Perplexity Computer现已登陆Microsoft Excel、Word、PowerPoint和Outlook。 您可以在应用程序的侧边栏中直接使用Computer来协调工作，起草文档、建模、制作演示文稿并处理电子邮件。 现已推出：https://www.perplexity.ai/hub/products/integrations/microsoft
推荐理由：Perplexity把Computer塞进Office全家桶，侧栏里就能写文档、做表格、理邮件。对每天跟Office打交道的人，这是个无需切换工作流的原地升级。
ElevenLabs 发布 Dubbing v2 AI 配音模型，通过直接以原说话者的表演为条件生成语音，保留语气、节奏、停顿和情感意图，并同步适配到 90+ 语言的口语表达。
推荐理由：原文说明了模型直接基于原表演生成配音的思路，以及面向创作者、营销团队和工作室的不同入口，可用于判断是否替代现有配音流程。
清华大学 THUNLP 实验室、面壁智能、OpenBMB 与 AI9stars 联合研发并开源的智能体操作系统 PilotDeck，以 WorkSpace（工作舱）替代传统对话框，每个工作舱拥有独立文件系统、记忆和技能，实现项目隔离。三大核心能力：记忆白盒化，全链路可见可控，支持一键修改和回滚；智能路由，自动识别任务难度动态分配模型，开启后成本节省近 70%，复杂任务仅用 1/6 成本即可反超顶级模型方案；Always-on 常驻任务，AI 主动发现并持续推进工作。支持端云协同，可调用端侧模型作为子 Agent，自动部署 VoxCPM 等模型完成多语言播客等任务。
推荐理由：PilotDeck把Agent从对话框解放进「工作舱」，记忆可见、成本锐减、能无人值守运行。已开源，值得所有被多任务折磨的开发者试试。
Claude Code 发布 v2.1.153 版本。主要新增 `skipLfs` 选项以跳过 Git LFS 下载；优化了 `claude agents` 的自动补全建议和 PR 列显示格式。本次更新修复了大量问题，包括：MCP 服务器的连接与重连、子代理的配置策略与严格模式行为、后台会话的管理与权限提示（如恢复、输入响应、临时文件处理），以及跨 macOS/Windows/VSCode 平台的稳定性。此外，还修复了 Windows 更新回滚、内存占用、会话恢复等多个具体问题。`/model` 命令现在会将选择设为新会话的默认模型。
推荐理由：Claude Code 的一次日常小修小补，但修复了 OAuth 凭证泄露和内存泄漏这种真影响使用的 bug，且 /model 现在可以记住默认模型了，升级一下不亏。
vLLM 引入原生权重同步 API，将 RL 训练器到推理引擎的权重传输标准化为初始化、开始、更新、结束四阶段，采用可插拔 WeightTransferEngine 抽象，目前支持 NCCL 和 IPC 两种后端并支持 packed tensor 优化。
推荐理由：vLLM 官方说明原生权重同步 API 的四阶段设计与 DPEP 死锁修复，对搭建在线 RL 训练流程的团队有直接参考价值。
使用 Gemini Omni 轻松将您的视频转换为新的视觉风格。 只需上传视频或照片，并要求 Gemini 为您的最终输出应用某种外观或风格。
推荐理由：Gemini 终于把图像风格迁移做到视频上了，并且直接集成到 Omni 里，不需要任何剪辑软件，对短视频创作者是个小但实用的更新。
自带MCP服务器： 你的团队可以将MCP服务器保留在内部网络中，同时ChatGPT、Codex和Responses API通过仅出站的HTTPS进行连接。 🔗 https://developers.openai.com/api/docs/guides/secure-mcp-tunnels
推荐理由：OpenAI终于把MCP接进自家产品了，而且是企业最关心的私有化部署，这步棋走得精，既补了工具调用生态又没动安全底线，做B端产品的可以认真看看链接。
对话模式在文本和语音输入方面进行了改进。语音会话开始时，可访问用户的图像提示、风格参考、侧边栏设置和最近任务。图像提示功能现可从托盘和侧边栏直接使用。在语音提交过程中，托盘中的图像将保持不变，直至用户手动移除。
推荐理由：Midjourney给语音模式补了一课——现在它能记住你正在用的图片参考和风格设置，语音创作不用反复翻找，用完即走的轻量用户可能无感。
您的团队可以在内部网络中保留MCP服务器，同时ChatGPT、Codex和Responses API通过仅出站HTTPS进行连接。
