跳到正文

内容形态

产品更新 最新动态

AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。

87 条精选近 30 天 50 条共收录 965 条

更新

产品更新的精选

11月21日周六第 1–20 条
  1. Google Research76

    Google Duplex 如何演进为在 Gemini 中替你拨打商家电话

    Google Research 本周在 Gemini App 的 Tasks 中上线 Duplex,让智能体替用户拨打商家电话并处理真实世界请求。文章回顾其十年架构演进,从闭域 RNN 模型、LaMDA 混合栈走向完全由 Gemini 统一的对话栈,并说明亚秒级延迟与嘈杂声学环境等实时电话技术难点。

    推荐理由:文章回顾 Duplex 十年架构演进,读者可从中理解实时语音智能体在低延迟与对话节奏上的工程难点。

  2. AWS Machine Learning Blog60

    AWS 推出 Amazon SageMaker HyperPod Global Inference Gateway,一个端点跨 Region 路由推理请求

    AWS 在 SageMaker HyperPod 推出 Global Inference Gateway,用一个 SageMaker 托管端点把推理请求路由到已注册的多个集群,支持同 Region 或跨 Region。

    推荐理由:原文给出了四信号加权路由与自动故障转移的实现细节,读者可据此评估多 Region 推理部署的改造方案。

  3. AWS Machine Learning Blog66

    Amazon Textract Insights 正式发布:面向文档的可验证生成式 AI

    AWS 宣布 Amazon Textract Insights 正式可用,用户用自然语言描述所需字段并提交文档,即可获得每个值都带置信度与页面级溯源的结构化结果,无需模型训练。它支持最多 3,000 页的混合文件,自动拆分并匹配各文档类型的 blueprint;Amazon Textract Core 同步更新,语言覆盖扩展到 40 种语言,现有 API 保持不变,按页计费且无最低承诺。

    推荐理由:原文对比了自定义流水线与通用大模型两条旧路线,说明每个提取值都带置信度与页面级溯源,读者可据此评估自动化的边界。

  4. The Decoder81

    Gemini Mac 应用推出 Computer Use 功能,可在后台代为操作 Mac 应用完成任务

    Google 在 Gemini Mac 应用中推出 Computer Use 功能,用户描述目标后,Gemini 在隔离的后台窗口中自动点击、输入并跨本地文件、桌面应用和网站完成多步骤任务,用户可指定可访问的应用、实时查看每一步并随时暂停或预先批准关键操作。该功能今天在美国以英语推出,Gemini Mac 应用已可下载。

    推荐理由:原文除说明 Gemini Computer Use 的隔离后台窗口与逐步审批机制,还对比了 OpenAI Astra 在同类 Computer Use 能力上的进展。

11月20日周五
  1. IT之家81

    OpenAI 开放 GPT-Live-1.1 API:支持实时双向对话,智能体可边聊天边处理复杂任务

    OpenAI 宣布向开发者开放 GPT-Live-1.1 API 语音模型,第三方应用可集成全双工实时语音交互能力。该模型为 GPT-Live-1 升级版,能识别说话中的停顿、打断与语速变化,并可将推理或工具调用任务委托给开发者指定的后端模型,对话无需中断。GPT-Live-1.1 自 2026 年 10 月 15 日起已是 ChatGPT Plus 及更高级订阅的默认语音模型。

    推荐理由:原文讲清了全双工语音交互与后端模型委托的结合方式,开发者可据此判断现有语音方案是否值得替换。

  2. AWS Machine Learning Blog67

    Amazon Bedrock AgentCore payments 新增 AWS Billing,AI 智能体可购买 AWS Marketplace x402 产品

    AWS 为 Amazon Bedrock AgentCore payments 新增 AWS Billing 支付方式,AI 智能体可按请求购买 AWS Marketplace 上支持 x402 的软件、API、数据与内容,费用以 USD 结算到开发者 AWS 账单,无需稳定币钱包或 API key。

    推荐理由:原文给出智能体按请求付费的完整链路与单会话限额机制,读者可据此评估 agentic commerce 在企业内的落地方式。

  3. AWS Machine Learning Blog64

    Amazon Polly 推出语音克隆功能:为品牌打造专属声音

    Amazon Polly 语音克隆现已正式可用(gated release),只需几分钟的说话人录音即可生成专属克隆语音,运行在 Amazon Polly 生成式引擎上。

    推荐理由:原文给出从录音、建声到合成的完整接入方式与配额限制,读者可据此评估把定制品牌语音接入现有应用的改造量。

  4. AWS Machine Learning Blog64

    Amazon Bedrock AgentCore harness 升级,引入 Strands harness 默认值、内置工具与生命周期钩子

    AWS 将 Amazon Bedrock AgentCore harness 升级为以开源 Strands harness(Apache 2.0 许可)为默认基础,并新增生命周期钩子。

