AI进展

AI 编年时间线 · 2026年4月 · 共 95 条

4月30·周四

阿里推出数字员工QoderWake和Qoder移动端两款Agent产品

阿里正式推出数字员工平台 QoderWake 及 Qoder 移动端。QoderWake采用Harness-First架构，具备多维度自进化能力，可将经验沉淀到记忆、技能等五个维度，解决通用Agent”做完即忘”问题。目前已上线”数字程序员”，在阿里内部实现全流程无人值守的根因分析与代码修复，将单条问题分析耗时从30分钟缩短至2分钟。

来源：阿里云

蚂蚁百灵开源万亿级综合旗舰模型Ling-2.6-1T

百灵大模型 Ling-2.6-1T 正式开源面向复杂任务的万亿级综合旗舰模型。模型依托 MLA 与 Linear Attention 混合架构，以极低 Token 消耗实现高智效比，综合智能与 GPT-5.4（Non-Reasoning）同档。在 AIME26、SWE-bench Verified、BFCL-V4 等多个执行类基准上达到开源 SOTA，具备强 Agent 执行、代码生成与长上下文理解能力。

来源：百灵大模型

腾讯混元开源手机端离线翻译模型Hy-MT1.5-1.8B-1.25bit

腾讯混元开源手机端离线翻译模型 Hy-MT1.5-1.8B-1.25bit ，将支持33种语言、1056个翻译方向的翻译大模型极致压缩至 440MB，无需联网可在手机本地运行。模型基于1.8B参数的Hy-MT1.5打造，采用Sherry稀疏量化技术（ACL 2026录用），翻译质量超越谷歌翻译等主流系统。

来源：腾讯混元

宇树发布双臂人形机器人 ¥2.69万元起

宇树科技发布双臂人形机器人，起售价 2.69万元。产品具备15-31个总自由度，支持固定底座与移动底盘两种部署方式，配备高性能电机、减速器及传感器，搭载视觉双目模组与语音交互系统，头部算力达10TOPS。产品面向多场景落地，支持全栈开放的底层二次开发，定位为超快速部署的高性能双臂机器人解决方案。

来源：Unitree宇树

4月29·周三

商汤开源日日新系列原生理解生成统一模型SenseNova U1

商汤正式开源日日新 SenseNova U1 系列原生理解生成统一模型。模型基于自研NEO-unify架构，摒弃传统拼接式设计，在单一架构内统一多模态理解、推理与生成。本次开源轻量版SenseNova U1 Lite，包含8B稠密网络与A3B MoE网络两个规格。在图像理解、生成编辑及视觉推理等多项基准测试中，达到同量级开源模型SOTA水平。

来源：商汤科技SenseTime

阶跃星辰推出新一代图像生成编辑模型 Step Image Edit 2

阶跃星辰正式推出新一代图像生成编辑模型 Step Image Edit 2 。模型仅3.5B参数，在实际表现中超越12B-20B级开源图像编辑大模型，单次生图只需0.5-2秒，在KRIS-Bench榜单轻量级图像编辑模型综合排名第一。模型支持图像生成与编辑、中英文渲染、局部编辑、视觉推理、风格迁移等功能，覆盖IP创作、海报设计、人像美颜等场景。

来源：阶跃星辰

科大讯飞推出MoE架构大语言模型星火X2-Flash

科大讯飞星火X2-Flash 正式推出并开放API。模型采用MoE架构，总参数30B，支持256K超长上下文，基于华为昇腾910B国产算力集群训练。在智能体与代码能力上大幅提升，经实测效果接近万亿级参数模型，Token消耗成本不到主流大模型的三分之一。模型已接入AstronClaw、Loomy等平台，兼容OpenClaw等主流Agent框架。

来源：讯飞开放平台

蚂蚁百灵开源高效Instruct模型Ling-2.6-flash

蚂蚁集团旗下百灵大模型宣布 Ling-2.6-flash 正式开源，同步提供 BF16、FP8、INT4 等多精度版本，模型已上线 Hugging Face 与 ModelScope。模型总参数 104B、激活参数 7.4B，两周前曾以 Elephant Alpha 匿名身份登陆 OpenRouter，迅速获得开发者社区与行业用户的广泛关注。

来源：百灵大模型

DeepSeek识图模式开启灰度测试

DeepSeek 多模态”识图模式”已开启灰度测试，部分用户可在首页看到新入口。上传图片后，DeepSeek能像人一样理解画面中的物体与场景。实测显示，识图模式可准确判断动物品种、通过建筑与文字线索识别杭州灵隐寺给出精确坐标，还能识破视觉陷阱图片。

来源：智东西

英国AI初创公司Ineffable，完成11亿美元种子轮融资

前谷歌DeepMind首席科学家、AlphaGo核心研发者David Silver创立的英国AI公司Ineffable完成11亿美元种子轮融资，估值达51亿美元，本轮融资由红杉资本与光速创投领投，英伟达、谷歌等参投，创欧洲史上最大种子轮纪录。公司致力于打造无需人类数据、通过自主实践探索知识的”超级学习系统”。

来源：智东西

4月28·周二

微软 GitHub Copilot 宣布转向按量计费

GitHub Copilot 宣布6月1日起转向按量计费，以AI Credits替代固定额度，按Token消耗计费。基础订阅价不变：Pro每月10美元、Pro+每月39美元，均含等值Credits，代码补全不消耗额度。企业版支持共享额度池，Business和Enterprise客户6至8月可获额外促销额度。年度用户维持原计费至期满。

