AI 资讯日报 2026-05-20 英伟达开始交付首款自研CPU芯片.

1 字节跳动开源原生多模态模型Lance，支持图像视频理解与生成

多模态字节跳动开源Lance多模态模型GitHub

字节跳动开源了3B参数的原生统一多模态模型Lance，代码与权重已在GitHub和HuggingFace发布。该模型采用双流混合专家架构，使用128块A100 GPU从零训练，原生支持文生图、文生视频、多模态理解和编辑等六类任务。官方数据显示，Lance在VBench等视频生成基准测试中取得了较高分数，超越了部分现有开源统一模型。

2 DeepSeek回应特定字符触发模型异常，称属幻觉问题

大模型DeepSeek模型幻觉安全漏洞针对性训练

针对用户反馈输入特定特殊字符会触发模型异常回复的现象，DeepSeek官方发布说明予以回应。官方技术团队确认，该异常属于特殊字符引发的模型幻觉，明确表示不涉及安全漏洞或用户隐私泄露风险。后续，官方将通过针对性训练来增强模型对此类字符的识别与处理能力，以修复已知问题并优化模型表现。

3 Google发布多模态视频生成模型Gemini Omni

多模态Gemini Omni视频生成Google I/O多模态模型数字Avatar

Google在I/O大会上发布了多模态模型Gemini Omni，其首发版本Gemini Omni Flash现已面向全球Gemini App和Flow平台的Plus、Pro及Ultra订阅用户开放。该模型支持基于文本、图像、音频和视频的任意组合输入来生成视频，并允许用户通过自然语言进行编辑或创建数字Avatar。官方计划本周起将该功能推送至YouTube Shorts，并在未来几周通过API向开发者开放。

4 腾讯发布AI助手Marvis，支持自然语言控屏与本地隐私模式

客户端侧产品腾讯MarvisAI助手本地隐私DeepSeek

腾讯推出操作系统层级的AI助手“Marvis马维斯”，目前用户需通过官方问卷获取邀请码进行体验。该助手整合了DeepSeek v4与混元Hunyuan3等模型，支持跨PC、手机和微信多端在线。Marvis支持通过自然语言一句话调用APK与EXE应用、修改电脑设置，并能对本地文档、表格及图片进行深度理解、内容搜索与生成。为保护用户数据，该产品提供基于本地大模型的隐私模式，可确保敏感文件不上云。

5 Google发布Antigravity 2.0，要求Gemini CLI用户迁移

客户端侧产品GoogleAntigravity 2.0CLI工具SDKGoogle I/O

Google正式发布Antigravity 2.0开发平台，同步推出Antigravity CLI、独立桌面应用与SDK。桌面应用支持原生语音交互、Multi-Agent并行与后台任务编排，CLI则采用Go语言重构以提升速度。官方要求所有通过Google AI Pro/Ultra或免费Gemini Code Assist使用Gemini CLI的个人消费者在大约30天内迁移至新的Antigravity CLI，旧服务将于约30天后关停。持企业许可或通过Google Cloud使用的用户不受影响。

6 Google AI Studio新增原生Android应用构建能力

编程AI StudioAndroid开发Google Workspace低代码应用构建

Google在I/O 2026大会上宣布，其网页端开发工具Google AI Studio新增原生Android应用构建能力，用户无需配置本地环境即可生成基于Kotlin和Jetpack Compose的应用代码。该平台现已深度集成Google Workspace，允许开发者调用Docs、Sheets等服务，并引入了包含自定义图片生成的新设计功能。用户可将应用免费部署至Cloud Run，或将测试版一键推送至Google Play Console。此外，AI Studio的移动端App已开放预注册。

7 谷歌发布智能设计工具，集成纳米香蕉视觉大模型

工具 / 效率谷歌设计工具文本生成视觉大模型AIGC

谷歌正式发布了一款智能设计工具。该工具允许用户通过简易文本指令生成海报等设计内容，其核心搭载了名为“纳米香蕉”的全新视觉大模型。据悉，订阅用户预计可在今年夏季体验到此产品。