推荐理由：OpenAI 终于给企业级 MCP 接上私有网络了，以前要连 ChatGPT 就得把 MCP 暴露公网，现在通过 outbound 隧道就能安全接入，做内部工具开发的可以开始动起来了。
🚀仅需7秒即可生成30秒1080p视频！ 我们开源了FastVideo Dreamverse：基于单张NVIDIA B200 GPU和LTX-2模型，实现实时视频生成的氛围引导工具。 Repo: https://github.com/hao-ai-lab/FastVideo/tree/main/apps/dreamverse Blog: https://haoailab.com/blogs/fastvideo-dreamverse-release/
推荐理由：7秒钟出30秒1080p视频，而且完全开源，视频生成速度被拉到实时边缘，虽然B200不是人人有，但路线值得所有做视频产品的同行研究。
在 @kilocode 中使用您的 SuperGrok 或 X Premium+ 订阅。 尝试 grok-build-0.1，享受高速和智能体编程智能，可在 Kilo IDE 扩展或 CLI 中使用。 https://x.ai/news/grok-kilocode
推荐理由：xAI 把 grok 的编码模型塞进 Kilo Code，如果你本来就用这两个工具，这次集成能省不少事，但算不上行业震动。
Claude Code 推出“动态工作流”功能，使 Claude 能端到端处理复杂任务。该功能通过动态编写脚本，在单个会话中并行运行数十到数百个子智能体来完成工作，并会在结果呈现前进行验证。它适用于跨代码库的 bug 查找、大规模迁移（如将 Bun 从 Zig 移植到 Rust）等需要多角度分析的任务。该功能现已在研究预览阶段可用，支持 Claude Code CLI、桌面端、VS Code 扩展以及 API、Amazon Bedrock、Vertex AI 等平台，面向 Max、Team 及已启用的 Enterprise 计划用户。
推荐理由：动态工作流第一次让 Claude Code 能独立搞定需要并行协调的大规模工程任务，Bun 从 Zig 到 Rust 只用了十一天，这对复杂代码库的维护和迁移是降维打击。
Black Forest Labs 发布 FLUX VTO，面向商品目录级规模的虚拟试穿，现已公开可用，并提供免费 BFL Shop Demo 和 FLUX MCP 接入。
推荐理由：原文给出速度、保真和成本三项指标及使用限制，读者可以判断虚拟试穿能否进入真实电商流程。
Google 推出 Google Pay & Wallet Developer MCP server，这是一款开放标准工具，旨在将 AI 开发助手和 IDE 安全连接到实时的 API 与账户上下文。开发者无需离开开发环境，即可搜索官方文档、验证 Wallet pass 定义、检查集成状态以及管理商户账户。该集成旨在通过减少上下文切换并提供实时、可靠的 AI 支持来减少开发摩擦，从而加速开发工作流。
推荐理由：这是 Google 为支付场景做的 MCP 服务器，把文档和账户操作直接塞进 IDE，减少上下文切换，做 Google Pay 集成的开发者可以试试看。
我们开源了重新构建的Unigram分词器，可将CPU占用降低5-6倍。 小型重排序器和嵌入模型在GPU上运行时间仅为个位数毫秒，使得CPU分词成为总延迟的重要组成部分。 http://github.com/perplexityai/pplx-garden
推荐理由：Perplexity 开源的这个 tokenizer 能把 CPU 利用率砍掉五六倍，做实时推理的团队值得立马试试，对延迟敏感的场景是实打实的优化。
Runway 正式推出 Runway MCP 服务器，允许任何兼容 MCP 的 AI 智能体（如 Claude、ChatGPT、Cursor）在对话界面中直接生成图像与视频，无需切换工作流。该服务器接入了 Runway 最新的多款 SOTA 模型，包括 Gen-4.5、Seedance 2.0、GPT Image 2、Kling 3.0 及 Nano Banana Pro。其应用场景涵盖为产品制作营销视频、批量生成网站视觉素材、创作角色广告以及在应用开发中集成视觉内容。用户设置简便，通过 runwayml.com/mcp 添加服务器并登录现有 Runway 账户即可使用，无需单独申请 API 密钥。
