苹果公司宣布推出由Apple Intelligence驱动的重大辅助功能更新。此次更新为VoiceOver、放大镜（Magnifier）和语音控制（Voice Control）功能引入了新的能力，旨在提升残障用户设备的可用性。这是苹果首次将Apple Intelligence应用于其辅助功能技术组合。
推荐理由：Apple Intelligence为无障碍功能带来自然语言交互和更智能的视觉辅助，是不错的方向，但全是远期承诺，现在还不能上手。
联想发布天禧 AI 4.0 版本，该系统从“被动调用”转向“自主执行”。新版本推出天禧 Claw，其搭载 1.7B 多模态记忆模型，支持本地化部署的“仿生记忆”功能，可实现情景、语义及程序记忆。同时，新增个人知识库功能，可整合 PDF、音视频等多类型原始文档，结合知识图谱构建高效知识系统。此外，联想还推出了模型广场、智能体广场及 Skills 技能广场，支持用户上传与共享技能。
Tencent Hy@TencentHunyuan精选AI 评分7272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。
阿里云通义千问最新模型 Qwen3.7-Max-Preview 与 Qwen3.7-Plus-Preview 已登陆 Qwen Chat 和 Arena AI 平台，预计于 5 月 20 日阿里云峰会正式发布。在 Arena AI 评测中，Max-Preview 在文本领域综合排名第 13，细分领域数学排名第 7，专家级应用与软件 IT 均位列第 9；Plus-Preview 在视觉领域综合排名第 16。据此，阿里通义千问在文本实验室榜单中排名第 6，视觉榜单中位列第 5。
Claude@claudeai精选AI 评分7575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。
OpenRouter@OpenRouter精选AI 评分6565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。
Qwen@Alibaba_QwenAI 评分5757Qwen3.7 Preview By @Alibaba_Qwen lands on Arena for Text and Vision. In Text Arena, Qwen3.7 Max Preview ranks #13 overall. Alibaba is now the #6 lab in this arena. - #7 Math - #9 Expert - #9 Software & IT - #10 Coding In Vision Arena: Qwen3.7 Plus Preview ranks #16 overall, making Alibaba the #5 lab. Congrats to the @Alibaba_Qwen team on the latest progress!
Qwen@Alibaba_QwenAI 评分4747🚀🚀 [引用 @arena]：在视觉竞技场中，Qwen3.7 Plus Preview使@Alibaba_Qwen成为第5大实验室，总排名第16位。
In the Vision Arena, Qwen3.7 Plus Preview makes @Alibaba_Qwen the #5 lab, ranking #16 overall.
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。
理想汽车为AI眼镜Livis推送1.8.50固件升级，理想同学App同步升级至2.5.0。本次OTA更新新增5项功能，优化11项功能。全新理想L9首发支持通过AI眼镜语音指挥泊车，新增哨兵模式高风险提醒、英文唤醒词、语音唤醒开关及三种唤醒反馈选择。同时优化了蓝牙电话拨打体验、运动中视觉问答清晰度和视频颜色饱和度。
Meta为旗下雷朋Display智能眼镜推送了Update 125更新，正式全球上线肌电手环手写输入功能。用户通过配套的Meta Neural Band肌电手环，无需接触实体键盘，仅在空中做出书写动作即可实时输入文字，该功能已支持WhatsApp、Messenger等主流应用。本次更新还新增了可录制第一人称视角画面的显示录制功能，并升级了地图导航。
5月18日，豆包 App 在国际博物馆日上线“博物馆讲解”功能，用户点击对话框内按钮即可通过视频通话获得展品自动识别与个性化讲解。该功能支持轻声提问和“边走边听”模式，无需逐次交互。目前，豆包已合作覆盖中国国家博物馆、浦东美术馆等20余家博物馆和美术馆，并与其中5家机构达成深度合作，成为其重磅展览的官方AI讲解员。
可灵AI推出全球首个原生4K视频模型，旨在利用原生4K技术重塑创作流程，加速AI赋能影视工业级内容创作。
Elon Musk@elonmusk精选AI 评分7575你现在可以把整段视频上传到 Grok，让它实时为你分析、总结、翻译、解释场景，或提取重要背景信息 Grok 能理解完整视频——不只是图像和文本 它原生多模态，具备极其强大的视觉能力
