1/ 音频现已成为OpenRouter的一等公民。 今日上线两个新端点： 📢 /api/v1/audio/speech — 文本转语音（TTS） 🎤 /api/v1/audio/transcriptions — 语音转文本（SST） 沿用您已在文本、图像和视频中使用的相同路由、计费和密钥。
推荐理由：OpenRouter 突然把 TTS 和 STT 拉进了统一路由，用同一把 Key 和账单，做多模态 App 的人可以少调一个 API。更新不大，但省事。
AlphaEvolve推出了基于Gemini大模型的编程智能体，其算法正驱动多个领域产生实际影响。该智能体在商业流程、基础设施优化与科学研究三个关键领域实现规模化应用，通过自动化代码生成与问题解决提升效率。具体实践表明，它能显著加速开发周期并处理复杂任务，标志着AI编程助手从辅助工具向核心生产力引擎的演进。
推荐理由：DeepMind这次不只是秀参数，AlphaEvolve用Gemini驱动编码代理，已经开始在工业设计和科学发现里产生真实影响了，做自动化的可以盯着看。
OpenRouter 向所有支持工具调用的模型开放自主网络搜索与页面内容抓取能力，并允许用户从多个搜索引擎和抓取引擎中自行选择。
推荐理由：OpenRouter把网络搜索和抓取做成统一的工具接口，任何工具调用模型都能用，做agent的开发者不用再自己拼搜索层了。
OpenRouter 推出新功能，允许任何工具调用模型自主进行网页搜索并抓取页面内容，支持多种搜索引擎和抓取引擎供选择。
推荐理由：OpenRouter 给所有工具调用模型配上了统一的网络搜索和抓取能力，开发者不用再为每个模型单独对接搜索 API，适配成本直线下降。
阿里千问在PC端上线AI语音输入功能，用户通过快捷键即可在各类桌面应用中直接使用。该功能不仅支持去除语气词、纠错和格式化整理口语内容，更能基于上下文智能回复，并可直接下达创作、问答、翻译等指令。其设计逻辑超越传统语音打字工具，旨在成为跨应用的AI任务调度中枢：用户通过按住快捷键启动语音输入模式，或双击切换至AI指令模式，可直接派发信息检索、文档生成等任务。该功能覆盖文档编辑、网页浏览、即时通讯等主流办公场景，无需切换客户端或打开额外窗口，目前所有用户可免费使用。
推荐理由：阿里千问把语音输入做成了跨应用的AI任务调度中枢，按住说话就能直接发指令干活，对办公族来说是个真提效的小功能，值得装上试试。
xAI正式向企业开发者和团队推出Grok Imagine API的“Quality Mode”图像生成与编辑功能。该模式在真实性、文本渲染和创意控制上实现显著提升，能生成细节精细、纹理准确、场景逼真的图像，并具备清晰的多语言文本生成能力。在独立排行榜中，该API已位列顶级模型之列。定价为输入提示每次0.01美元，输出图像根据分辨率（1K或2K）每张费用在0.05至0.07美元之间。此功能适用于产品可视化、营销素材快速生成、用户内容风格创作等多种商业场景。
推荐理由：Grok Imagine 的 Quality Mode 在写实度和文字渲染上提升很明显，对需要高频生成产品图和 UGC 内容的品牌团队是个实在的更新，API 直接能用，单张才几分钱。
xAI 正式在 Grok Web 上线 Connectors 功能，提供与多种日常应用工具的深度集成。该功能允许 Grok 端到端处理任务，如阅读总结邮件、更新幻灯片、管理日历和编辑电子表格，无需频繁切换和复制粘贴。首批支持的连接器包括 SharePoint、Outlook、OneDrive、Google Workspace、Notion、GitHub 和 Linear，涵盖文件搜索读写、代码审查与任务管理等操作。同时推出的“自带 MCP”功能支持连接自定义模型上下文协议服务器。完整的 Connectors 支持也即将登陆 Grok iOS 和 Android 应用。
