AI 快讯日报 | 2026-05-20

AI 行业综合动态

今日 AI 行业的核心焦点是 Google I/O 2026 大会。Google 正式发布新一代模型 Gemini 3.5 以及全新的 AI 智能体 Gemini Spark，同时宣布 Gemini 应用将变得更主动，提供 7×24 小时帮助。此外，OpenAI 宣布为 AI 图像添加 C2PA 元数据和 SynthID 水印，以增强内容溯源。中国方面，百度、阿里、字节跳动等公司也纷纷推出重量级模型更新，AI 竞争进入白热化阶段。

---

Gemini

在 Google I/O 上，Gemini 3.5 正式亮相，随后 Google 还推出了 AI 智能体 Gemini Spark，后者能自动执行多步骤任务。同时，Gemini 应用迎来重大升级，可主动为用户提供提醒、日程管理等功能，被广泛视为向“超级个人助手”迈进的关键一步。来源：CNBC | Google Blog

ChatGPT

OpenAI 宣布推出 Guaranteed Capacity 服务，允许企业客户锁定专用算力，保障模型推理稳定性。此外，OpenAI 为 DALL·E 3 生成的图像全面集成 C2PA 元数据 和 Google DeepMind 的 SynthID 水印，提升 AI 内容可信度。来源：CNBC | The Next Web

Claude

Anthropic 宣布聘请 OpenAI 联合创始人 Andrej Karpathy 担任关键顾问，此举被视为对前沿 AI 研究的重大押注。同时，Anthropic 与 Cloudflare 联合推出 Claude Managed Agents，支持云端自动化部署，并且 Claude Code 发布了 v2.1.145 版本。来源：CNBC | Cloudflare Blog

Cursor

AI 编程工具 Cursor 发布 Composer 2，大幅增强了多文件协作和上下文感知能力。同时，有报道称 SpaceX 计划在 IPO 后以 600 亿美元收购 Cursor，但尚未得到官方确认。来源：Cursor Blog | The Next Web

Devin

Cognition 发布 Devin 2.1，新增 Auto-Triage 功能，可自动分析并分类软件缺陷，进一步提升开发效率。同时，Cursor 的 Composer 2.5 也同步更新，形成编程工具间的良性竞争。来源：Cognition Labs | Code Newsletter

DeepSeek

DeepSeek 在 V4.1 更新前率先推出 图像识别功能，并大幅降价以抢占市场份额。据 Yahoo Finance 分析，DeepSeek 的扩张正越来越依赖政府资金，反映出中国 AI 产业国家队力量的崛起。来源：CnTechPost | Reuters

豆包

字节跳动旗下的 豆包 发布 全模态理解模型，进一步巩固其作为 AI 超级入口的地位。当前豆包已整合搜索、创作、对话等功能，日活用户持续攀升。来源：新浪新闻 | AI Betas

通义千问

阿里发布新一代旗舰模型 Qwen3.7-Max，在多项基准测试中表现领先。此前推出的 Qwen3.5 已聚焦 AI Agent 方向，此次升级进一步强化了推理与多模态能力。来源：网易 | CNBC

文心一言

百度推出 文心大模型 5.1，在多榜单登顶，预训练成本降至业界 6%，搜索能力在国内领先。该模型强调“写得好更懂你”，并已在百度搜索、智能云等场景落地。来源：百度ERNIE Blog | 天脉财经

可灵

快手旗下 可灵 AI 传出拆分计划：拟以 200 亿美元估值融资 20 亿美元，腾讯正在洽谈参与。若成真，可灵将成为中国视频生成领域的独角兽。来源：腾讯新闻

Kimi

Kimi（月之暗面）推出开源浏览器操作工具 WebBridge，同时 Cerebras 为企业提供 Kimi K2.6 推理服务。据 Forbes 报道，Kimi 正在以 200 亿美元估值融资。来源：Open Source For You | Forbes

Perplexity

Perplexity 近期对部分 Pro 账户实施用量限制，引发用户不满。公司解释称系促销码滥用所致，并调整了高级模型调用策略。来源：PCMag

Midjourney

Midjourney 发布 V8 Alpha 版本，带来更精细的图像生成控制与风格一致性。同时官方更新日志显示多项修复与性能优化。来源：Midjourney Updates | V8 Alpha 页面