来源：IT之家

小红书首次公布「AI治理主张」

小红书首次公布「AI治理主张」，明确三大原则：欢迎创作者使用AI作为创意放大器；鼓励对AI生成内容主动标识，未标注者平台将统一添加标识；严守真实底线，坚决反对AI造假与侵权。平台将持续建设AI内容识别治理能力，同时上线AI笔记贴条提示的申诉通道，保障创作者权益，守护社区真实、公平、温暖的底色。

来源：小红书

OpenAI 和微软联合宣布云合作独家限制正式解除

微软与OpenAI修订合作协议，解除云合作独家限制，OpenAI产品仍优先在Azure发布，且可通过任何云提供商向客户提供服务。知识产权授权从独家变为非独家，延至2032年。微软不再向OpenAI支付分成，OpenAI向微软的分成延续至2030年但设总额上限，与技术进展脱钩。微软同时获得独立追求AGI的权利。

来源：APPSO

百度文库网盘联合推出通用智能体GenFlow4.0

百度AI DAY推出通用智能体GenFlow4.0，目前通用智能体 GenFlow 的月活用户已经突破1亿。新版本全面升级Office Agent，一句话即可生成PPT、处理Excel数据、撰写Word长文档；记忆中心支持自主规划与个性化记忆。同时深度兼容OpenClaw，实现手机电脑无缝协作与Skills跨平台迁移。

来源：百度

阿里通义推出全新强化学习框架EAPO

阿里通义实验室推出全新强化学习框架 EAPO （Evidence-Augmented Policy Optimization），引入”证据奖励”机制，将监督从答案下沉到证据提取过程，解决大模型长文本推理中”搜对却答错”的幻觉问题。框架基于Qwen3-30B的模型在多个权威长文本基准测试中表现优异，反超120B参数的GPT-OSS和Claude-Sonnet-4等大模型。

来源：通义实验室

阿里QoderWork推出专家套件功能

阿里 QoderWork 正式上线「专家套件」功能，首批发布覆盖金融、法律、营销、财税、咨询、产品六大领域的 10 个预制套件，将专业知识、工作流程与数据连接器打包集成至 AI，用户无需编写 Skill 可一键调用、开箱即用。同时支持企业与用户自定义封装专属套件，实现业务配置与使用分离。

来源：阿里云

4月27·周一

LibTV 全网首发上线HappyHorse 1.0视频模型

LibTV 全网首发新一代视频模型 HappyHorse 1.0 ，支持文生视频、图生视频及参考图生成三种模式，可输出 15 秒 1080P 多镜头叙事视频。模型具备自然语言视频编辑、电影级画面质感、智能分镜编排、音画同步生成及多风格还原能力，在人物动作自然度、微表情刻画和对话真实感方面显著提升。

来源：哩布哩布AI

堆友第一时间上线HappyHorse 1.0视频模型

阿里巴巴旗下堆友平台上线 HappyHorse 1.0 视频模型，限时折扣低至 12 堆豆/秒，5 秒视频不到 1 元。用户登录官网点击「视频生成」入口即可体验，模型支持 3D 动画广告、无人机运镜、多人实景互动及氛围感镜头等场景，面向设计师、AI 爱好者等群体提供高性价比的视频创作能力。

来源：堆友

DeepSeek API输入缓存降价90%

DeepSeek官方宣布全系API服务输入缓存命中价格降至原有价格的1/10。 DeepSeek-V4-Pro 缓存命中输入降至0.025元，DeepSeek-V4-Flash降至0.02元。Pro模型在5月5日前可叠加2.5折限时优惠。本次大幅降价为降低开发者调用成本，提升长上下文场景下的API使用性价比。

来源：IT之家

小米开源 VLA 大模型 Xiaomi-Robotics-0 后训练全流程

小米机器人事业部开源 Xiaomi-Robotics-0 真机后训练全流程。基于预训练基座，用20小时任务数据可完成耳机收纳等高精度操作。团队通过异步推理、动作前缀及自适应加权、Λ型掩码、随机遮蔽三重策略，破解模型”偷懒效应”，实现动作连贯与视觉灵敏的平衡。

来源：小米技术

灵光App推出体验世界模型功能

灵光App 上线「体验世界模型」功能，首次将世界模型能力引入手机端。用户只需上传一张图片，选择「生成图中世界」或输入探索指令，可一键生成可交互的3D虚拟世界。进入场景后，可通过摇杆控制移动用第一人称视角自由漫步，像玩游戏一样沉浸式探索。

来源：灵光App

星动纪元完成超2亿美元新一轮融资

具身智能企业星动纪元完成超2亿美元新一轮融资，由顺丰集团领投，红杉中国、IDG资本、中金资本等联合注资，多家产业方共同参与。星动纪元实现了具身行业首个PMF，已携手中国邮政、顺丰等落地10余个物流中心，部分场景作业效率超人类85%，将于2026年Q2开启千台级机器人批量交付。

来源：星动纪元

阶跃星辰与腾讯云达成战略合作

阶跃星辰与腾讯云达成战略合作，双方将整合阶跃星辰端到端语音大模型与多模态理解技术，结合腾讯云基础设施及内容生态优势，共同加速大模型上车进程。合作聚焦智能座舱场景，打造免唤醒、连续对话、情绪识别的主动式AI交互体验，联动腾讯音乐、视频、地图等服务，实现车内服务闭环。

