5.5 instant 今日登陆 ChatGPT！ 在我看来这是一个相当大的升级，我真的很喜欢使用它。 [引用 @ericmitchellai]：Excited that we're updating the default model in ChatGPT today! 5.5 instant 在智能、图像感知和事实准确性方面都有显著提升。 它还更新了写作风格，使其更平实、更直接。 你的愿望清单上有什么？
推荐理由：ChatGPT 默认模型悄悄换上了 5.5 instant，图像感知和事实性提升明显，写作风格也更直接，每天用它的人今天会感觉到差异，不是小修小补。
Copilot Cowork 新增功能：移动端、技能与插件。 现已在 iOS 和 Android 平台推出，您可通过手机委派工作，在桌面端继续处理，保持任务流畅推进。 借助全新连接器，Cowork 可跨业务系统与数据运作。
推荐理由：Copilot Cowork 把委托工作从桌面延伸到了手机，加上 skills 和插件，办公自动化终于能随时丢任务随时捡起来，这是微软把 agent 落地的关键一步。
Perplexity和Computer现已接入优质健康资源，首批包括NEJM和BMJ集团，另有9种医学期刊和临床数据库即将上线。 提出健康问题，即可获得来自医院和研究机构所信赖的相同来源的引用答案。
推荐理由：医疗信息最怕不靠谱，Perplexity 直接接进 NEJM 和 BMJ 这种顶刊，等于把医生的参考资料装进 AI，查健康问题终于不用在营销文里盲人摸象了。
Anthropic与SpaceX达成合作，获得其Colossus 1数据中心超300兆瓦（含逾22万块NVIDIA GPU）的算力。此举使Claude Code的Pro、Max等多档计划的五小时速率限制立即翻倍，并取消了高峰时段限流；Claude Opus的API速率也大幅提升。公司还公布了与亚马逊、谷歌、微软等科技巨头的一系列大规模算力协议，总投资额巨大。为满足企业客户的合规需求，算力扩张计划也将覆盖亚洲和欧洲地区。
推荐理由：跟 SpaceX 搞轨道算力是长期故事，但今天起 Claude Code 速率翻倍、API 限制松绑，对重度用户是立刻能摸到的甜头，即日生效不用等。
Anthropic为其Claude托管智能体平台推出三项核心更新。“梦想”功能通过回顾会话历史提取模式，使智能体能够自我改进。“成果”功能允许开发者设定成功标准，智能体据此进行自我评估与修正，内部测试显示其显著提升了任务成功率和输出质量。“多智能体编排”功能支持主智能体将复杂任务分解，并分配给配备专用工具的子智能体并行处理。这些更新旨在以最小人工干预，增强智能体处理复杂任务的能力。
推荐理由：Anthropic给托管Agent加了dreaming、outcomes和multiagent，这是Agent从完成任务到自我改进和协作的质变。dreaming让Agent能跨session复盘，做Agent产品的团队现在多了一个必须研究的模块。
Manus 发布 Project 新功能，可将有价值的对话转化为经审批的 Project 指令、文件和技能更新，让每个任务帮助下一个任务做得更好。用户可通过提示词触发审查，Manus 说明应更改什么及原因，所有更新仅在审批通过后应用，更新适用于支持 Project 指令和文件的会话。
推荐理由：原文给出 Project 自我更新的具体机制和审批边界，读者可据此判断能否减少团队重复交代上下文。
Anthropic发布了十个针对金融服务耗时任务的预置智能体模板，涵盖制作推介书、撰写信贷备忘录、KYC文件筛查及月末关账等。这些模板可作为Claude Cowork和Claude Code的插件，或作为Claude托管智能体的配置指南，帮助团队在数天内部署应用。Claude现通过Microsoft 365插件支持在Excel、PowerPoint等Office应用间无缝工作，并扩展了合作伙伴生态，新增数据连接器和MCP应用，使智能体能直接调用实时金融数据。这些更新与Claude Opus 4.7模型搭配效果最佳，该模型在金融任务上达到先进水平。
推荐理由：Anthropic 一口气放出十个金融模板，从 pitchbook 到月底关账全包，加上 Excel、PPT、Word 的深度集成，做金融的可以少写很多重复性胶水代码，直接套模板干活去了。