8 Google调整AI Ultra订阅价格，新增100美元月费档位

产业 / 商业化AI Ultra订阅定价Google I/O商业化策略云存储

Google在I/O 2026大会期间调整了AI Ultra订阅计划。原每月250美元的顶级档位价格降至200美元，并新增面向开发者等用户的每月100美元档位。新档位提供5倍于Pro计划的Gemini使用限额、20TB云存储和YouTube Premium个人版。200美元档位则保留20倍使用限额及原有权益。新价格即日起全球上线，同时AI Plus和Pro计划也获得多项权益升级，部分功能目前仅限美国。

9 NVIDIA开源Nemotron-Labs-Diffusion系列模型，支持三模式解码

大模型NVIDIANemotron-Labs-Diffusion开源多模式解码

NVIDIA开源了Nemotron-Labs-Diffusion系列模型，包括3B、8B、14B的Base和Instruct版本，以及一款9B参数的视觉语言模型。该系列架构的核心特点是支持三模式解码，用户可在推理时切换注意力模式，在自回归解码、并行扩散解码及自推测解码模式间无缝切换。官方数据显示，其自推测模式在接受长度上相比Qwen3-8B-Eagle3有约3倍提升，8B模型在GB200平台配合定制CUDA内核推理速度可达1015 tok/sec。模型已在Hugging Face开放下载。

10 谷歌搜索体验转向AI对话模式，引发行业讨论

应用谷歌搜索AI对话搜索重构信息生态

谷歌正式重构其搜索体验，将传统的蓝色链接列表转向AI对话模式。这一转变引发了用户对AI可能产生信息幻觉并误导决策的担忧，同时也引发了关于传统内容网站生存危机的行业讨论。

11 从卖token到卖结果，部分公司开始让AI背KPI

产业 / 商业化RaaSAI商业化KPI黄仁勋GTC

有观点指出，AI行业的商业模式正在发生变化，部分公司开始尝试让AI承担关键绩效指标（KPI），而不仅仅是按token消耗量计费。这一趋势与英伟达CEO黄仁勋在GTC大会上鼓励企业将token消耗量纳入工程师KPI的言论相关。

12 Google为Gemini App推出重大更新，新增多项Agent功能

应用Gemini AppAI Agent个性化摘要产品更新Neural Expressive

Google宣布对Gemini App进行全面升级，推出了全新的Neural Expressive设计语言。更新包括个性化早间摘要Agent“Daily Brief”，该功能可综合用户的Gmail、日历和任务信息提供建议，目前已开始向美国地区符合条件的AI Plus、Pro和Ultra订阅者推出。同时，全新的24/7云端Agent“Gemini Spark”将于下周面向美国AI Ultra订阅者开启Beta测试。伴随新功能上线，官方还启用了基于运算复杂度的新额度系统。

13 Google正式发布Gemini 3.5 Flash模型

大模型GoogleGemini 3.5AI模型Agent任务编码

Google正式发布最新AI模型系列Gemini 3.5，并率先推出专为复杂任务设计的Gemini 3.5 Flash。官方称，该模型在编码和Agent任务上超越了前代3.1 Pro，输出速度比其他前沿模型快4倍，且运行成本通常不到后者的一半。该模型现已通过Antigravity 2.0平台及Gemini API向开发者普遍开放，并成为Gemini应用和Google搜索AI Mode的全球默认模型。此外，Google确认计划于下个月发布3.5 Pro模型，未来该模型将作为主控调度3.5 Flash执行具体的Agent任务。

14 谷歌联合行业巨头推广SynthID隐形水印技术

技术谷歌SynthID数字水印内容安全防伪技术

谷歌正携手多家行业巨头，共同推广其SynthID隐形水印技术。此举旨在提升数字内容的透明度，通过该防伪技术帮助用户更轻松地识别AI生成内容，标志着行业在内容真实性验证方面的技术升级。