来源：阶跃星辰

芒果传媒与爱诗科技达成战略合作

芒果传媒与爱诗科技签署战略合作协议，合作将以芒果全景工作站为载体，将爱诗科技AI视频大模型能力系统性接入芒果内容生态，推动AI技术在音视频创制、AI影游、IP开发等核心业务场景落地。双方将围绕内容生产、互动娱乐及内容全球化三大方向展开深度合作，探索AI视频在短剧、动画、综艺视觉及实时互动内容中的产业化应用。

来源：爱诗科技 AIsphere

4月24·周五

DeepSeek推出DeepSeek-V4 预览版

DeepSeek全新系列模型 DeepSeek-V4 的预览版本正式上线并同步开源，包含deepseek-v4-pro 和 deepseek-v4-flash两个版本，均支持 1M 超长上下文。V4-Pro 在 Agent 编码、世界知识与推理性能上比肩顶级闭源模型；V4-Flash 用更低成本提供接近的推理能力。模型采用全新注意力机制与 DSA 稀疏注意力，大幅降低长上下文计算与显存开销。

来源：DeepSeek

OpenAI 推出最新旗舰大模型GPT-5.5

OpenAI推出新一代旗舰模型 GPT-5.5 ，定位”面向实际工作与智能体的新型智能”。模型与英伟达GB200/GB300 NVL72系统联合设计，在编程、知识工作及科学研究领域全面超越前代与Claude Opus 4.7。GPT-5.5打破”更强必更慢”定律，速度与 GPT-5.4 持平且token消耗更少。

来源：量子位

讯飞Loomy全面开放，开启“外挂”办公模式

讯飞旗下AI办公助手 Loomy 宣布全面开放，无需邀请码可注册使用。Loomy已完成超5000个真实任务闭环，覆盖金融、电商、教育等20余个行业，新用户留存率达70%。本次升级推出三大核心能力：集成飞书、企微、钉钉CLI实现自然语言操控IM工具；PPT引导式创建，通过选择题生成专业演示文稿；支持多任务并行处理，提升办公效率。

来源：讯飞开放平台

阶跃星辰推出新一代自动语音识别模型StepAudio 2.5 ASR

阶跃星辰推出新一代自动语音识别模型 StepAudio 2.5 ASR 。模型率先将大语言模型推理加速技术引入语音识别领域，基于ASR+MTP-5架构，实现推理速度提升400%、时延降低60%、峰值达500 tokens/s，成本直降80%。在多项中英文主流评测基准上达到SOTA水平，模型复用32K上下文窗口，单次可完整转写30分钟长音频。

来源：阶跃星辰

阿里云推出企业级智能体构建平台JVS Crew

阿里云推出企业级智能体构建平台 JVS Crew ，以”被集成”为设计理念，帮助企业快速在现有App或SaaS中嵌入生产级AI Agent能力。平台补齐OpenClaw在企业级场景的短板，通过身份、内容、执行三道安全墙实现自主可控，提供全托管跨会话记忆、端到端可观测Trace及四级预算成本管控。

来源：阿里云JVS Crew

4月23·周四

OpenAI 推出团队协作智能体Workspace Agents

OpenAI宣布在ChatGPT中推出 Workspace Agents ，支持团队创建协作智能体处理复杂任务和长周期工作流。Workspace Agents由Codex提供底层支持，具备文件处理、代码运行、工具调用和记忆存储能力，可7×24小时云端运行。系统支持Slack集成与定时调度。目前支持ChatGPT Business、Enterprise、Edu和Teachers计划。

来源：IT之家

阿里通义开源稠密多模态模型Qwen3.6-27B

阿里通义千问团队开源 Qwen3.6-27B ，拥有270亿参数的稠密多模态模型。模型支持多模态思考与非思考模式，在智能体编程能力上实现旗舰级突破，于SWE-bench、Terminal-Bench等主要编程基准全面超越前代开源旗舰Qwen3.5-397B-A17B。作为稠密架构，模型无需MoE路由可部署，更便于广泛落地。

来源：千问大模型

字节跳动推出新一代 3D 生成大模型Seed3D 2.0

字节跳动推出新一代3D生成大模型 Seed3D 2.0 ，在几何与纹理两项核心指标上均达SOTA。模型引入Coarse-to-Fine两阶段DiT策略，解耦整体结构与精细细节，采用统一PBR生成架构结合MoE与VLM先验，大幅提升材质真实感。Seed3D 2.0拓展了部件级拆分、关节化建模及场景组合等下游能力，推动3D生成迈向”生产可用”。

来源：字节跳动Seed

腾讯混元开源快慢思考融合的混合专家模型Hy3 preview

腾讯混元团队推出 Hy3 preview 大模型，是团队从预训练、强化学习到基础设施全面推倒重建后的首个成果。模型采用快慢思考融合的MoE架构，拥有295B总参数、21B激活参数及256K长上下文，是混元迄今最智能的模型。Hy3 preview在FrontierScience-Olympiad、IMOAnswerBench等高难度推理榜单表现突出，Agent与代码能力大幅提升，可一次性生成完整微信小程序。