推荐理由：Grok 补上了视频理解这块拼图，不是抽帧而是整个视频的上下文分析，做媒体和内容的人多了一个实用的多模态工具，可以上手试试。
陆军英模系列AI微短剧《战魂》于5月18日首播。该剧由陆军政治工作部宣传局联合中央广播电视总台军事节目中心，首次运用AI技术制作推出。内容聚焦5支英模连队的5段烽火传奇，以全新视听形式还原经典战役战斗，并展示新时代陆军官兵风貌。该剧将在CCTV-7国防军事频道及“央视军事”渠道，连续5天每日播出一集。
Kling AI@Kling_aiAI 评分5151世界杯倒计时开始⚽ 穿上你的球队球衣，一键尝试Kling AI的新特效！
Elon Musk@elonmusk精选AI 评分7474Grok Imagine 现已向所有 X Premium+ 订阅者开放 这是我们的图像生成模型，由 xAI 开发
推荐理由：below_threshold:T2 推文门槛 75,当前 finalScore=74
Rohan Paul@rohanpaul_aiAI 评分6363People talk, listen, watch, think, and collaborate at the same time, in real time. We've designed an AI that works with people the same way. We share our approach, early results, and a quick look at our model in action. https://thinkingmachines.ai/blog/interaction-models
平台宣布扩展其内容透明工具，旨在让用户更便捷地追溯网络内容的创建与编辑历史。这项更新将适用于社交媒体平台、网页内容等多个场景，帮助用户识别信息的修改痕迹，提升数字内容的透明度。
推荐理由：Google 把 SynthID 水印和 C2PA 凭证推向搜索、Chrome 和 API，普通人也能随手查「这是 AI 做的吗？」，这对虚假信息是实际的约束。
World Action Models 旨在解决当前机器人AI的一个根本弱点：传统模型仅学习动作与摄像头图像的匹配，而无法理解动作如何导致世界状态变化。一项新研究梳理了约百篇论文，归纳出两种架构路径。其关键优势在于，这些模型能从不含机器人动作标签的日常视频中学习，而此类数据对传统机器人AI几乎无用。这使机器人具备了在行动前模拟后果的能力。
AMD一项名为“基于人工智能的游戏与渲染引擎”的专利曝光，计划推出一款完全依托AI打造的游戏引擎。该引擎旨在通过神经外推、智能超采样等技术，在生成逼真游戏画面的同时大幅降低算力消耗。其核心特点是允许开发者仅绘制简易草图轮廓，AI便能据此从零生成精细的游戏画面与内容，可承接传统游戏引擎的各类运算处理工作。目前该技术具体开放时间未定，但展现了AI颠覆游戏开发流程的潜力。
Oppo 的 Multi-X 团队发布了开源 AI 代理 X-OmniClaw，该代理可直接在 Android 设备上运行。它整合摄像头、屏幕和语音输入，在真实应用程序中实时处理任务。系统主要依赖本地传感器执行操作，仅将推理任务交由云端计算。用户的操作路径可被克隆为可复用技能，代理下次能通过深度链接直接跳转到应用深层页面，无需重复操作。
米哈游创始人刘伟透露，公司计划在未来三年内投入最多1000亿元用于AI基础大模型研发，并称即使失败也当作“放一个大烟花”。他强调，坚定投入算力与规模是打造顶级模型的必要条件。刘伟认为，AI将推动游戏体验走向“完全个性化”，实现“千人千面”，即游戏能实时生成定制内容，为每位玩家提供独特体验。他预计三年内此类游戏将出现，米哈游正朝此方向探索。
Google发布了Gemini 3.5模型，该模型专注于提升执行复杂任务的能力。其核心特点是支持“代理式工作流”，即能够像助手一样自主规划并执行一系列多步骤、复杂的操作，旨在将先进的语言理解与实际问题解决能力相结合。
推荐理由：Gemini 3.5 Flash 把前沿级智能体和编程能力塞进了极低延迟和成本，四倍于竞品速度的同时基准表现超过 3.1 Pro，这可能是今年对开发者最实用的基座模型之一。
光帆科技发布行业首款搭载摄像头的AI耳机——光帆全感AI耳机。该产品单耳重11克，采用开放式耳挂设计，双侧配备200万像素双目摄像头，可实时识别环境并提供主动智能服务。其耳机盒集成指纹解锁与4G eSIM模块，支持脱离手机独立使用。续航方面，耳机通话可达9小时，音乐播放15小时，配合充电盒总续航至高90小时。产品提供多种套装，耳机本体首发价1799元起。
MiniMax (official)@MiniMax_AIAI 评分5656Minimax 🔥🔥🔥 shipping across modalities