推荐理由：Grok这波连接器把 Office、GitHub 和 Notion 全打通了，不是演示级挂接，是能直接读写编辑的真集成，外加开放自建 MCP，产品经理和开发者都该立刻上手试试。
Tilde.run 发布了一款代理沙箱，其核心特点是具备事务性和版本控制功能的文件系统。该系统支持事务操作，确保文件更改的原子性，同时提供完整的版本历史记录。该工具旨在为开发者提供一个安全、可回溯的代码执行环境，适用于需要高可靠性的自动化代理或脚本测试场景。目前该项目已在 Hacker News 上获得 102 点关注度。
推荐理由：Agent 沙箱里的文件操作终于有了事务和版本回滚，对自动化链路调试是个实在的改进，搞 LLM 工具调用的可以试试。
通过个人智能与Nano Banana 2的协同工作，您现在可以将兴趣转化为Gemini中的图像。 请勿错过我们在Discord上的下一次社区活动，届时将有最新版本团队的现场演示和问答环节。 👉加入我们的Discord观看直播：http://discord.gg/gemini 📅 今天太平洋时间中午12:00
推荐理由：Nano Banana 2 把 Gemini 的图像生成从写 prompt 变成了识别你的兴趣，不用费力描述也能出图，对普通用户可能是真痛点，看直播看看实际效果。
Anthropic为其Claude托管智能体平台推出三项核心更新。“梦想”功能通过回顾会话历史提取模式，使智能体能够自我改进。“成果”功能允许开发者设定成功标准，智能体据此进行自我评估与修正，内部测试显示其显著提升了任务成功率和输出质量。“多智能体编排”功能支持主智能体将复杂任务分解，并分配给配备专用工具的子智能体并行处理。这些更新旨在以最小人工干预，增强智能体处理复杂任务的能力。
推荐理由：Anthropic给托管Agent加了dreaming、outcomes和multiagent，这是Agent从完成任务到自我改进和协作的质变。dreaming让Agent能跨session复盘，做Agent产品的团队现在多了一个必须研究的模块。
Anthropic与SpaceX达成合作，获得其Colossus 1数据中心超300兆瓦（含逾22万块NVIDIA GPU）的算力。此举使Claude Code的Pro、Max等多档计划的五小时速率限制立即翻倍，并取消了高峰时段限流；Claude Opus的API速率也大幅提升。公司还公布了与亚马逊、谷歌、微软等科技巨头的一系列大规模算力协议，总投资额巨大。为满足企业客户的合规需求，算力扩张计划也将覆盖亚洲和欧洲地区。
推荐理由：跟 SpaceX 搞轨道算力是长期故事，但今天起 Claude Code 速率翻倍、API 限制松绑，对重度用户是立刻能摸到的甜头，即日生效不用等。
NotebookLM为高级用户推出“自动标注”新功能。当笔记本内来源超过五个时，点击该按钮，系统会自动分析所有内容并将其归类为高级别类别，每个来源可拥有多个标签。标签视图不仅便于查找特定来源，还能让用户选择特定标签来聚焦AI，使其回答仅基于该标签下的来源，从而提升响应速度与信息相关性。此功能也优化了“快速与深度研究”，新添加的来源会清晰显示在现有标签列表下方，方便用户审查和管理。用户可随时重新组织未标注来源或切换回传统列表视图。该功能将于近日向所有用户推送。
推荐理由：NotebookLM的自动标签让管理几十个来源的笔记本不再灾难，特别是和深度研究联动后，能快速聚焦感兴趣的分类直接生成播客，研究人员和深度用户应该会喜欢。
Perplexity Agent API 现已提供金融搜索功能。 开发者只需一次工具调用，即可为需要当前可验证金融答案的智能体获取授权金融数据集、实时市场数据和附引用的网络资源。
推荐理由：Perplexity 把金融搜索拆成 API 端点，对于做金融 Agent 的开发者是实打实的生产力提升，属于‘一调即用’那种，可以跳过一堆数据集成工作。