两种声音。一种来自人类。一种来自AI。你能猜出哪个是AI克隆的吗？👇 具备丰富自然情感的语音克隆功能，现已在Grok Voice API上线。 http://x.ai/news/grok-custom-voices
推荐理由：Grok 的语音克隆带着自然情绪上线 API，不只是复读机，而是带感情的合成。想给应用加个有人味的 AI 语音，开发者可以试试这套新接口。
本次更新包含多项功能优化与错误修复。主要功能上，`/color` 命令支持无参数随机选色，`/mcp` 命令显示已连接服务器的工具数量，`--plugin-dir` 参数新增支持 `.zip` 插件包。用户体验方面，优化了 `/model` 选择器的显示。关键问题修复包括：解决了通过标准输入传输超大文件时导致的崩溃循环、修复了长 URL 在全屏模式下无法逐行点击的问题，以及修正了并行 Shell 工具调用中一个命令失败会错误取消同级调用的问题。此外，还处理了 MCP 服务器重连时工具列表刷屏等多个稳定性问题。
推荐理由：Claude Code 的日常维护版本，修了一堆小 bug 并给了 /color 随机色、插件支持 zip 等细节提升，重度用户建议升，非用户不必关注。
两种声音。一种来自人类。一种来自AI。你能猜出哪个是AI克隆的吗？👇 具备丰富自然情感的声音克隆功能，现已在Grok Voice API上线。 http://x.ai/news/grok-custom-voices
推荐理由：Grok Voice API 终于支持声音克隆，关键是能带自然情感，做语音产品的开发者可以直接接入了，这是 xAI 在语音交互上的一次重要补齐。
告别持续轮询！在构建复杂、长期运行的智能体应用时，使用 Gemini API 中的 Webhooks 来消除 API 流量的浪费，并简化编排逻辑。🙌
推荐理由：长期轮询是agent开发的隐形税，Gemini API这次内置webhooks，把编排逻辑简化了一大截，做复杂agent的开发者今晚就能删掉一堆轮询代码。
在行业标准推理引擎vLLM上的测试显示，NVIDIA GB300 NVL72的实测端到端性能已达GB200 NVL72的2.7倍。尽管其纸面参数仅显示NVFP4算力提升约1.5倍、HBM容量增加1.5倍且带宽相同，但在大多数服务商实际运行的中段负载区间，凭借全栈优化的复合增益，GB300实现了远超理论算力提升的性能飞跃。此次测试基于NVIDIA、Inferact和CoreWeave为开源项目提供的临时GB300系统完成，结果印证了端到端实测性能才是衡量硬件效能的黄金标准，而非单纯的纸面理论算力。
推荐理由：纸面 FP4 算力只多 50% 的 GB300，实际推理却快了 2.7 倍，全栈优化的复合增益比参数表好看太多，做推理服务的该重新算算 TCO 了。
管理API密钥是我们从客户那里听到的最主要的安全顾虑之一。 今天我们为Claude平台推出无密钥认证：通过CLI在浏览器中进行身份验证，或让工作负载使用其现有的云身份（AWS、GCP、Azure或任何OIDC令牌提供者）。
推荐理由：无密钥认证直接解决了 API 密钥泄露这个高频痛点，而且支持主流云身份，企业部署门槛降了一大截，做 AI 集成的团队明天就可以试。
从构想到原型，借助Gemini中的Nano Banana 2，将您独特的产品愿景变为现实。🪀
推荐理由：Google Gemini塞进一个Nano Banana 2创意工具，把想法转原型只需几句话，产品经理脑暴草案利器，算不上重磅但够实用。
新推出的桌面AI代理KroWork旨在解决传统AI代理工作流随会话结束而消失的核心痛点。用户通过自然语言描述任务，AI即可自动构建并执行端到端工作流，最终可将完整流程保存为名为“Kro App”的持久性本地应用程序。该软件可一键安装至系统菜单，像常规软件一样运行，后续使用无需消耗tokens或重新构建。所有流程均在用户本地设备运行，无云端依赖，不泄露数据，且无需编程背景。其核心理念是实现从“聊天”到“交付”的跨越，将对话转化为用户真正拥有的可重用资产。
推荐理由：KroWork 把 AI 会话固化成本地软件，一键安装，这个思路解决了 Agent 最大的痛点，每次重跑都得重新教它。做个人自动化的可以立即上手试试。