推荐理由：Runway 把 Gen-4.5 和 Seedance 2.0 等模型接入了 MCP，以后做产品图、营销视频不用切窗口，这个集成对依赖视觉内容的 Agent 工作流是个 real upgrade。
面壁智能联合清华大学、OpenBMB发布ForgeTrain，全球首个完全由AI编写、零人类代码介入的生产级大模型训练框架。在英伟达H100上训练速度超越Megatron 10%，节省10%算力；在华为昇腾上完整跑通预训练，并训出MiniCPM5-1B模型，综合性能在AA榜单2B规模以下Top1。框架及Agent Harness工具链一并开源。
推荐理由：面壁这波把 AI 写代码从玩具推进到了生产车间，ForgeTrain 跑得比英伟达 Megatron 还快 10%，而且直接在昇腾上训出了 MiniCPM5-1B，国产算力跟 AI 自举这两条线在这一刻交汇了，做训练的可以认真看看。
Claude Code 发布 v2.1.152 版本更新。核心改进包括：`/code-review --fix` 现在会将审查建议直接应用于工作目录；技能与斜杠命令支持通过 frontmatter 的 `disallowed-tools` 移除模型工具；新增 `/reload-skills` 命令可不重启会话重新扫描技能目录；`SessionStart` 钩子现可返回 `reloadSkills: true` 重新扫描技能，并可通过 `hookSpecificOutput.sessionTitle` 设置会话标题；新增 `MessageDisplay` 钩子事件以变换或隐藏助手消息。其他更新涉及插件市场管理、主模型不可用时自动切换至 `--fallback-model`、会话用量统计优化等。同时修复了终端样式退化、沙箱警告显示、思考摘要、MCP 服务器去重、远程会话连接及多种会话卡顿问题。
推荐理由：Claude Code 这次更新把代码审查从'查问题'推进到'直接修'，Skills 系统补上了热加载和工具限制，做工程自动化的团队应该立刻更新。
我们为Claude Code发布了一个安全指导插件，可在编写代码时帮助识别和修复漏洞。 所有Claude Code用户均可使用。从插件市场（/plugins）安装。
推荐理由：给Claude Code装上安全扫描，边写代码边修漏洞，比事后用Snyk扫一圈要快。对已经All in Claude Code的团队是个小甜点，其他人可略过。
小米 MiMo-V2.5 系列 API 自北京时间 5 月 27 日 0 点起永久降价，相比原始定价最高降幅达 99%，且不再区分上下文窗口长度。Token Plan 计费体系同步优化，用量提升至原来的 5-8 倍，现有有效用户额度全量重置。降价背后是基于 SGLang HiCache 的 SWA 支持，将 KV Cache 数据搬运量降至优化前近 1/7，可缓存 token 数量提升近 5 倍。
推荐理由：API 价格最高降 99% 且 Token Plan 额度提升 5-8 倍，原先因预算受限的长流程应用和批量实验具备重新启动的经济可能。
MiniMax对其Agent Team进行了整体升级并更名为Mavis。本次更新的核心是推出Agent Teams功能，允许用户在MiniMax Agent桌面端并行运行多个不同角色的智能体，组成团队以协作处理单一智能体难以完成的复杂长时任务。同时，原有的TokenPlan与Agent Plan合并为统一订阅，整合了CLI、API及Agent对M2.7模型、音乐、视频和语音功能的访问，其信用额度可在智能体与API之间共享。此次升级旨在解决单智能体在执行长期任务时容易出现的停滞、判断模糊及质量衰退问题，通过主智能体快速响应、任务拆分并行执行与关键节点汇报的机制，提供更流畅的用户体验。
推荐理由：MiniMax 把 Agent 从单兵作战升级成团队协作，解决了长任务里「Agent 变蠢」和「为什么没理我」两大痛点，做复杂任务的可以认真看看。
LlamaIndex 发布 LiteParse v2.0，将这个不依赖 LLM 的 PDF 与办公文档解析工具用 Rust 重写，提供 Rust、Python、Node 和 WASM 四种包，可在浏览器和 edge 运行时本地运行。
推荐理由：官方用 Rust 重写后给出跨语言包、浏览器与 edge 运行时支持和具体提速数字，读者可据此评估现有文档解析管线是否值得迁移。