15 ICML 2026：北航/新国立提出AmbiSuR，应对3DGS光度多义性瓶颈

技术ICML 2026D高斯泼溅神经渲染几何重建北航

3D高斯泼溅（3DGS）技术在新视角合成方面表现出色，但在提取精确几何表面（如Mesh）时易出现失真。北航与新国立的研究团队在ICML 2026上提出AmbiSuR方法，旨在解决这一由光度多义性导致的核心瓶颈。该方法深入分析了3DGS内部的基元级多义性，并论证了球谐函数可作为“多义性自指示器”，以帮助模型收敛到更准确的几何解，而非依赖冗余基元模拟光影效果。

16 OpenAI推出Guaranteed Capacity算力保障服务

产业 / 商业化OpenAI算力服务Guaranteed Capacity云计算Token折扣

OpenAI宣布推出名为Guaranteed Capacity的新服务，旨在帮助符合条件的客户确保关键工作负载、Agent和生产基础设施的长期算力访问。客户可选择1到3年的承诺期，不仅能获得随年度承诺增加的token折扣，还能跨支持的云提供商和模型系列灵活调配支出额度。OpenAI高管表示，随着模型能力提升，预计全球将在一段时间内持续面临算力受限。此举既满足了客户对算力确定性的需求，也有助于团队规划基础设施。

17 OpenAI推出多项内容溯源技术以提升数字生态透明度

工具 / 效率OpenAI内容溯源水印技术虚假信息数字生态

OpenAI正式推出了新的内容溯源工具及相关标准，旨在构建更透明安全的数字生态。该技术体系也成功引入了谷歌的水印技术，使公众能够更轻松地检测图像的真实来源，以期遏制虚假信息的传播。

18 SpaceXAI宣布Grok接入OpenClaw，订阅用户可跨平台使用

应用GrokOpenClawSpaceXAI订阅服务跨平台

SpaceXAI宣布，用户现可在开源且本地优先的智能助手OpenClaw中直接使用Grok模型。所有持有SuperGrok或X Premium订阅的用户均可接入该功能，实现与Agent对话、生成图像视频或搜索X平台帖子。OpenClaw支持在树莓派等多种硬件上运行并保持跨会话记忆，同时能连接WhatsApp、Telegram等主流通讯平台。其近期发布的2026.5.18版本也专门修复了相关的xAI/Grok OAuth验证问题。

19 Skywork发布Agent模型SkyClaw-v1.0及轻量版，提供免费API

应用SkyClawAgent模型SkyworkMCP工具调用

Skywork正式推出了专为Agent环境优化的SkyClaw-v1.0模型及其主打低延迟、低成本的轻量版变体SkyClaw-v1.0-lite。官方称这两个模型在PinchBench和Claw-Eval等基准测试中表现优于Minimax 2.7、DeepSeek V4 Flash和Qwen。SkyClaw-v1.0原生支持MCP、函数调用及多种思考模式，强化了多步规划与工具调用能力。用户现可通过APIFree平台获取API Key进行免费调用。

20 Anthropic推出Claude Managed Agents自托管沙箱与MCP隧道

应用AnthropicClaudeMCP自托管Agent

Anthropic在Code with Claude London活动上宣布，为Claude Managed Agents新增自托管沙箱与MCP隧道两项功能。自托管沙箱目前处于公开测试版，允许Agent在自有基础设施或Cloudflare、Daytona、Modal和Vercel等托管环境中执行工具，而负责编排的Agent循环仍在Anthropic基础设施上运行。MCP隧道目前为研究预览版，需申请使用，可使Agent通过轻量级网关的单向出站连接安全访问私有网络中的MCP服务器，无需向公共互联网暴露服务端点。此外，Claude全平台的“额外使用量”（extra usage）已重命名为“使用额度”（usage credits），用户原有余额与限制保持不变。