在鸿蒙智行智界V9发布会上，华为展示了乾崑896线双光路图像级激光雷达。这是全球量产线束规格最高的激光雷达，单帧点云量是128线雷达的7倍，使车辆感知迈入“图像级”。它能精准识别路面石块等异形障碍物并主动避让，对14厘米高度物体的远距离识别、低反射率目标识别距离提升190%，异型障碍物识别距离提升77%。余承东坦言该雷达成本高昂，曾考虑仅用摄像头实现类似功能，但发现摄像头能力有限，无法及早识别小物体。华为的目标是超越人类驾驶员的安全水平。
在鸿蒙智行首款旗舰 MPV 智界 V9 发布会上，华为余承东宣布该车型将首批升级华为乾崑智驾 ADS 5。智界 V9 全系标配 38 个传感器，可智能判断道路场景并自主操作，支持 60 EFLOPS 云端 AI 算力、WEWA 2.0 架构和 6 重冗余系统。自 4 月 22 日预售以来，车辆小定量已突破 40000 台，共推出四款配置，价格区间为 39.98 万至 52.98 万元。
中国信通院近日启动首轮人工智能终端智能化分级标准符合性检测，测试时间为2026年5月13日至6月30日。该测试依据新发布的《人工智能终端智能化分级》国家标准，该标准将终端智能化水平划分为L1至L4四个等级，智能化依次提高。测试覆盖手机、电脑、电视、眼镜、汽车座舱、音箱和耳机等七类产品。标准采用“2+N”架构，由小米、华为等企业参与起草，旨在推动人工智能终端生态安全有序发展。
蚂蚁集团推出 ARGenSeg-8B，一种将多模态理解与像素级感知统一的自回归图像生成分割框架。它利用多模态大语言模型（MLLM）输出视觉 token，并通过通用 VQ-VAE 解码为分割掩码，使分割完全依赖 MLLM 的像素级理解。采用 next-scale-prediction 策略并行生成视觉 token，降低推理延迟。在多个分割数据集上超越此前最优方法，推理速度显著提升。论文已被 NeurIPS 2025 接收，模型已发布在 HuggingFace。
推荐理由：蚂蚁提出用自回归生成做分割，把理解和像素级感知统一到一个框架里，多个数据集SOTA且速度更快，做CV的值得看看。
SenseTime@SenseTime_AI精选AI 评分7070很高兴为 SenseNova-U1 的空间智能能力做出了贡献，在 VSI-Bench 等关键基准上超越了 Qwen3.5 等强劲基线。 我们也很激动地开源了 SenseNova-SI-8M，这是目前最大的空间问答数据集。 今年六月 CVPR 见，很乐意当面交流！ SenseNova-SI-8M: https://huggingface.co/datasets/sensenova/SenseNova-SI-8M
推荐理由：商汤的 SenseNova-U1 在空间智能基准上压过 Qwen3.5，还顺手开源了目前最大的空间 QA 数据集 SenseNova-SI-8M，搞具身智能和多模态的可以直接抱走数据。
本周，AI音乐生成应用Suno与聚合电台应用Zeno Radio正式登陆苹果CarPlay平台。Suno允许用户通过文字提示生成完整音乐，其CarPlay界面分为“资料库”和“探索”两部分，便于播放个人作品及社区内容。Zeno Radio则聚合了传统电台与播客，涵盖音乐、新闻、儿童节目等多种分类。这两款新应用标志着CarPlay第三方生态持续扩展，为驾驶场景提供了更丰富的音频创作与收听选择。
Suno@sunoAI 评分6161在联发科天玑开发者大会 MDDC 2026 上，OPPO 发布了行业首个端侧 AIGC 光影处理引擎。该引擎基于自研 DiT 架构生成式大模型，用户无需联网即可在手机本地优化暗光、逆光等复杂光线下的照片，还原自然光影，效果接近云端模型水平。大会同期还展示了多项端侧 AI 技术：AI 翻译出词速率达每秒 300 个词元；端侧全模态 Omni 模型支持视频、语音、文本多模态输入与实时交互；手机超级助手“小布 Claw”能基于本地数据提供个性化 AI 内容生成与建议，确保数据隐私安全。
微软升级了 Edge 浏览器的 Copilot AI 助手，新增多项功能。Copilot 现在能一次性读取所有已打开的浏览器标签页内容，并基于这些信息进行产品比较或文章总结。此次更新还引入了长期记忆能力、将标签页内容转换为 AI 播客的工具，以及问答测验模式。这些增强功能旨在提升用户在多任务浏览和信息处理时的效率，并拓展了在 LinkedIn 等平台的内容创作辅助场景。
PixVerse@PixVerse_AI 评分5252PixVerse V6 is starting to blur the line between AI generation and real cinematography. Native Audio. Directional Cinematography. True-to-life physics. The movement, impact, camera behavior and environmental reactions feel far more grounded now. This latest release by @PixVerse_ is pushing AI action scenes into a completely different tier. Prompts👇🏾
