 3D导航和YouTube沉浸式视频播放，并集成Gemini AI以将2D应用自动转换为3D窗口。当前版本续航约4小时，但软件功能尚未完全就绪，最终规格可能调整。