21 Odyssey发布实时多模态模型Starchild-1与多智能体模型Agora-1

前瞻Odyssey世界模型多智能体实时生成Agora-1

Odyssey发布了Starchild-1预览版与Agora-1研究预览版。Starchild-1被描述为首个实时多模态世界模型，可自回归生成同步音视频并响应用户输入。Agora-1则通过解耦模拟与渲染，允许多个参与者（人类或AI）在同一世界中实时交互。用户现已可在线体验基于GoldenEye的多人对战演示，团队确认Agora-2即将到来。

22 Sapient Intelligence发布1B参数语言模型HRM-Text-1B

大模型HRM-Text-1B开源层级推理架构Sapient Intelligence

Sapient Intelligence发布了10亿参数的语言模型HRM-Text-1B，模型权重及完整预训练框架已在Hugging Face和GitHub开源。该模型基于全新的层级推理模型架构，由快慢两个Transformer模块迭代计算。官方称其通过结构化数据集和架构优化，仅需约400亿token即可完成预训练，使用16块H100训练耗时约46小时。当前发布的为预对齐基础检查点，仅支持英语且未包含代码数据。

23 LLM近期重大架构进化一览：从Gemma 4到DeepSeek V4

大模型LLM架构GemmaDeepSeek长上下文token优化

近期，大语言模型（LLM）在架构上出现显著进化，例如Gemma 4和DeepSeek V4等模型。这些新架构旨在应对长上下文处理成本高昂的问题，探索更高效“省钱”的解决方案。过去一段时间，用户普遍感受到模型处理长文本时token不足的挑战，新架构的演进正是为了优化这一体验。

24 谷歌发布Antigravity 2.0，主打人机协同与任务自动化

应用谷歌Antigravity 2.0智能体自动化效率工具

谷歌发布了新版Antigravity 2.0智能体，旨在提供人机协同体验。该产品能够自动执行各种定时任务，据称可显著提升如代码编写等工作场景的效率。

1 NEWTON框架通过工具组合提升视频生成物理准确性

技术视频生成NEWTON框架物理常识算法优化

一项名为NEWTON的新算法框架显著提升了视频生成的物理准确性。该框架将复杂的生成过程简化为智能体的工具组合，实验证实其能大幅降低生成视频违反物理常识的违规率，使视频内容更符合物理定律。

2 华工团队发布NavOne具身导航框架，推理速度提升近八十倍

技术具身导航NavOne路径规划华工团队

华南理工大学团队发布了专为高效全局路径规划设计的NavOne具身导航框架。该系统改变了传统“走一步看一步”的导航模式，实测推理速度相比原有方法提升了近八十倍，显著提升了机器人在复杂环境中的规划效率。

3 RHINO算法实现单目视频三维重建，利用物理接触先验减少穿透

技术三维重建RHINO算法单目视频空间计算

全新的RHINO算法能够从单目视频中精确恢复人机交互场景的三维结构。该算法通过巧妙利用物理接触先验，有效减少了重建中常见的物体穿透现象。这一技术有望显著降低空间计算与VR/AR等内容制作领域的成本。

4 虚拟人脸生成防碰撞技术获突破，BIP框架生成百万级不冲突资产

技术虚拟人脸BIP框架身份冲突生成对抗网络

研究人员提出全新的BIP框架，以解决虚拟人脸生成中的身份冲突问题。该框架通过在真实人脸流形的空隙中分配特征，成功生成了百万级不冲突的人脸资产，为大规模数字内容创作提供了关键技术支撑。

1 KPMG与Anthropic达成全球联盟，向超27万员工推出Claude

应用KPMGAnthropicClaude企业服务AI集成

毕马威（KPMG）宣布与Anthropic建立全球战略联盟。KPMG将把Claude Cowork和Managed Agents嵌入其基于Microsoft Azure构建的核心平台Digital Gateway中，初期将面向税务和法务客户推出新工具。此次合作将使KPMG全球超过27.6万名员工获得Claude的访问权限，进一步扩大其应用范围。双方还将在网络安全漏洞排查领域合作，Anthropic同时指定KPMG为私募股权行业的首选合作伙伴。