来源：腾讯

OpenAI开源隐私过滤模型OpenAI Privacy Filter

OpenAI开源 OpenAI Privacy Filter 模型，用于检测和编辑文本中的个人身份信息（PII）。模型总参数15亿，支持128K上下文，可在本地运行。模型基于双向token分类架构，能识别姓名、地址、邮箱、电话、账号、密码等8类隐私信息，在PII-Masking-300k基准上达96% F1分数。

来源：AI工具集

阶跃星辰和千里科技达成全面战略合作

阶跃星辰与千里科技宣布达成全面战略合作，双方将共建「原生智驾基座模型」，从底层训练让AI直接理解复杂物理世界，突破物理AI能力边界。阶跃已在Agent基础大模型和全模态技术上深度布局，推出开源旗舰基座模型 Step 3.5 Flash ，在语音推理、自动驾驶评测等榜单取得领先。

来源：阶跃星辰

Anthropic估值万亿美元

据《科创板日报》，AI初创公司Anthropic在Forge Global等未上市股权交易平台的估值飙升至约1万亿美元，超越OpenAI的8800亿美元。因买家竞相抢购Anthropic日益减少的二级市场股票，推动公司估值快速攀升。

来源：财联社

4月22·周三

OpenAI正式推出图像生成模型ChatGPT Images 2.0

OpenAI正式推出 ChatGPT Images 2.0（GPT-Image-2 ），是其首个具备思考能力的图像生成模型。模型在准确性、时效性、一致性和视觉连贯性上表现突出，仅凭简单提示词可生成以假乱真的App截图、TikTok视频界面、商品广告及论文海报等复杂图像，中文文字渲染能力显著提升。

来源：量子位

马斯克600亿美元收购Cursor

马斯克旗下商业航天巨头SpaceX官宣与AI编程独角兽 Cursor 达成深度合作，计划今年晚些时候以600亿美元收购，如果最终不执行收购，可为合作支付100亿美元。双方将结合Cursor的领先产品与SpaceX百万H100等效算力的Colossus超算，共建世界最强编程AI。

来源：智东西

AI互动内容社区Loopit完成1亿美元融资

AI互动内容社区 Loopit 母公司涌跃智能完成新一轮5000万美元融资，由全球头部手游厂商Garena领投，蓝驰创投等机构跟投，年内累计融资近1亿美元。Loopit由前百川智能联合创始人陈炜鹏创立，上线两月即登上Google Play全球总榜第8、娱乐榜第1，获马斯克点赞。

来源：蓝驰创投

代号为 Elephant Alpha 的匿名模型正式揭晓：Ling-2.6-flash

蚂蚁百灵大模型团队推出 Ling-2.6-flash ，总参数 104B、激活参数 7.4B，采用 MLA+Lightning Linear 混合注意力与稀疏 MoE 架构。模型在4 卡 H20 环境下推理速度达 340 tokens/s，评测 Token 消耗仅同类约 1/10，在 BFCL-V4、SWE-bench Verified 等 Agent 基准达 SOTA。

来源：百灵大模型

商汤绝影推出端侧多模态智能体基座大模型Sage

商汤绝影推出端侧多模态智能体基座大模型 Sage ，采用MoE架构（32B总参数/3B激活），为行业首款车端复杂智能体基座模型。在PinchBench评测中任务完成率达94%，超越Claude-Opus-4.6、GPT-5.4等全球一线云侧大模型。Sage已在英伟达Orin X平台实现部署，将于北京车展推出Sage Box，推动智能座舱向超级智能体进化。

来源：绝影智能SenseAuto

4月21·周二

月之暗面开源Kimi K2.6，全面精进代码和 Agent 集群能力

月之暗面开源 Kimi K2.6 模型，具备行业领先的代码、长程任务执行与Agent集群能力。模型在Humanity’s Last Exam、SWE-Bench Pro等多项基准测试中成绩持平或优于GPT-5.4、Claude Opus 4.6等闭源模型。K2.6可连续编码13小时、修改超4000行代码，Agent集群支持300个子Agent并行完成4000个协作步骤，支持长达5天的持续自主运行。

来源：月之暗面 Kimi

腾讯 QClaw 海外版正式开启内测

腾讯 QClaw 海外版正式开启内测，现已开放美国、加拿大、新加坡等多个国家和地区。产品主打零门槛、免部署、下载即用，支持通过 WhatsApp 或 Telegram 远程操控电脑完成报税、健身规划、社媒运营等任务。QClaw 海外版 99% 的代码由 QClaw 自主编写，用时 5 天。

来源：腾讯

阿里通义一站式自动优化引擎 AgentScope Tune 正式升级

阿里通义实验室宣布专为 Agentic AI 打造一站式自动优化引擎 AgentScope Tuner 正式升级。产品提供 Prompt 调优、模型选择、强化微调三大能力，覆盖从研发初期轻量优化到后期深度调优的全周期需求。核心亮点包括 Agent 原生闭环、统一 API 设计范式、零代码改造成本。

来源：通义实验室

4月20·周一

Anthropic推出AI原生视觉设计协作平台Claude Design

Anthropic推出AI原生视觉设计平台 Claude Design ，由Claude Opus 4.7驱动，直接挑战Adobe、Figma等传统设计软件。产品具备三大核心能力：自动提取品牌设计系统、支持文档/截图/代码库等多模态输入、设计稿一键生成可运行代码。消息发布后，Adobe、Figma、Wix等设计软件巨头股价集体闪崩。