实时视频智能体已到来。 今天，我们将分享如何构建Runway Characters，让你能将一张图片转化为一个完全富有表现力、可对话的视频智能体，以每秒24帧的高清画质流畅播放。端到端延迟仅需1.75秒。 了解更多信息请见下文。
推荐理由：Runway 把 AI 视频从生成拉入实时对话时代，1.75 秒的延迟让视频代理第一次有了「对话感」，做交互设计的同学可以认真看一眼。
Gemini API 引入了事件驱动的 Webhook 功能，这是一种基于推送的通知系统。它旨在消除低效的轮询需求，为长时运行的任务（如文件处理或复杂推理）提供更优的解决方案。当任务完成时，系统会自动将结果推送到用户指定的端点，从而显著降低延迟并减少资源消耗，提升开发效率与响应速度。
推荐理由：Gemini API 终于补上 Webhooks 这块拼图，长任务不用再轮询等待，对做自动化流程和 Agent 的开发者是实打实的效率提升。
OpenClaw 2026.5.3 🦞 📁 配对节点间的文件传输 🧭 使用 /steer + /side 进行实时智能体控制 🔌 插件安装/更新已加固 🛠️ 频道与升级修复 重大发布，减少琐碎问题。 https://github.com/openclaw/openclaw/releases/tag/v2026.5.3
推荐理由：OpenClaw 这个版本把 agent 协同和实时控制做得更顺手了，如果你在用多节点 agent，这个升级能省不少调试功夫。
这是我迄今为止为 OpenClaw 构建的最有用的工具。它是开源的，运行在 codex 上，你可以 fork 并将其用于任何代码库。 献给所有在 issue 和 PR 中辛勤工作的开源贡献者们，这是为你们准备的。
推荐理由：开源维护者的救命稻草，把 issue 到 automerge 的冗长循环扔给 ClawSweeper 自动修复，保守但足够实用，fork 就能用在任何仓库。
上周，我们在 Codex 中发布了 *Auto-Review* 模式！它现已成为 OpenAI 内部的默认设置，并将所需的批准数量减少了约 200 倍。我们的对齐团队完成了出色的工作。 阅读博客：https://alignment.openai.com/auto-review
推荐理由：Codex 这个自动审查模式把审批量砍了 200 倍，而且已经成了 OpenAI 内部默认设置。这意味着 AI 编程 Agent 真正开始被信任，做 Agent 工作流的人可以认真研究一下。
Runway公司推出“Characters”实时视频智能体，它能将任意单张参考图像（如真人、卡通或幻想生物照片）实时转化为具有自然对话表现力的视频角色。该技术基于其通用世界模型GWM-1，无需微调即可生成每秒24帧的高清视频，并同步口型、表情和头部运动。其核心突破在于通过自回归逐帧生成、流程优化与并行化，实现了每帧仅37毫秒的模型处理时间，以及从用户停止说话到角色开始响应仅1.75秒的服务器端延迟，从而满足了实时交互对话的严苛要求。
推荐理由：把单张图变成实时对话角色这件事，Runway 做到了 24fps 且 1.75 秒响应。不是预录，是真实时，还带了知识库和工具调用，做虚拟角色产品的可以直接拿来集成。
推出响应缓存功能：在测试和智能体重试上节省大量资金与时间。 博客文章：https://openrouter.ai/announcements/response-caching 免费提供。了解更多 👇
推荐理由：OpenRouter 的 Response Caching 直击测试和 agent 重试的浪费痛点，免费能用，做 API 集成的开发者可以立刻省下一笔预算。
新功能："-latest" 模型别名 🔀 将请求路由至 "~anthropic/claude-opus-latest"、"~openai/gpt-latest" 等，以获取各主要模型的最新版本。（灵感来自语义化版本。）https://openrouter.ai/models?q=latest
推荐理由：OpenRouter 这个 -latest 别名很实用，不用每次都改模型版本号，对大量调用 API 的团队是个省心更新，痛点精准。
现在你可以用你的ChatGPT账户登录OpenClaw，并在那里使用你的订阅服务！ 祝你捕龙虾愉快。