OpenAI 发布了名为 MRC 的新型超级计算机网络协议，旨在提升大规模 AI 训练集群的韧性与性能。该协议通过开放计算项目公开，支持在数千个 GPU 间建立高效、可靠的多路径连接，能自动绕过故障链路，将网络有效带宽提升最高达 30%，同时显著降低训练作业因网络问题中断的概率。MRC 的设计目标是应对万卡级集群的复杂网络挑战，为下一代大模型训练提供基础设施支持。
推荐理由：虽然只是个网络协议，但MRC在超大规模训练集群里解决的是真实痛点，OpenAI自己内部用了才放出来，做万卡级训练的团队确实该看看。
Cloudflare宣布其代理商合作伙伴现可直接创建Cloudflare账户、购买域名并部署服务。这一功能整合了账户创建、域名注册和项目部署流程，简化了代理商的管理与操作步骤。此举旨在提升合作伙伴的自主性和效率，进一步扩展Cloudflare的生态系统与服务覆盖范围。
推荐理由：Cloudflare 把账户注册、买域名、部署全开放给 Agent，等于给 AI 发了张建站许可证，做自主 Agent 和自动化运维的人可以直接拿来用。
ChatGPT for Excel and Google Sheets: 它可以帮助分析杂乱数据、编写公式、更新电子表格，并在此过程中解释其操作——无需离开你的电子表格。 由 GPT-5.5 驱动。 https://chatgpt.com/apps/spreadsheets/
推荐理由：ChatGPT 刚刚以插件形式进入 Excel 和 Google Sheets，背后是 GPT-5.5，能直接处理脏数据、写公式——这比任何通用聊天更新都更接地气，普通打工人明天就能用上。
Claude Code 发布 v2.1.129 版本，带来多项功能新增与问题修复。新增功能包括支持通过 `--plugin-url` 从 URL 获取插件压缩包、新增 `CLAUDE_CODE_FORCE_SYNC_OUTPUT` 环境变量以强制启用终端同步输出，以及为 Homebrew 或 WinGet 安装提供后台自动更新提示。功能调整方面，插件清单中的 `themes` 和 `monitors` 现在建议在 `"experimental"` 下声明；网关模型发现功能改为通过环境变量手动启用；Ctrl+R 历史记录选择器恢复为默认搜索所有项目的提示。此外，修复了约 20 项问题，涉及 `/clear` 命令、会话标题显示、外部编辑器切换、令牌浪费、OAuth 凭证刷新、缓存警告等多个方面。
推荐理由：Claude Code 用户最烦的 session 消失、token 浪费和缓存降级问题这次都修了，还支持从 URL 加载插件，日常体验会顺滑不少。
据报道，苹果计划在秋季发布的iOS 27等系统中，推出名为“Extensions”的新功能，允许用户自行选择已通过App Store集成的第三方AI模型（如谷歌、Anthropic的模型），来驱动设备上的文本生成、图像编辑等AI功能。此举将打破此前ChatGPT作为唯一第三方选项的独占地位。同时，Siri将支持更换不同音色以区分内外模型，并迎来独立App及更深度的系统整合。苹果将在App Store设立专区展示兼容应用，并对第三方模型生成的内容免责。
推荐理由：苹果放开 AI 模型底层的选择权，让谷歌和 Anthropic 进入原先 OpenAI 独占的地盘，这比发一个新模型更有生态意义——手机 OS 正在变成 AI 的分发渠道。
ChatGPT 现已作为插件在 Excel 和 Google Sheets 中使用。 它可以帮助分析杂乱的数据、编写公式、更新电子表格，并在此过程中解释其操作——无需离开您的电子表格。 由 GPT-5.5 驱动。 https://chatgpt.com/apps/spreadsheets/
推荐理由：直接在 Excel 里用 GPT-5.5 分析数据、写公式，不是新模型，但对每天和表格打交道的普通人来说比任何 benchmark 都实在。装个插件就能用。
