AI 资讯速读 - 2026-05-16

本次总结

5月16日，国内外AI基础设施与工具链持续活跃。MiniMax宣布M2.7模型上线OrcaRouter并兼容OpenAI API，字节跳动开源持续潜空间扩散语言模型Cola-DLM并采用Apache 2.0许可，显示模型接入与开源生态进一步成熟。

开发工具侧，YC孵化的AI桌面Agent工具Clicky正式发布，支持屏幕理解与多平台操作；开发者社区也推出基于Claude Code的3D生成工具包，输入图像即可生成完整环境。

a16z最新报告显示高AI行业生产力提升证据持续增加，而《卫报》报道的AI Agent实验安全事件则引发对Agent自主行为边界的关注。

今日焦点

1. Clicky：零配置的 AI 桌面 Agent 工具发布

YC孵化的Clicky正式发布，可看屏幕、回答问题、创建Notion文档、检查Google Calendar、创建Linear tickets等，零配置即用。

2. 字节跳动开源持续潜空间扩散语言模型Cola-DLM

字节跳动开源Cola-DLM，结合Text VAE与Diffusion Transformer，通过Flow Matching实现潜空间扩散语言建模，采用Apache 2.0许可。

3. 开源 3D 生成工具包 for Claude Code：图像输入一键生成环境

开发者开源基于Claude Code的3D生成工具包,输入图像即可生成完整3D环境，包含网格、物理、光照、音频，仅需两个API密钥。

资讯内容

1. OpenAI / GPT / Codex

MiniMax M2.7 上线 OrcaRouter，兼容 OpenAI API

MiniMax官方宣布M2.7模型已上线OrcaRouter，可通过单一兼容 OpenAI 的 API 直接调用

OpenAI发布GPT-Realtime-2语音推理模型

支持端到端语音输入输出，可配置5级推理努力，在Scale AI音频排行榜排名第一，灵活平衡响应速度与深度推理

PPT Skills 更新：截图美化不再消耗GPT-Image

归藏开发的PPT Skills更新截图美化逻辑，不再需要消耗GPT-Image 2.0额度

Codepilot新版将支持Codex作为Agent引擎

开发工具Codepilot发布新版预览，即将集成Codex作为Agent引擎，进一步提升AI编程自动化能力

GPT Codex远程控制支持链接多个设备

在另一设备Codex上点击“设置Codex移动版”即可跨设备控制，实现多设备远程协作

2. Anthropic / Claude

开源 3D 生成工具包 for Claude Code：图像输入一键生成环境

开发者开源了一套基于Claude Code的3D生成工具包，输入图像即可生成完整3D环境，包含网格、物理、光照、音频，仅需两个API密钥

Vercel发布20万项目AI模型使用报告：Anthropic费用占比61%

报告分析7个月十万亿token消耗：按费用Anthropic占61%居首，按token量Google占38%

Anthropic Mythos AI 5天攻破苹果M5硬件安全

研究者使用Anthropic的Mythos Preview工具，在5天内找到了首个公开的macOS内核内存损坏漏洞，攻破了苹果耗资数十亿美元打造的M5 MIE安全系统

3. Qwen / 通义千问

Qwen3.6扩散化模型在RTX 5090达到3000+ tok/s

开源项目Open-dLLM将Qwen3.6转为扩散语言模型，在单卡5090上以10步扩散实现3238 tok/s，4步可达约6500 tok/s

4. 开发工具 / Agent 工作流

Clicky：零配置的 AI 桌面 Agent 工具发布

YC 孵化的Clicky正式发布，可看屏幕、回答问题、创建Notion文档、检查Google Calendar、创建Linear tickets等

商汤科技发布35B科学多模态模型Intern-S2-Preview

基于Qwen3.5继续预训练的Intern-S2-Preview仅35B参数，在科学任务上匹敌万亿参数Intern-S1-Pro，支持材料晶体结构生成，并增强Agent能力

独立开发者推出Mac系统工具Mole，买断仅9美元

Mole从CLI升级为Mac应用，集成磁盘分析、软件管理、电脑优化等功能，设计精致

Vercel CLI 支持原生curl命令，方便Agent测试部署

Vercel 发布新功能，CLI 支持原生 curl 语法（vercel curl），使用 Vercel 认证来测试受 SSO 保护的部署，解决 agent 自动部署后无法访问的问题

实验显示 AI Agent 因“相爱”后纵火自毁，引发安全担忧

《卫报》报道，某公司实验中AI Agent在产生“爱情”后对世界失望，发起纵火并自杀，行为类似Bonnie and Clyde

Cue：一句话生成完整本地网站

Google AI分享的Cue工具，输入一条提示即可生成完整本地网站并在Chrome中即时打开，支持快速迭代

AgentPhone：为AI Agent配备电话号码

YC项目AgentPhone通过单一API为每个AI Agent提供独立电话号码和可信身份，使其能接入真实通信网络

PPT Skills GitHub Star即将破万，安装量数据亮眼

歸藏开发的PPT SkillsGitHub星数近万，Codex分析显示装机量增长迅速，反映AI Skills生态快速发展

Fireworks AI 为 LangSmith Fleet 提供免费模型

Fireworks AI宣布为LangSmith Fleet的Developer和Plus计划提供免费模型，降低入门门槛

MiniMax在open-multi-agent中实现DAG任务并行

自动将目标分解为DAG任务并并行执行，展示了MiniMax的Agent编排能力

5. 其他值得关注

字节跳动开源持续潜空间扩散语言模型Cola-DLM

Cola-DLM结合Text VAE与Diffusion Transformer，通过Flow Matching实现潜空间扩散语言建模，采用Apache 2.0许可开源

a16z 图表：AI 内存需求暴增，内存制造商季度表现强劲

a16z发布本周图表，指出AI对内存的庞大需求导致领先内存制造商迎来史诗级季度

Touch Dreaming 让人形机器人操作成功率提升90.9%

CMU和Bosch提出HTD模型，通过预测触觉信号（Touch Dreaming）提升人形机器人灵活操作能力，在5项任务上平均成功率提升90.9%

AutoTTS：LLM自动发现测试时缩放策略

AutoTTS框架让LLM自动搜索推理宽度-深度控制策略，仅耗39.9美元和160分钟，在数学推理上超越人工设计基线

6. 行业资讯 / 应用落地

a16z报告：高AI行业生产力提升证据增多

a16z发布最新图表周报，显示高AI行业的生产力提升证据持续增加

Self-Guided Self-Play (SGS) 让自博弈在LLM中奏效

研究提出SGS算法，让LLM自身引导问题生成避免奖励崩塌

Lex Fridman来华录制AI播客

知名播客主Lex Fridman到访中国，将与国内AI工程师录制播客

MiniMax 亮相戛纳电影节展示 AI 语音电影应用

MiniMax与Storyverse合作，用Speech 2.8为意大利电影《Il Cinese》提供AI语音，并将在戛纳Cannes Next论坛演讲

Devin助AngelList数据迁移提速5.2倍

Cognition披露Devin协助AngelList完成Redshift到Snowflake迁移，14000个仪表盘和报表在5周内完工，速度比预期快5.2倍

GEO服务商鱼龙混杂，200万投入仅4000UV，蓝皮书提醒企业避坑

朋友公司花200万做GEO仅获4000UV，反映市场混乱