Notion AI

Notion 推出 开发者平台，支持自定义 Agent 构建和第三方集成。管理员现在可对自定义 AI Agent 进行更细粒度的权限控制，进一步拓展 Notion 在企业协作中的应用。来源：Notion Blog | Notion Releases

GitHub Copilot

GitHub Copilot 现已支持 Gemini 3.5 Flash 模型，同时推出 Copilot Cloud Agent，提供低成本、高效率的简单任务自动完成方案。来源：GitHub Changelog | GitHub Changelog

Bolt.new

Bolt.new 集成 Claude Sonnet 4.6，显著提升代码生成质量。同时平台推出 Bolt for Teams 企业版，强化团队协作与设计系统支持。来源：Bolt Blog | Bolt Blog

Flux

Flux AI 发布 CRAISEE Teams Enterprise，主打企业级可扩展性。此外 Flux 持续更新其图像生成模型，在速度和细节上有所提升。来源：OpenPR | Flux AI News

ElevenLabs

ElevenLabs 与音乐平台 Splice 合作，共同开发 AI 音乐创作产品。同时 ElevenLabs 文档显示其语音合成 API 在 4 月底进行了更新，支持更多语言和情绪表达。来源：Billboard | ElevenLabs Changelog

Pika

Pika 完成 8000 万美元 B 轮融资，估值达 4.7 亿美元。其 AI 视频生成工具在速度与易用性上超越 OpenAI Sora，吸引大量创作者。来源：AI for Automation

Sora

OpenAI 已决定 停用 Sora 视频平台，转向更聚焦核心业务。此举引发行业对其战略调整的讨论，Sora 的用户将迁移至其他 OpenAI 产品。来源：NYT | CNN

DALL·E 3

伴随水印功能的上线，DALL·E 3 面临被 OpenAI 逐步淘汰的传闻。但当前图像生成领域仍需依赖其高质量的视觉输出，社区对其未来走向高度关注。来源：OnyxRanked

Grok

Grok 出现短暂宕机，xAI 随后发布模型弃用通知（May 15, 2026）。另一方面，Elon Musk 演示了 Grok Agent 模式，称其为“重大能力解锁”，展示了 4 分钟以上的视频自主操作。来源：Economic Times | Gate News

Ideogram

Ideogram 3.0 发布，主打逼真度、设计感和风格一致性，被誉为 ChatGPT 与 Gemini 图像生成的有力替代品。来源：Digital Trends | Ideogram 官网

HeyGen

HeyGen 的 Avatar Agent 已上线 Agent.ai 平台，用户可部署数字人助手。同时 HeyGen 发布四月产品更新，包括多语言支持与更自然的唇形同步。来源：HeyGen Blog | YouTube

Gamma

Gamma 推出 Gamma Imagine，尝试将 AI 原生设计融入演示文稿。此前 Gamma 已融资 6800 万美元，成为 PPT 赛道的挑战者。来源：Yahoo Finance | NYT

Descript

Descript 发布 API（Open Beta），并带来一系列编辑与工作流更新，让开发者能自动化音频/视频编辑。来源：Newsfile | Descript Changelog

海螺 AI

海螺 AI（Hailuo）持续推广其视频生成能力，定位“每个想法都是一部大片”。其视频生成工具已支持从文本和图片生成高质量短片。来源：海螺官网 | YouTube

讯飞听见

讯飞听见 升级语音转写引擎，支持中英粤自由说，并新增 AI 纪要功能，可自动抓取笔记中的图片重点。科大讯飞同时升级“听见 AI 的声音”公益计划，关爱听障群体。来源：讯飞听见 | ITBear

秘塔 AI

秘塔 AI 在 AI 产品榜上表现稳定，其搜索产品受到关注。此外相关报道提及 DeepSeek 的最新回应，秘塔作为中文搜索新锐持续迭代。来源：AI产品榜 | IT之家

Consensus

Consensus 利用 GPT-5 和 OpenAI Responses API 将数周研究缩短至数分钟，并为非营利组织提供定制化 AI 研究搜索引擎。来源：OpenAI | One Hundred Nights