Gemini API 文件搜索工具近日扩展三项功能更新，旨在帮助开发者更轻松地构建高精度多模态检索增强生成系统。更新包括：多模态支持，通过Gemini Embedding 2模型实现对图像和文本的同步推理；自定义元数据过滤，允许为文件添加键值标签以结构化非结构化数据，从而提升搜索速度；精确引用功能，能够捕获并返回每条索引信息的精确来源，如页码。开发者可通过Google AI Studio的示例应用体验这些功能，与图像和文档库交互，提问并追溯答案来源。
推荐理由：如果你在用 Gemini 搭 RAG 系统，这三项更新能直接改善搜索精度和可解释性，多模态搜索终于把图片和文档打通了，值得马上试试。
更新后的 Agents SDK 现已提供 TypeScript 版本，支持沙盒代理并内置开源测试框架。 [引用 @OpenAIDevs]：构建可长期运行的代理，获得更多对代理执行的控制权。 Agents SDK 的新功能： • 在受控沙盒中运行代理 • 检查并自定义开源测试框架 • 控制记忆创建时机及存储位置
推荐理由：OpenAI 把 Agents SDK 带到了 TypeScript，而且直接上了沙箱和开源 harness，做 Node.js 代理的可以扔掉自研的调度层了。
5.5 instant 今日登陆 ChatGPT！ 在我看来这是一个相当大的升级，我真的很喜欢使用它。 [引用 @ericmitchellai]：Excited that we're updating the default model in ChatGPT today! 5.5 instant 在智能、图像感知和事实准确性方面都有显著提升。 它还更新了写作风格，使其更平实、更直接。 你的愿望清单上有什么？
推荐理由：ChatGPT 默认模型悄悄换上了 5.5 instant，图像感知和事实性提升明显，写作风格也更直接，每天用它的人今天会感觉到差异，不是小修小补。
OpenAI扩展ChatGPT广告服务，推出自助广告管理平台测试版，新增CPC竞价功能和增强的广告效果测量工具。新平台注重隐私保护，确保广告内容与用户对话相互独立，帮助广告主更精准地定位目标受众并优化广告投放效果。
推荐理由：OpenAI 把广告变成了自助服务，CPC 竞价和 Ads Manager 是商业化一大步，对开发者生态影响不小，但对话里塞广告会不会翻车，还不好说。
Perplexity和Computer现已接入优质健康资源，首批包括NEJM和BMJ集团，另有9种医学期刊和临床数据库即将上线。 提出健康问题，即可获得来自医院和研究机构所信赖的相同来源的引用答案。
推荐理由：医疗信息最怕不靠谱，Perplexity 直接接进 NEJM 和 BMJ 这种顶刊，等于把医生的参考资料装进 AI，查健康问题终于不用在营销文里盲人摸象了。
Copilot Cowork 新增功能：移动端、技能与插件。 现已在 iOS 和 Android 平台推出，您可通过手机委派工作，在桌面端继续处理，保持任务流畅推进。 借助全新连接器，Cowork 可跨业务系统与数据运作。
推荐理由：Copilot Cowork 把委托工作从桌面延伸到了手机，加上 skills 和插件，办公自动化终于能随时丢任务随时捡起来，这是微软把 agent 落地的关键一步。
Manus 发布 Project 新功能，可将有价值的对话转化为经审批的 Project 指令、文件和技能更新，让每个任务帮助下一个任务做得更好。用户可通过提示词触发审查，Manus 说明应更改什么及原因，所有更新仅在审批通过后应用，更新适用于支持 Project 指令和文件的会话。
推荐理由：原文给出 Project 自我更新的具体机制和审批边界，读者可据此判断能否减少团队重复交代上下文。