2 谷歌与黑石成立AI云合资公司，目标2027年上线500兆瓦容量

产业 / 商业化谷歌黑石AI云TPU合资公司

谷歌与黑石宣布将成立一家AI云合资公司。黑石将投入50亿美元初始股权，谷歌则提供TPU硬件、软件及技术服务。新公司计划于2027年上线500兆瓦的算力容量，预计包含杠杆在内的总投资规模约250亿美元。据《华尔街日报》报道，黑石将持有多数股权，并由谷歌长期高管Benjamin Treynor Sloss担任CEO。此举被视为谷歌在对外芯片商业化上的重要尝试，旨在挑战CoreWeave等算力服务商。

3 教皇将联手Anthropic发布AI通谕，旨在保护AI时代人类尊严

伦理 / 合规教皇AnthropicAI通谕算法伦理教廷

罗马教廷宣布，教皇方济各将与人工智能公司Anthropic合作，发布一份关于人工智能的通谕。此举旨在保护人工智能时代的人类尊严，开启了科技与信仰之间前所未有的跨界对话，预计将深刻影响全球对算法伦理的认知与讨论。

4 报道称Meta计划裁员8000人，以抵消AI领域巨额支出

产业 / 商业化Meta裁员AI支出成本控制彭博社

据彭博社报道，Meta在内部备忘录中表示，计划裁员约8000人，以提升运营效率并抵消其在人工智能领域的巨额支出。此次裁员预计将于次月执行。同时，该公司还将冻结原计划填补的6000个空缺岗位的招聘。

5 月之暗面20亿美元融资接近完成，获国资及央企加持

投融资 / 创业月之暗面融资国资中国移动AI独角兽

据媒体报道，月之暗面正进行的 20 亿美元 融资已进入收尾阶段，国智投与中国移动等多家国资机构及央企已加入该公司的最新股东名单。 据媒体报道，月之暗面近期正在进行的 20 亿美元融资已进入收尾阶段。 其最新股东名单中除原有互联网大厂与产业基金外，已新增国智投、北京人工智能基金等国资机构及中国移动等央企巨头。

6 特朗普访华话题引发AI假图泛滥，社交平台信息真伪难辨

网安 / 安全AI假图信息污染深度伪造社交平台事实核查

围绕美国前总统特朗普访华的相关话题，社交平台上涌现大量AI生成的虚假图片，导致信息真假难辨。例如，一张显示特斯拉CEO埃隆·马斯克在国宴畅谈的图片被证实完全由AI生成。这种现象使得网民需要耗费大量时间核实事实，加剧了信息污染问题。

7 谷歌视频生成模型陷物理失真争议，被指画面存在空间漂移

多模态谷歌视频生成物理失真AI伦理虚假信息

谷歌新发布的视频生成模型因频繁出现违反物理规律的“穿模”现象而引发用户质疑。具体问题包括物体在离开视野后发生明显的空间漂移。业界对此表示担忧，认为此类物理失真的虚假视频可能引发严重的公众信任危机。

1 学术研究自动化辅助工具在GitHub引发关注

工具 / 效率学术研究GitHub自动化协作论文生成

一款主打科研全流程闭环自动化的协作工具在GitHub平台受到关注。该工具旨在作为专属助手，协助快速生成高质量学术论文，以简化原本繁琐的研究流程。

2 veRL发布统一开源智能体框架，集成安全沙盒

工具 / 效率veRL开源智能体安全沙盒异步训练

开源智能体项目veRL发布统一框架，已在社区获得数百星标。其底层集成了安全沙盒以保障运行环境，并采用异步训练机制，据称可使任务效率提升一倍。

3 Forge工具提升小模型任务成功率至99%

工具 / 效率Forge小模型任务成功率自动修复约束层

高效工具约束层Forge能够在模型调用失败时引导其自动修复，从而显著提升小模型的任务执行成功率。据称，该工具将成功率从53%大幅提升至99%。

1 独立站SEO检测新方法：结合AI工具快速修复漏洞

工具 / 效率SEO检测Claude开源工具网站优化

一种新的独立站SEO检测方法开始流行。该方法利用AI网页检测工具来查找收录漏洞与死链，并通过克劳德代码实现即时修改与上线。同时，结合官方网站速度测试平台进行优化，有助于提升网站的移动端性能得分。