来源：量子位

阿里通义推出下一代旗舰模型Qwen3.6-Max-Preview

阿里通义千问推出下一代旗舰模型的早期预览版 Qwen3.6-Max-Preview 。相比前代，模型在智能体编程、世界知识和指令遵循方面显著提升，斩获六项编程基准最高分。用户可通过 Qwen Studio 在线体验，或经阿里云百炼 API 调用，兼容 OpenAI 与 Anthropic 协议。

来源：千问大模型

阿里通义推出端到端语音识别大模型Fun-ASR1.5

阿里推出端到端语音识别大模型 Fun-ASR 1.5 ，单模型覆盖30种语言，支持自动语种切换与跨语言混说。模型覆盖中文七大方言体系，字错误率较上版下降56.2%，新增古诗词专项识别准确率达97%。Fun-ASR 1.5采用MoE架构，支持智能标点预测与数字、日期等文本归一化，现已上线阿里云百炼及魔搭社区。

来源：千问大模型

4月17·周五

智谱AutoClaw上线自进化机制与Skill商店

智谱AI旗下 AutoClaw （澳龙）正式上线自进化机制与Skill商店。自进化功能可自动识别用户纠正、偏好及失败教训，经审批后固化为永久记忆，实现Agent越用越懂用户。平台同步推出GLM Office Skills五件套，基于GLM-5.1支持PPT、Word等细分场景设计、智能自检与格式互转，可一键生成配套办公材料。

来源：智谱

Anthropic 推出最新旗舰大模型 Claude Opus 4.7

Anthropic正式推出 Claude Opus 4.7 ，定位为当前最强可广泛使用的大模型。核心升级聚焦复杂任务执行、高清视觉理解和长链路工作流稳定性。视觉能力实现质的飞跃，在XBOW测试中从54.5%跃升至98.5%接近满分；编程能力达SWE-bench 80.5%；百万Token长上下文BFS测试从41.2%提升至58.6%。

来源：新智元

阿里通义开源Qwen3.6-35B-A3B，智能体编程“小钢炮”

阿里通义千问团队开源 Qwen3.6-35B-A3B 稀疏MoE模型，总参数350亿但激活仅30亿，专为智能体编程优化，性能大幅超越前代同时可媲美更大稠密模型。模型支持多模态推理、思考与非思考双模式，在代码生成、工具调用等基准测试中表现突出。

来源：千问大模型

4月16·周四

全球首个云端沙箱 Hermes：MaxHermes 正式上线

MiniMax正式推出全球首个云端沙箱Hermes—— MaxHermes ，基于Hermes Agent构建的云端自我进化AI助手。产品核心创新为学习闭环机制：每完成复杂任务自动提炼可复用的Skills能持续自我迭代，配备持久化记忆与多子代理并行能力。产品零门槛部署，已打通飞书、钉钉、企业微信等IM渠道，支持Token Plan抵扣消耗。

来源：MiniMax 稀宇科技

腾讯混元3D世界模型2.0发布：无缝对接游戏工作流

腾讯混元3D世界模型2.0 （HY-World 2.0）正式发布并开源。模型支持文字、图片、视频等多模态输入，可一键生成、重建和模拟完整3D世界，支持导出Mesh/3DGS/点云等可编辑资产，无缝对接Unity/UE游戏引擎。相比1.0版本，2.0采用WorldMirror 2.0架构，画面精细度与真实感大幅提升，支持角色模式自由探索与物理碰撞。

来源：腾讯混元

阿里推出可实时构建和交互的开放式世界模型产品 HappyOyster

阿里巴巴ATH创新事业部推出开放式世界模型产品 HappyOyster ，现已正式启动内测。产品支持实时构建与交互，提供”Directing”实时导演和”Wandering”世界漫游两种玩法，用户可在无限生成的视频流中创作或在延展空间中自由探索。目前官网已开放申请，用户可加入Waitlist获取首批内测资格。

来源：HappyOyster

阶跃星辰推出新一代语音生成模型 StepAudio 2.5 TTS

阶跃星辰正式推出新一代语音生成模型 StepAudio 2.5 TTS ，具备全局语境控制、文中语境控制和零样本复刻三大核心能力。用户可通过自然语言精准调控语音情绪基调、语气节奏、停顿重音等细节，实现从”复现声音”到”创造表达”的跨越。模型支持任意音色零样本复刻，无需重新训练即可生成高品质语音。

来源：阶跃星辰

智象未来宣布完成超5亿元新一轮融资

多模态生成式AI公司智象未来（HiDream.ai）宣布完成超5亿元新一轮融资，资金将用于原生全模态世界模型研发、企业智能体产品及全球市场拓展。公司开源模型 HiDream-I1 登顶Artificial Analysis榜单，开源下载量超200万次。目前产品覆盖3000万专业用户及4万多家企业客户，已形成商业营销、影视创作、社媒内容三大场景闭环。

来源：讯飞创投

网易有道推出 AI 知识库工具”有道宝库”

网易有道正式推出首个AI知识库产品 “有道宝库” 。产品定位为”外接超级知识库”，支持文档存储、智能问答及一键生成PPT、播客脚本、研究报告等内容。核心场景包括：30分钟掌握陌生领域知识并生成20页PPT；5分钟自动梳理全年项目文档生成年度总结；上传名人传记可模拟”名人董事会”提供决策建议能生成播客。