Google Pay 正向"智能体商务"演进，推出了通用商务协议和新的 MCP 服务器，允许 AI 智能体管理集成与分析趋势。Android 平台更新引入了动态回调以支持快速结账，并通过 WebView 将支付功能扩展至社交媒体应用。此外，平台还推出了跨设备生物认证和新的交易信号，旨在帮助商家减少流程摩擦。
推荐理由：Google Pay 往 agentic commerce 迈了一大步，新的通用协议和 MCP server 让 AI agent 能直接管支付和分析，做 agent 或支付的开发者都得看看。
商汤开源了SenseNova-U1（8B dense + A3B MoE）的完整训练代码库。这是一个统一的框架，支持文本到图像、图像编辑、交错生成、文本与视觉理解等多种多模态任务的训练。其设计注重实用性与大规模训练，采用混合并行、流式可恢复数据管道、环境变量配置、解耦模块化设计，并支持从1×8 GPU扩展到多节点集群的规模。代码库以Apache-2.0协议开源。
推荐理由：商汤把 SenseNova-U1 的训练代码全量开源，支持多模态任务和 MoE，还给了完整的并行策略，做多模态训练的可以直接 fork 过去用，Apache-2.0 很友好。
ElevenLabs 发布 Music v2，提升人声、器乐和编曲质量，支持单首歌内从歌剧切换到重金属、局部 inpainting 重新生成与逐段构建完整歌曲，多语言歌词与演唱表现更稳定。
推荐理由：原文来自 ElevenLabs 官方，给出模型能力细节、三平台定位和降价幅度，可帮助读者评估其在音乐生成场景的可用性。
在Code w/ Claude 伦敦活动上，Anthropic 宣布了 Claude Managed Agents 的两项新能力：自托管沙箱（公开测试版）和 MCP 隧道（研究预览）。这两项功能使 AI 智能体的工具执行环境与企业私有网络内的 MCP 服务器连接均可运行在客户自有基础设施或指定托管服务商处。活动还介绍了如何通过 Claude Code、优化思维预算以及模型努力级别来提升开发体验。目前，包括 Spotify、Base44 和 Legora 在内的客户已在使用这些新功能。
推荐理由：Claude 平台企业部署的最后一公里被补上了，自托管沙箱和 MCP 隧道让 agent 真正能进生产环境，做 2B 的企业级应用终于有了安全底座。
Manus 宣布 Shopify on Manus 正式向所有付费用户推出，通过与 Manus 对话即可创建 Shopify 开发店铺、搭建店面并连接到 Shopify。
推荐理由：官方介绍了集成的实际工作方式、认领流程和数据权限边界，电商商家可据此判断是否把店铺日常运营搬进对话。
Replit Agent与Squidler已完成集成，形成一套完整的AI驱动质量保障闭环。用户可通过自然语言描述应用功能，由Replit Agent负责构建。构建完成后，Squidler会像真实用户一样对线上应用进行自动化测试，无需编写任何测试脚本。测试中发现的问题会自动反馈给Replit Agent进行修复。该流程已通过Squidler加入Replit的MCP库正式上线，实现了从构建、测试到修复的全自动化，显著降低了应用测试与维护的门槛。
推荐理由：Replit 把用户流测试塞进了 MCP 库，Squidler 不需要写测试脚本就能跑真实操作，然后 Agent 自动修 bug，这个 QA 闭环对不会写测试的独立开发者是个大加分。
近期发布了开源数据库Models.dev，专门收录人工智能模型的各项规格、定价及功能信息。该项目在GitHub公开，便于开发者查询和比较不同AI模型。其在Hacker News社区获得101点关注度，显示出技术社区对这类集中化、透明化的模型信息资源的较大兴趣。
推荐理由：做AI产品选型最烦的就是到处翻定价和规格页，这个开源数据库把常用模型的底细都摊开摆明了，实用，建议存为浏览器首页。
动作捕捉和角色动画制作从未如此简单。 持续构建，更多功能即将推出！
推荐理由：Viggle 把视频转骨骼动画这件事做到了零成本，无动捕设备、直接导出 FBX，对独立动画师和小团队挺友好，值得试试看。
本次 v2.1.149 更新包含功能增强、企业设置和多项修复。新增 `/usage` 命令的使用量分类显示功能，可区分技能、子代理、插件及每个 MCP 服务器的消耗；`/diff` 详情视图支持键盘滚动；Markdown 输出兼容 GFM 任务列表。企业版新增 `allowAllClaudeAiMcps` 设置以加载云 MCP 连接器。修复了 PowerShell 权限绕过、Git 工作树沙盒写入白名单越界、脚本路径含空格时 `otelHeadersHelper` 静默失败等安全问题。改进了 `/feedback` 报告，包含上下文压缩前的对话内容，便于排查长会话中的早期问题。