Anthropic发布了十个针对金融服务耗时任务的预置智能体模板，涵盖制作推介书、撰写信贷备忘录、KYC文件筛查及月末关账等。这些模板可作为Claude Cowork和Claude Code的插件，或作为Claude托管智能体的配置指南，帮助团队在数天内部署应用。Claude现通过Microsoft 365插件支持在Excel、PowerPoint等Office应用间无缝工作，并扩展了合作伙伴生态，新增数据连接器和MCP应用，使智能体能直接调用实时金融数据。这些更新与Claude Opus 4.7模型搭配效果最佳，该模型在金融任务上达到先进水平。
推荐理由：Anthropic 一口气放出十个金融模板，从 pitchbook 到月底关账全包，加上 Excel、PPT、Word 的深度集成，做金融的可以少写很多重复性胶水代码，直接套模板干活去了。
Runway公司推出“Characters”实时视频智能体，它能将任意单张参考图像（如真人、卡通或幻想生物照片）实时转化为具有自然对话表现力的视频角色。该技术基于其通用世界模型GWM-1，无需微调即可生成每秒24帧的高清视频，并同步口型、表情和头部运动。其核心突破在于通过自回归逐帧生成、流程优化与并行化，实现了每帧仅37毫秒的模型处理时间，以及从用户停止说话到角色开始响应仅1.75秒的服务器端延迟，从而满足了实时交互对话的严苛要求。
推荐理由：把单张图变成实时对话角色这件事，Runway 做到了 24fps 且 1.75 秒响应。不是预录，是真实时，还带了知识库和工具调用，做虚拟角色产品的可以直接拿来集成。
两种声音。一种来自人类。一种来自AI。你能猜出哪个是AI克隆的吗？👇 具备丰富自然情感的语音克隆功能，现已在Grok Voice API上线。 http://x.ai/news/grok-custom-voices
推荐理由：Grok 的语音克隆带着自然情绪上线 API，不只是复读机，而是带感情的合成。想给应用加个有人味的 AI 语音，开发者可以试试这套新接口。
本次更新包含多项功能优化与错误修复。主要功能上，`/color` 命令支持无参数随机选色，`/mcp` 命令显示已连接服务器的工具数量，`--plugin-dir` 参数新增支持 `.zip` 插件包。用户体验方面，优化了 `/model` 选择器的显示。关键问题修复包括：解决了通过标准输入传输超大文件时导致的崩溃循环、修复了长 URL 在全屏模式下无法逐行点击的问题，以及修正了并行 Shell 工具调用中一个命令失败会错误取消同级调用的问题。此外，还处理了 MCP 服务器重连时工具列表刷屏等多个稳定性问题。
推荐理由：Claude Code 的日常维护版本，修了一堆小 bug 并给了 /color 随机色、插件支持 zip 等细节提升，重度用户建议升，非用户不必关注。
两种声音。一种来自人类。一种来自AI。你能猜出哪个是AI克隆的吗？👇 具备丰富自然情感的声音克隆功能，现已在Grok Voice API上线。 http://x.ai/news/grok-custom-voices
推荐理由：Grok Voice API 终于支持声音克隆，关键是能带自然情感，做语音产品的开发者可以直接接入了，这是 xAI 在语音交互上的一次重要补齐。
告别持续轮询！在构建复杂、长期运行的智能体应用时，使用 Gemini API 中的 Webhooks 来消除 API 流量的浪费，并简化编排逻辑。🙌
推荐理由：长期轮询是agent开发的隐形税，Gemini API这次内置webhooks，把编排逻辑简化了一大截，做复杂agent的开发者今晚就能删掉一堆轮询代码。
Gemini API 引入了事件驱动的 Webhook 功能，这是一种基于推送的通知系统。它旨在消除低效的轮询需求，为长时运行的任务（如文件处理或复杂推理）提供更优的解决方案。当任务完成时，系统会自动将结果推送到用户指定的端点，从而显著降低延迟并减少资源消耗，提升开发效率与响应速度。