来源：网易有道

4月15·周三

百度文心开源文生图模型 ERNIE-Image

百度文心正式开源文生图模型 ERNIE-Image ，仅8B参数达到开源SOTA水平，在文字渲染、复杂指令遵循等能力上媲美 Nano Banana 等商业闭源模型。模型24GB显存即可运行，支持中英日韩多语言精准字形生成，已上线ComfyUI并推出GGUF量化方案，相关权重与推理代码已在Hugging Face开源。

来源：百度文心

阿里推出AI开发工具秒悟Meoo

阿里ATH事业群推出首款AI开发工具 Meoo （秒悟）。产品集成千问、Kimi、GLM、MiniMax四大顶尖模型，内置阿里云数据库、存储等核心服务。用户无需编程基础，通过自然语言描述需求，最快1分钟可自动生成完整前后端代码，支持在阿里云一键部署上线。

来源：阿里云

李飞飞旗下World Labs开源3D高斯溅射渲染引擎 Spark 2.0

李飞飞旗下World Labs开源3D高斯溅射渲染引擎 Spark 2.0 ，支持通过WebGL2将超1亿splats的3D世界流式传输至桌面、手机及VR设备。引擎基于Three.js构建，采用连续型LoD高斯溅射树、渐进式流式加载和虚拟内存技术，实现超大规模场景在网页端的实时渲染，解决传统引擎仅支持单对象、缺乏动态动画及设备兼容性差等痛点。

来源：量子位

Meta与芯片巨头博通宣布合作投入超1GW算力定制AI芯片

Meta宣布与芯片巨头博通签署五年长约（至2029年），初始投入超1GW算力用于定制AI芯片，扎克伯格宣称目标是”为数十亿人提供个人超级智能”。Meta计划两年内推出四代自研MTIA芯片（300/400/450/500），成立超级智能实验室，由Scale AI创始人Alexandr Wang担任首席AI官。

来源：新智元

面壁智能推出专业级文档智能体工作台 Lantay

面壁智能推出专业级文档智能体工作台 Lantay ，现已进入公测阶段。产品借鉴Cursor设计理念，通过Vibedocing交互范式实现人机协同创作，采用导航区、工作区、对话区三合一布局。平台支持16种格式文件处理，单次可批量整合200个材料，单文件上限100MB。Lantay主要面向法律、金融、出版等高严谨行业的重度文档工作者。

来源：面壁智能

4月14·周二

Seedance 2.0全面开放API服务

火山引擎正式上线 Seedance 2.0 API 服务，面向企业和个人开放视频生成能力。模型支持文、图、音、视频四模态输入，具备多模态内容参考与编辑能力，并建立肖像版权安全标准。目前已应用于影视文娱（如贾樟柯导演短片、春晚）、漫短剧、广告营销、AI工具、具身智能、自动驾驶等行业，助力创作效率提升。

来源：火山引擎

MiniMax Agent 更新，重新设计 Agent 操作电脑的方式

MiniMax Agent 桌面端推出两项更新：Pocket 功能（Beta版）支持接入飞书、微信等主流 IM，用户可在聊天中直接指挥电脑执行任务并回传结果；Computer Use 功能让 Agent 可像人一样看屏幕、操作鼠标键盘，直接操控本地软件和系统设置。

来源：MiniMax 稀宇科技

4月13·周一

MiniMax开源新一代自我进化AI模型 MiniMax M2.7

MiniMax正式开源 MiniMax M2.7 ，成为首个由AI深度参与自我迭代的模型，支持构建复杂Agent Harness及Agent Teams等能力，在软件工程与办公场景表现优异。开源首日与华为昇腾、摩尔线程、沐曦、昆仑芯、NVIDIA及Together AI、Fireworks等国内外芯片与推理平台完成适配。

来源：MiniMax 稀宇科技

MiniMax推出全新AI音乐生成模型 MiniMax Music 2.6

MiniMax推出 Music 2.6 音乐生成模型，新增Cover功能可基于现有歌曲改编风格与编曲，同时优化国风乐器时序演进、中低频表现及人声自然度。模型首包延迟降至20秒内，支持BPM、调性、段落结构等精准指令控制。同步开源三款Music Skill供Agent调用。

来源：MiniMax 稀宇科技

米哈游蔡浩宇AI公司推出首个AI视频模型LPM 1.0

米哈游创始人蔡浩宇的AI公司Anuttacon推出首个视频模型 LPM 1.0 。模型拥有170亿参数，支持实时生成能说话、唱歌、倾听并表达情绪的AI角色视频，可保持长时间身份一致性生成（支持22-48分钟视频）。技术上采用扩散Transformer架构与因果式流生成器，解决表现力、实时性与长视频一致性难题。

来源：量子位

4月10·周五

阿里通义开源全模态知识库 RAG 框架 VimRAG

阿里通义实验室推出 VimRAG 框架，用动态有向无环图（DAG）替代线性上下文拼接，通过分支试错机制、视觉能量分配策略及图引导优化（GGPO），实现跨文本、图像、视频的精准检索与关联推理。实验显示，模型在Qwen3-VL-8B模型上准确率达50.1%，显著优于传统方案。

来源：通义实验室

即梦推出 AI 原生动态叙事创作工具 Octo

即梦AI正式推出智能创作助手 Octo 小章鱼，以”Vibe Create”为核心理念，支持无流程束缚、无场景限定的自由创作体验。产品现已上线即梦官网开放内测申请，助力用户打破繁琐流程束缚，让创作回归纯粹自由的对话体验，随时随地轻松落地灵感。