推荐理由：Claude Code 这次把 /usage 拆到每个技能和子代理的用量，排查成本不再是猜谜，/diff 终于能键盘滚动，修了一堆权限坑，日常靠 Claude Code 写代码的人值得秒升。
自动模式的两项更新： · 现已在Pro计划中提供 · 现已支持Sonnet 4.6，以及Opus 4.7 按下Shift+tab，让Claude运行。
推荐理由：Claude Code的auto mode从专属功能下放至Pro计划，并且首次支持Sonnet 4.6，这意味着更多开发者能用更低的成本尝试自动代理编程，Sonnet 4.6的编码能力在实战中究竟如何，现在可以直接测试了。
已发布剪纸功能：外观设置中新增差异标记样式。 在查看差异时更喜欢经典的 + / - 标记？现在你可以选择使用它们，而不仅仅是彩色差异条。 默认设置保持不变，除非你主动选择启用。
推荐理由：OpenAI 悄悄加了个彩蛋，把 diff 标记改回经典的加减号，习惯老派代码审查的开发者眼睛可以少转几圈。算不上大更新，但莫名贴心。
用对话处理文书工作更轻松。 借助ChatGPT的图像功能和语音模式，您可以上传表单，说出要填写的内容，即可获得填写完成的版本。
推荐理由：填表终于不用打字了，上传表格对着说就行，ChatGPT 这个更新把语音和图像真正串起来，以后各种纸质表单直接扔进去就完事。
谷歌在I/O开发者大会宣布，系统性构建面向AI代理（Agent）的开发与部署工具链。核心更新包括：独立桌面应用Antigravity 2.0及其命令行工具、SDK面世；Google AI Studio新增Kotlin支持，可一键开发安卓应用并发布，同时推出移动端App。此外，Gemini API推出托管代理服务，实现一键部署；WebMCP作为开放标准在Chrome 149中推出，允许网页向代理暴露工具；Chrome DevTools也开放给AI代理以自动化调试。企业级客户可直接连接Google Cloud项目，而DeepMind的科学技能包则加速特定领域研究。此举标志着谷歌正全面打造从开发、接口到部署的完整AI代理生态系统。
推荐理由：Google把今年I/O的Agent相关更新打包放出，Antigravity 2.0从IDE变桌面应用、AI Studio能直接做Android App，对Google生态开发者是必读速览。
Project Genie 🤝 @GoogleMaps Street View 你现在可以将真实的美国地点转化为全新的交互式世界。🌍
推荐理由：Project Genie这次不是纸上谈兵了，直接吃进真实街景吐出来可玩世界，虽然暂时只限美国，但这是生成式游戏从能做走向普通人可玩的关键一步。
Grok 进展 Grok Imagine Agent Mode 现已在 Grok iOS 应用上推出。 借助 Agent Mode，你可以生成： • 跨代际一致的角色 • 同一角色的多场景画面 • 不同的镜头角度和环境 • 更具电影感和连贯性的叙事视觉效果 这是角色一致性和 AI 生成叙事方面的一次重大升级。 现在就在 Grok iOS 应用中尝试吧。
推荐理由：Grok Imagine Agent Mode把角色一致性从「抽卡」变成可控流程，做故事板、漫画创作的可以立刻上手，虽然目前仅限iOS，但这一步方向很对。
美团推出跑腿 Skill，接入 Claw 助手后可将六步下单流程压缩为一步，用户用自然语言描述需求即可生成真实跑腿订单。该 Skill 支持所有 Claw 客户端，包括 OpenClaw 本地版、火山引擎云部署版及 QClaw 等第三方客户端，并提供智能地址匹配、订单预览确认、支付安全门控及实时配送进度查询等功能。
推荐理由：将跑腿下单压缩为自然语言交互，展示了AI助手调用线下服务的实际落地路径，对频繁使用跑腿的用户减少了多步操作。
更新：所有付费@Antigravity层级的*每周*Gemini配额已再次提升至三倍，且配额已正式重置。
推荐理由：如果你在用 Antigravity 的付费计划，这相当于每周可用 Gemini 配额翻了三倍，并且已重置，是个实在的利好，但对其他人来说只是脚注级更新。
Gemini Omni来了，我们本周看到了许多令人惊叹的创作。以下是一些杰出作品 👇
推荐理由：Google 的 GPT-4o 时刻终于来了，Gemini Omni 原生多模态的体验比想象中更惊艳，普通人也能随手出大片。