2 英伟达开始交付专为智能体编排设计的Vera CPU芯片

技术英伟达Vera芯片自研CPU智能体编排

英伟达已开始交付其首款自研CPU芯片Vera。该芯片专为高吞吐场景优化，旨在作为智能体编排的计算中枢。据悉，公司高管已将首批芯片交付给埃隆·马斯克。

3 Gemini展示强大视频剪辑功能，支持语音指令快速出片

应用Gemini视频编辑AI剪辑

Gemini在视频编辑领域展示了强劲的性能。根据博主在推特的分享，用户通过语音指令即可实现秒级视频剪辑与出片，其效果引发了行业关注。

4 Andrej Karpathy宣布加入Anthropic，回归大模型研发

大模型AnthropicAndrej Karpathy人才流动LLM研发

知名AI研究员Andrej Karpathy通过个人社交账号宣布，他已加入Anthropic。他表示，未来几年对大语言模型（LLM）前沿研发至关重要，自己很高兴回归研发工作，并计划在适当时机恢复其教育项目。Karpathy此前曾任OpenAI核心团队成员及Tesla Autopilot架构师，其选择加入Anthropic而非重返OpenAI受到外界关注。

5 卡帕西发布提升智能体稳定性的十二项准则

技术智能体稳定性指南检查点AI开发

研究员卡帕西总结了一套旨在提升智能体（Agent）稳定性的实用指南，共包含十二项核心准则。其中通过设置检查点等方法，据称可将错误率降低至3%，以帮助开发者更好地处理上下文环境。

6 谷歌发布智能开发桌面套件，界面设计被指与竞品相似

客户端侧产品谷歌开发工具智能套件界面设计

谷歌近日发布了一款全新的智能开发桌面套件。有推特博主指出，该工具的操作界面与友商竞品高度相似，涉嫌抄袭。部分用户在实际使用后则表示，尽管界面相似，但新版工具在易用性上可能更胜一筹。

1 AI Coding在企业复杂系统中遇挑战，实际提效被指高估文章

编程AI Coding企业级应用代码审查人机协作工程挑战

文章探讨了AI Coding（特别是自主编码智能体）在企业级复杂系统中的应用困境。作者认为，AI Coding在简单、边界清晰的场景中效率显著，但在面对大型企业软件的复杂性、隐性知识、历史遗留代码及高可靠性要求时，其提效作用被严重高估。文章分析了几个核心问题：为AI提供充分上下文的成本高昂（“前提税”）、模型在复杂业务逻辑下易产生“差不多对”式的错误、生产级代码对并发、幂等和安全等非功能性需求的严格要求，以及代码审查与验证成本的转移。最后，文章建议采取按风险分级应用AI，并在严格规格约束下进行人机协作的务实路径，强调AI应作为加速器而非主导者。

2 AMD AI开发者大会首次在沪举办，苏姿丰谈AI行业转变与全栈优化文章

产业 / 商业化AMDAI开发者大会全栈优化ROCm开放生态

AMD AI开发者大会首次在上海举行，AMD CEO苏姿丰发表主题演讲。她指出，AI行业正经历根本性转变，竞争焦点从模型能力转向系统工程与全栈优化。AI大规模落地面临成本挑战，Agent工作流使算力消耗呈指数级增长，工程难度因多模型、多模态及分布式计算而增加。AMD的策略是提供从云端到端侧的全栈算力，并以开源软件平台ROCm为核心构建开放生态。苏姿丰表示，中国在开放生态方面处于领先地位，AMD将持续投入中国开发者生态建设，通过AI开发者计划、工作坊等技术活动，帮助开发者应对推理、训练和端侧部署的具体工程挑战。