推荐理由：Sam Altman用一条推文轻描淡写地扔出了OpenAI的新产品OpenClaw，ChatGPT用户可以直接登录用订阅，没发布会没博客，但既然是他亲自发的，大概率是个值得试试的新玩具。
语音克隆功能现已通过 xAI API 上线！ 不到2分钟即可创建自定义语音，或从我们涵盖28种语言的80多种语音库中选择，为您的语音助手、有声读物、视频游戏角色等注入个性化色彩。 http://x.ai/news/grok-custom-voices
推荐理由：xAI 正式下场语音克隆，2 分钟克隆加 80 多种声音库，API 直接可调，做语音 agent 和有声书的团队得多关注一下，这对 ElevenLabs 们是个不大不小的冲击。
只需点击几下，即可将您的工作流程带入Codex。 导入设置、插件、代理、项目配置等，以便您能更少中断地继续工作。 该您行动了。
推荐理由：Codex 这个导入功能，把迁移成本降到了最低，对已经在用其他 IDE 的开发者算是个贴心的零门槛入口，虽然不算重大更新，但够实用。
OpenRouter 正式上线文本转语音和音频转录功能。平台通过两个新的 API 端点，集成了多家供应商的语音合成与音频转录服务。用户现在可以统一调用单一 API，便捷访问多提供商的高质量语音生成与语音转文本能力，无需再为不同服务商单独集成。这简化了开发流程，为应用添加语音交互与内容转录功能提供了更高效的一站式解决方案。
推荐理由：OpenRouter把语音合成和转录也接进来了，以后做语音应用的开发者可以少对接几个API，这是把‘省事’写进DNA的典型更新。
创造一切。无论身处何地。使用任何设备。Runway 现已登陆 Android 和 iOS 平台。 通过下方链接开始使用。
推荐理由：Runway 终于有了移动端，对于随手需要 AI 生成视频的创作者是个实在的提升，但本质上还是从 Web 到 App 的延伸，没改变创作内核。
本次更新增强了模型网关集成，当配置指向兼容网关时，可直接在模型选择器中列出可用模型。新增了 `claude project purge` 命令，用于彻底清理项目状态数据。OAuth登录流程得到优化，支持在浏览器回调失败时手动粘贴授权码，并修复了多种网络环境下的登录问题。安全方面，修复了 `allowManagedDomainsOnly` 等设置可能被忽略的漏洞。此外，还解决了图像粘贴过大导致会话中断、远程会话误报“流空闲超时”、Windows系统下特定文本渲染乱码以及多项工具在特定场景下不可用等数十项错误。
推荐理由：这是 Claude Code 一次‘生活质量’大更新，OAuth、Windows 权限、流超时等痛点都被修了，如果你在用 Claude Code，今天就该升级。
Replit 即将迎来十周年，我们正让 Agent 免费开放 准备好享受构建的乐趣吧！ 想要奖品？参加我们与 Anthropic 联合举办的构建马拉松 奖品由 Replit 和 RevenueCat 赞助
推荐理由：Replit 把 Agent 免费了，还联手 Anthropic 搞 buildathon，这招会让 Cursor 和 Copilot 紧张一下吗？做 AI 编程的都该看看。
Midjourney V8.1 版本现已登陆 Discord 平台及其官方网站。本次更新重点提升了图像的清晰度与整体画质，这一改进在风格参考（SREF）和情绪板（Moodboards）功能中效果最为显著，同时所有类型的图像生成质量均有所增强，为用户带来更精细的视觉体验。
推荐理由：Midjourney V8.1 只是个小版本迭代，主要提升锐度和图像质量，用惯了 V8 的可以不急着换，但玩 SREF 和 Moodboard 的值得试一下，细节确实有提升。
为你的网站寻找外观。同时探索每个方向。 定义目标，设定美学风格，然后让Luma Agents构建每个元素。英雄区域。文案。视觉效果。布局。所有内容都经过结构化设计，从首次滚动开始就旨在实现转化。 立即构建 → http://lumalabs.ai/app
推荐理由：Luma 从视频生成跨到建站，用 Agent 一次性生成整站，描述即站点，对想快速验证品牌页面的创业者是个有趣的新工具。
使用Codex处理日常工作从未如此简单。 选择你的角色，连接你每天使用的应用，并尝试建议提示。 Codex能在研究规划、文档、幻灯片、电子表格等方方面面提供帮助。