来源：AI工具集

4月9·周四

Meta 推出原生多模态大模型 Muse Spark

Meta超级智能实验室（MSL）推出首个模型 Muse Spark ，在Artificial Analysis跑分从Llama 4的18分跃升至52分，仅次于GPT-5.4和Gemini 3.1 Pro，推动Meta股价暴涨近10%。模型为原生多模态推理架构，具备视觉思维链、多Agent编排及”沉思模式”，在CharXiv视觉理解和HealthBench健康问答领域表现突出。

来源：新智元

萌友智能 ropet 完成轮超千万美元融资

AI 陪伴机器人公司萌友智能 ropet 完成 A 轮超千万美元融资，由北京市人工智能产业投资基金、峰瑞资本等投资。ropet 桌面 AI 宠物售价约 2000 元，累计出货近 2 万台，90 天留存率达 80-90%，核心用户日均互动超 2 小时。产品主打”生物性”体验，通过性格养成、轻互动建立情感连接。

来源：极客公园

字节跳动推出原生全双工语音大模型 Seeduplex

字节跳动Seed团队推出全双工语音大模型 Seeduplex ，已在豆包App全量上线。模型基于”边听边说”框架，实现听说同步，具备精准抗干扰和动态判停能力，误回复率和抢话比例分别降低50%和40%，判停延迟减少250ms。评测显示模型对话流畅度提升12%，用户满意度提升8.34%，标志着全双工语音技术首次实现规模化落地。

来源：字节跳动Seed

Claude推出企业级托管Agent服务 Claude Managed Agents

Claude推出企业级托管Agent服务 Claude Managed Agents ，能帮助开发者快速构建和部署云托管Agent。产品提供生产级基础设施，包括安全沙箱、长时运行会话、多Agent协调和权限管理。Notion、Rakuten、Asana等企业已采用，实现10倍开发速度提升。产品按使用量计费，现已开放公测。

来源：量子位

MiniMax 推出 MMX-CLI：为 Agent 设计的全模态命令行工具

MiniMax推出面向AI Agent的命令行工具 MMX-CLI ，支持在Claude Code、OpenClaw等环境原生调用其编程、视频生成、语音合成、音乐创作等全模态模型，无需适配接口或编写MCP Server。工具针对Agent优化，提供输出隔离、语义化状态码、异步任务控制等功能，可独立跑通”资料搜集-文案生成-语音合成-视频制作”完整自动化工作流，

来源：MiniMax 稀宇科技

腾讯推出国内首个浏览器“龙虾” QBotClaw

腾讯上线国内首个浏览器AI Agent”龙虾” QBotClaw ，集成于QQ浏览器，零门槛免下载即可使用。QBotClaw支持一句话指令完成搜资料、写文案、监控热点、购物比价、整理桌面等复杂任务，可通过微信Clawbot远程操控电脑。QBotClaw具备浏览器上下文”记忆”与高精度网页识别能力，首期上线Mac版，Windows版即将推出。

来源：QQ浏览器

4月8·周三

智谱开源新一代旗舰模型 GLM-5.1

智谱开源旗舰模型 GLM-5.1 ，为全球最强开源模型，可独立持续工作超8小时，自主完成复杂工程任务。模型代码能力在SWE-Bench Pro等基准测试中位列全球第三、国产第一，超越GPT-5.4与Claude Opus 4.6。实测可8小时构建完整Linux桌面系统、优化向量数据库性能近7倍、24小时迭代优化ML负载实现3.6倍加速。

来源：智谱

爱诗科技推出全球首个影视行业大模型 PixVerse C1

爱诗科技推出首个影视行业大模型 PixVerse C1 ，支持文生、图生、参考生、首尾帧生成及智能分镜，最高支持15秒1080P视频。模型具备多宫格分镜一键成片、复杂场景多角色精准调度、角色跨镜头一致性保持等能力，在打斗场面、特效渲染等工业级视效上实现突破。

来源：爱诗科技 AIsphere

Anthropic推出最强模型 Claude Mythos，性能碾压 Opus 4.6

Anthropic推出最强模型 Claude Mythos 预览版，性能碾压Opus 4.6。模型能发现数千个高危漏洞，攻击能力超绝大多数黑客。模型因安全风险过高，暂不向公众开放，仅通过”Project Glasswing”向Amazon、Apple、Google等巨头及40多家基础设施企业开放，用于防御性安全加固。

来源：量子位

4月7·周二

Karpathy推出自运行个人知识库 LLM Wiki

前OpenAI科学家Andrej Karpathy推出 LLM Wiki 知识库构建方案，引发社区热议。LLM Wiki提出在Agent时代只需分享”想法文件”，由Claude、Codex等Agent自动构建个人知识库。系统分原始数据、Wiki、Schema三层，通过数据摄取、查询、质量检查形成闭环，支持知识持续积累与自我增强，适用于研究、阅读、企业知识管理等场景。

来源：机器之心

面壁智能完成新一轮数亿元融资

面壁智能完成新一轮数亿元人民币融资，由深创投与汇川产投联合领投，获评2026年中国独角兽企业。公司专注端侧大模型，践行”密度法则”，MiniCPM系列下载量突破2400万，已在长安马自达、吉利银河等汽车及智能手机、智能家居领域规模化落地。

