AI HOT 日报 · 2026-05-30

模型发布/更新

Model Releases

4 篇

OpenAI推出实时翻译模型，支持70+语言输入

X·KOLX：Greg Brockman (@gdb)

OpenAI 实时翻译功能——使用70多种输入语言说话，翻译成13种输出语言： gpt-realtime-translate 接收任意语言的语音输入，并输出目标语言的语音。大语言模型很棒，但特定用例需要专用模型。我们正在智能眼镜上运行此功能。

阶跃星辰 Step 3.7 Flash 发布，聚焦智能体效率

官方·XX：阶跃星辰 StepFun (@StepFun_ai)

阶跃星辰（Step）发布了开源大模型 Step 3.7 Flash，主打智能体（Agent）工作流的效率。该模型在 ClawEval-1.1（67.1分）和 SimpleVQA Search（79.2分）评测中排名第一。其架构为 198B 参数的 MoE，约 11B 为活跃参数，支持 256K 上下文。模型具备多模态理解能力，能处理图像、文档并生成代码或调用工具执行任务。在工具使用方面，它致力于高可靠性，τ²-bench 得分超过 98%。Step 3.7 Flash 兼容 Claude Code、MCP 协议等工具链，并支持在 Mac Studio M4 Max 等设备上本地运行。模型权重以 Apache 2.0 许可开源。

小米开源可控视频音效生成模型 ControlFoley，让声音“按你想要的来”

综合资讯IT之家（RSS）

小米大模型应用团队发布开源可控视频音效生成模型 ControlFoley，旨在解决创作中的可控性难题。该模型统一支持文本引导视频配音、文本控制视频配音和参考音频控制视频配音三类任务。ControlFoley 在 VGGSound-Test 等多个 benchmark 上取得开源 SOTA 表现，其代码、模型权重和在线 Demo 均已开放。

Qwen-VLA：从理解世界到在其中行动

官方Qwen：Blog Retrieval（API）

Qwen Studio提供全面功能，涵盖聊天机器人、图像与视频理解、图像生成、文档处理、网络搜索集成、工具利用及Artifacts。

产品发布/更新

Product

8 篇

Codex可自主管理对话线程与并行任务

X·KOLX：Greg Brockman (@gdb)

Codex用于管理Codex界面： [引用 @guinnesschen]：如果你厌倦了管理Codex对话线程，就让Codex自己管理自己吧！Codex现在可以创建对话线程、搜索它们、整理它们、固定重要的线程，并为并行任务启动工作树。

Gemini Omni可将草图变为现实

官方·XX：Gemini (@GeminiApp)

Gemini Omni甚至能将简单的草图变为新的现实。在Gemini应用中亲自尝试。上传一段有人画圆的视频，然后输入这个提示词：当我画完这个圆时，它变成了___。

Codex现已支持Windows端计算机使用功能

官方·XX：OpenAI (@OpenAI)

Windows用户，这条消息是给你的。计算机使用功能现已在Windows上可用，因此Codex可以在你的Windows电脑上执行操作。通过ChatGPT移动应用中Codex的Windows支持，你可以在工作继续在Windows电脑上进行时，随时随地启动、审查和引导任务。这是一项早期体验，但我们正在努力提供更多方式，让你的工作无论身在何处都能持续进行。

Guardrails：保护你的智能体、数据与成本

官方OpenRouter：Announcements（RSS）

Guardrails 是一套可配置的安全与治理工具，提供预算执行、零数据保留、模型与提供商限制、提示词注入防御及数据丢失预防等功能，旨在保护智能体（Agents）、数据与控制成本。

Runway API持续扩展模型与端点支持

官方·XX：Runway (@runwayml)

我们持续为 Runway API 添加新模型和端点，以便您能将最佳生成能力直接集成到应用、产品和平台中。通过 Runway API，您可以在一个地方获得所需的所有模型，包括 Seedance 2.0、GPT Image 2、HappyHorse 1.0、Nano Banana Pro、Magnific Precision Upscaler V2 等更多内容。请通过下方链接开始使用。

OpenRouter支持模型生成文件补丁

官方·XX：OpenRouter (@OpenRouter)

OpenRouter 现已支持 "apply_patch"，这是一个服务器工具，允许任何模型通过 Responses API 使用 V4A diffs 提出文件编辑建议。模型生成一个补丁（创建、更新或删除文件）。OpenRouter 在服务器端验证 diff 语法。

ChatGPT对话目录功能现已上线

官方·XX：ChatGPT (@ChatGPTapp)

对于每个始于“就问一件事”却演变成完整长篇的ChatGPT对话：目录功能现已推出。适用于包含5条以上回复的对话。

Gemini 本月更新：全新界面与智能体助手

官方·XX：Gemini (@GeminiApp)

从全新设计的 Gemini 界面，到 Gemini Spark 提供的全天候智能体辅助，以下是本月 Gemini 更新概览。🧵

行业动态

Industry

3 篇

中央网信办等四部门：提升全民人工智能素养，加快人才培育、深化普及应用

综合资讯IT之家（RSS）

中央网信办等四部门联合印发《2026年提升全民数字素养与技能工作要点》，部署了六项重点任务。其中明确要求“提升全民人工智能素养”，具体包括强化人工智能赋能教育、加快人工智能人才培育、深化人工智能普及应用。其他任务涵盖数字资源供给、应用场景建设、普惠包容发展、安全有序网络空间以及协同联动机制。

波士顿儿童医院利用AI解锁新诊断

官方OpenAI：官网动态（RSS · 排除企业/客户案例）

波士顿儿童医院通过部署OpenAI技术，用于改善患者护理并减轻运营负担，成功帮助诊断了超过40种罕见病病例。

滑铁卢大学未来实验室展示AI原型

官方Google Blog：AI（RSS）

滑铁卢大学未来实验室的学生开发了用于重塑教育和工作未来的AI原型，其中包括手语辅导工具。

论文研究

Research

1 篇

GPIC：大规模视觉生成基准数据集发布

X·KOLX：Fei-Fei Li (@drfeifei, World Labs)

我对这个适用于大规模生成模型新时代的视觉生成基准数据集感到非常兴奋！🤩

技巧与观点

Tips & Takes

8 篇

今日事件

一手报道

新模型

信源

AIHOT日报