推荐理由：OpenAI 的 Codex 把 AI 助理塞进了你的日常工作流，直接连通你每天用的应用，不用折腾配置，看一眼提示就能上手，做运营和产品的可以试试。
新推出的 Response Caching 头部实现了 API 请求的缓存机制，完全相同的请求可获得缓存响应，响应时间大幅缩短至微乎其微的水平，且不会产生额外成本。该功能通过自动识别并复用已生成的响应，显著提升了重复请求的处理效率。
推荐理由：OpenRouter 这次更新的响应缓存，直接让相同请求免费用，对频繁调用的场景是个省钱加速的好功能，用过 API 的人都能立刻明白它的价值。
Gemini App中的Notebooks功能现已正式在移动端向免费和付费用户开放，并计划很快扩展至更多欧洲国家。此次更新标志着NotebookLM与Gemini的深度集成，用户现可直接在Gemini App内访问所有个人未共享的笔记本，并能将Gemini的聊天记录用作新笔记本或现有笔记本的资料来源。功能推出将分阶段进行：首先面向网页版的Google AI Ultra、Pro和Plus订阅用户，未来几周将逐步覆盖移动端用户、更多欧洲地区以及免费用户。
推荐理由：NotebookLM的笔记功能终于彻底住进了Gemini App，免费用户也能用。这一步让Google AI助理从“外脑”变成了“内脑”，虽然不算惊天动地，但整合的体验提升是实打实的。
Google的Gemini应用正式向移动端免费和付费用户推出Notebooks功能，并即将扩展至更多欧洲国家。该功能允许用户在Gemini应用内直接访问所有个人未共享的笔记本，并能将与该AI的对话内容作为新笔记本或现有笔记本的资料来源。此次发布首先面向网页端的Google AI Ultra、Pro和Plus订阅用户，后续将逐步推广至移动端、更多欧洲地区及免费用户。
推荐理由：NotebookLM 正式成为 Gemini 的原生笔记,聊天记录能直接纳入知识库,这步整合让 Gemini 从一个对话工具开始走向个人知识中枢，Google 生态用户应该高兴。
介绍Replit Slides！ 不到一分钟就制作了整个演示文稿，无需手动操作任何一张幻灯片。只需描述你的需求，通过聊天进行迭代修改，然后导出为PowerPoint、Google Slides或PDF格式（或发布实时链接）。幻灯片功能面向Core和Pro用户开放。🎯
推荐理由：Replit Slides 把做 PPT 这件事变成了聊天，从描述到导出全链路打通，适合需要快速出 pitch deck 的人，虽然不算 AI 重磅，但对创业者很香。
xAI于2026年4月30日推出自定义语音和语音库功能。用户可通过约1分钟录音快速克隆声音，并在Grok文本转语音及语音代理API中即时使用，整个过程仅需2分钟。语音库提供集中管理平台，内置语音已超80种，支持28种语言。为确保安全，系统采用两阶段验证，包括实时转录匹配和说话人嵌入确认，以防止未经授权的克隆。这些功能适用于品牌代理、内容创作、无障碍辅助、多语言团队及游戏娱乐等多种场景，且使用自定义语音无需额外费用。
推荐理由：xAI 这波‘声音克隆+管理’的更新很实用，安全验证做得细，创作品类和品牌方应该会喜欢，对开发者来说是个加分项，但不是那种能改变格局的大招。
通过Figma插件，Codex现在可以将实施计划转化为可视化的FigJam白板。
推荐理由：Codex 这次更新不是小功能补丁，它把 Figma 从设计师专属变成了开发者的白板，generate_diagram 直接画架构图，做系统设计的可以扔了 Lucidchart 了。
⚙️ 我们通过 Responses API 中的 WebSockets 让代理循环运行得更快 随着 Codex 速度提升，瓶颈从推理转移到了低效的 API 调用 WebSockets 在工具调用之间保持响应状态活跃，帮助工作流程端到端运行速度提升高达 40% https://openai.com/index/speeding-up-agentic-workflows-with-websockets
推荐理由：这不是颠覆性更新，但对依赖 Responses API 搭 agent 的开发者是个实打实的好消息，loop 加速 40% 意味着延迟和成本双降，官方推荐的最佳实践值得直接套用。