推荐理由：Gemini API 终于补上 Webhooks 这块拼图，长任务不用再轮询等待，对做自动化流程和 Agent 的开发者是实打实的效率提升。
在行业标准推理引擎vLLM上的测试显示，NVIDIA GB300 NVL72的实测端到端性能已达GB200 NVL72的2.7倍。尽管其纸面参数仅显示NVFP4算力提升约1.5倍、HBM容量增加1.5倍且带宽相同，但在大多数服务商实际运行的中段负载区间，凭借全栈优化的复合增益，GB300实现了远超理论算力提升的性能飞跃。此次测试基于NVIDIA、Inferact和CoreWeave为开源项目提供的临时GB300系统完成，结果印证了端到端实测性能才是衡量硬件效能的黄金标准，而非单纯的纸面理论算力。
推荐理由：纸面 FP4 算力只多 50% 的 GB300，实际推理却快了 2.7 倍，全栈优化的复合增益比参数表好看太多，做推理服务的该重新算算 TCO 了。
管理API密钥是我们从客户那里听到的最主要的安全顾虑之一。 今天我们为Claude平台推出无密钥认证：通过CLI在浏览器中进行身份验证，或让工作负载使用其现有的云身份（AWS、GCP、Azure或任何OIDC令牌提供者）。
推荐理由：无密钥认证直接解决了 API 密钥泄露这个高频痛点，而且支持主流云身份，企业部署门槛降了一大截，做 AI 集成的团队明天就可以试。
从构想到原型，借助Gemini中的Nano Banana 2，将您独特的产品愿景变为现实。🪀
推荐理由：Google Gemini塞进一个Nano Banana 2创意工具，把想法转原型只需几句话，产品经理脑暴草案利器，算不上重磅但够实用。
新推出的桌面AI代理KroWork旨在解决传统AI代理工作流随会话结束而消失的核心痛点。用户通过自然语言描述任务，AI即可自动构建并执行端到端工作流，最终可将完整流程保存为名为“Kro App”的持久性本地应用程序。该软件可一键安装至系统菜单，像常规软件一样运行，后续使用无需消耗tokens或重新构建。所有流程均在用户本地设备运行，无云端依赖，不泄露数据，且无需编程背景。其核心理念是实现从“聊天”到“交付”的跨越，将对话转化为用户真正拥有的可重用资产。
推荐理由：KroWork 把 AI 会话固化成本地软件，一键安装，这个思路解决了 Agent 最大的痛点，每次重跑都得重新教它。做个人自动化的可以立即上手试试。
实时视频智能体已到来。 今天，我们将分享如何构建Runway Characters，让你能将一张图片转化为一个完全富有表现力、可对话的视频智能体，以每秒24帧的高清画质流畅播放。端到端延迟仅需1.75秒。 了解更多信息请见下文。
推荐理由：Runway 把 AI 视频从生成拉入实时对话时代，1.75 秒的延迟让视频代理第一次有了「对话感」，做交互设计的同学可以认真看一眼。
OpenClaw 2026.5.3 🦞 📁 配对节点间的文件传输 🧭 使用 /steer + /side 进行实时智能体控制 🔌 插件安装/更新已加固 🛠️ 频道与升级修复 重大发布，减少琐碎问题。 https://github.com/openclaw/openclaw/releases/tag/v2026.5.3
推荐理由：OpenClaw 这个版本把 agent 协同和实时控制做得更顺手了，如果你在用多节点 agent，这个升级能省不少调试功夫。
Claude Platform 的 Workload Identity Federation 现已正式可用。该功能允许用户使用来自 AWS IAM、Google Cloud、GitHub Actions 等身份提供商的短期 OIDC 令牌认证 Claude API，替代长期静态 API 密钥。
推荐理由：用 OIDC 短期令牌代替 API 密钥，对企业级部署是刚需级安全改进，做生产环境集成的可以告别密钥轮换脚本了。