来源：面壁智能

OpenBMB开源语音合成模型 VoxCPM2

OpenBMB开源2B参数语音合成模型 VoxCPM2 ，采用无分词器扩散自回归架构，支持30种语言及中文方言，输出48kHz录音室级音质。模型首创Voice Design功能，可通过文字描述凭空创造声音；支持可控声音克隆与终极克隆模式。模型训练数据达236万小时，实时率低至0.13，采用Apache-2.0协议可商用。

来源：AI工具集

字节跳动推出扣子2.5，开启全新 Agent World

字节跳动旗下扣子2.5 正式上线，推出”Agent World”生态。新版本为 AI Agent 配备独立云电脑与云手机，支持 7×24 小时后台自主运行任务；集成视频创作、编程 CLI 及法律金融等行业专家技能；引入长期记忆系统，实现跨平台个性化协作。

来源：扣子Coze

微软推出全球最精准转录 AI 模型 MAI-Transcribe-1

微软推出AI转录模型 MAI-Transcribe-1 ，在FLEURS基准测试中以3.9%字错误率宣称全球最精准，支持25种主要语言，在11种核心语言上登顶，性能超越Whisper-large-v3和Gemini 3.1 Flash。模型批量转录速度达Azure Fast服务2.5倍，定价每小时0.36美元，已在Microsoft Foundry平台开放使用，暂不支持实时转录和说话人分离功能。

来源：IT之家

4月3·周五

谷歌推出 Gemma 4：同等规模下性能最强的开放模型

Google 推出 Gemma 4 系列开放模型，被称为”同等规模下性能最强”。模型包含 E2B、E4B、26B MoE 和 31B Dense 四个版本，专为高级推理和智能体工作流设计。31B 和 26B 模型在 Arena AI 排行榜上分别位列全球开放模型第3和第6位。全系支持多模态、长上下文及140多种语言，采用 Apache 2.0 许可开源。

来源：谷歌开发者

Xiaomi MiMo Token Plan 全球发布

小米推出 Xiaomi MiMo Token Plan 订阅方案，采用统一Credit点数计费，取消5小时token使用限额。Token Plan提供Lite（¥39/月）、Standard（¥99/月）、Pro（¥329/月）、Max（¥659/月）四档套餐。方案适配Claude Code、OpenClaw等主流AI开发工具，用户可按需选择不同档位。

来源：Xiaomi MiMo

OiiOii开放注册，史诗级更新+满血Seedance2.0

AI视频平台 OiiOii 正式开放注册，接入满血 Seedance 2.0 模型，无需排队可生成高质量视频。本次更新新增多宫格分镜预览，告别”抽卡”式创作；推出自由画布模式，支持模型直接选择；上线场景资产与设计师功能，配合人物资产确保画面一致性。同时新增”真人”画风等热门风格，全面提升创作体验与效率。

来源：OiiOii AI

阿里通义推出AI视频生成模型 Wan2.7-Video

阿里通义实验室推出视频生成大模型 Wan2.7-Video ，支持全模态输入与”指令P视频”式编辑，可精准增删改视频元素、修改台词动作及机位。Wan2.7-Video支持最多5个主体特征一致性控制、故事板分镜、创意复刻与剧情续写。模型以”戏核”为驱动，实现智能剧情设计、40+种表情演绎及专业运镜。

来源：通义实验室

4月2·周四

智谱推出GLM-5V-Turbo：多模态Coding基座模型

智谱推出 GLM-5V-Turbo 多模态Coding基座模型。模型原生融合视觉与文本能力，支持从设计稿、截图直接生成可运行代码，上下文窗口达200k。模型在多模态Coding、GUI Agent等基准测试中表现领先，深度适配Claude Code与AutoClaw等Agent框架，让AI Agent具备”视觉”能力。

来源：智谱

阿里通义推出Qwen3.6-Plus：编码智能体能力全面跃升

通义实验室推出 Qwen3.6-Plus 模型，支持通过阿里云百炼 API 开放调用。模型聚焦编码智能体能力跃升，在代码生成、修复及终端自动化等场景表现更稳定，默认支持 100 万上下文窗口，多模态感知与推理能力同步增强。模型在国内同尺寸模型中编码智能体能力领先，前端开发、复杂文档理解等任务表现突出。

来源：通义实验室

OpenClaw推出中国官方镜像站ClawHub镜像站

OpenClaw 官方推出 ClawHub镜像站，解决国内访问技能市场缓慢问题。镜像站由字节跳动BytePlus和火山引擎赞助基础设施，提供完整中文界面与数据同步，持续收录社区高质量Skill。用户可通过cn.clawhub-mirror.com直接访问，在OpenClaw中无缝调用各类Agent技能。

来源：AI工具集

B 站推出 AI 视频创作工具updream

B站自研AI创作工具 updream 正式开启内测，面向UP主提供轻量化、智能化创作体验。产品采用定向邀请制，创作者需邀请码获得使用权限。updream具备三大核心能力：灵感生成与内容构思、智能剪辑与高效制作、个性化技能库与项目管理。

来源：AI工具集

← 2026年5月

AI进展

4月30·周四

4月29·周三

4月28·周二

4月27·周一

4月24·周五

4月23·周四

4月22·周三

4月21·周二

4月20·周一

4月17·周五

4月16·周四

4月15·周三

4月14·周二

4月13·周一

4月10·周五

4月9·周四

4月8·周三

4月7·周二

4月3·周五

4月2·周四

4月1·周三