    推荐理由:原文给出托管默认值与生命周期钩子的具体配置方式,读者可据此为已有智能体添加确定性的审批与通知流程。

  5. AWS Machine Learning Blog63

    Amazon SageMaker AI 推出跨区域推理路由,区域容量不足时自动转移推理流量

    AWS 为 Amazon SageMaker AI 推出跨区域推理路由,应用调用一个 inference router 即可访问多个 Region 和 AWS 账户下已运行的端点;本地目标健康时流量留在本 Region,目标无法可靠服务时新请求自动转移到其他已注册目标,恢复后再逐步回迁。

    推荐理由:原文把健康度评分、故障转移和回迁策略讲得较细,读者可判断能否用它替换自建的跨区域路由代码。

11月19日周四
  1. IT之家77

    ChatGPT 新增实时听写功能:对着麦克风说话语音即时变文字

    ChatGPT 宣布新增实时听写功能,用户对着麦克风说话时语音同步转成文字,不必等录音结束再转写。该功能将陆续向全球所有用户开放,覆盖网页版、桌面客户端及 iOS 和 Android 应用,同时取消原有 10 分钟时长限制。录音结束后可直接在输入框中编辑转写文字。

    推荐理由:原文给出了实时听写的使用方式、开放范围和时长限制取消,读者可据此判断它能否替代现有语音输入工作流。

  2. AWS Machine Learning Blog63

    Amazon SageMaker JumpStart 推出模型排行榜

    AWS 在 SageMaker Studio 中推出 JumpStart 模型排行榜,可横向比较 70 多个开放权重模型的质量、速度和成本,模型来自 Meta、Google、Qwen、IBM 和 Arcee 等提供商。

    推荐理由:原文说明排行榜如何用统一方法测量质量、速度与成本,读者可据此建立从筛选到部署的选型流程,不必再拼接不同来源的数据。

  3. Google DeepMind70

    Genie 4 现已向 Google AI Ultra 订阅用户开放

    Google DeepMind 今天起向符合条件的 Google AI Ultra 订阅用户推出全新 Project Genie 体验,首次开放 Genie 4 世界模型,Google AI Pro 会员可加入等待列表。

    推荐理由:官方说明了 Genie 4 的会话中编辑与实时原生音频能力,并明确了 Google AI Ultra 订阅门槛和 SynthID 水印等安全措施。

11月18日周三
  1. NVIDIA Blog70

    NVIDIA RTX Spark 紧凑型桌面主机正式上市

    NVIDIA 宣布来自 ASUS、Dell 和 MSI 的 RTX Spark 紧凑型桌面主机现已上市,为本地 AI 智能体、图像与视频生成及模型微调提供专用 Windows PC。

    推荐理由:原文列出了硬件规格、本地模型规模上限和软件生态适配,读者可据此判断它能否承接现有本地 AI 工作流。

  2. AWS Machine Learning Blog63

    Amazon SageMaker 宣布推出 AI 数据准备功能:为模型开发工作流构建高质量数据集

    Amazon SageMaker AI 宣布上线 AI 数据准备功能,覆盖自动标注、人工审核、合成数据生成、数据质量评估和数据转换,已在 US East (N. Virginia) 和 US West (Oregon) 区域正式可用。

    推荐理由:原文把每项能力拆成可独立调用的模块并给出组合模式,读者可据此评估它能否接入现有数据工作流。

11月17日周二
  1. Hugging Face Blog84

    Hugging Face 与 OpenRouter 合作,Inference Providers 切换至 OpenRouter 路由

    Hugging Face 将 Inference Providers 的语言模型路由切换至 OpenRouter,用户用 Hugging Face token 即可通过统一 API 调用服务商托管的开放权重模型。

    推荐理由:原文同时给出路由切换细节和开放权重模型使用占比数据,读者可据此评估统一推理入口对现有工作流的影响。

11月16日周一
11月14日周六
  1. 量子位86

    DeepSeek 开放全家桶应用 API,新增语音识别与合成接口

    DeepSeek 宣布正式开放全家桶应用 API,联网搜索、文件上传、链接阅读、OCR、ASR、TTS 等能力均有独立接口,支持单独调用、分别计费,V4.1-Flash 已在 Messages、Responses 和 Chat Completions 三类接口下支持相关对话扩展功能。

    推荐理由:原文列出各独立接口的调用方式与价格对比,开发者可据此估算语音、搜索类应用的接入成本。

  2. IT之家76

    谷歌推出 Gemini 驱动的 Teamwork 多智能体系统并完成多项复杂数学证明

    谷歌宣布扩展 Antigravity 多智能体系统,推出由 Gemini 模型驱动的 Teamwork 系统,通过多个专业智能体并行工作并由独立系统质疑验证。其 Teamwork-LEAP 系统以约 2.88 万次子智能体调用、约 180 万行 Lean 代码完成韦伊猜想的形式化证明,还复现了纳维-斯托克斯方程有限时间爆破问题的证明并帮助解决库尔塔德-库马尔猜想。

    推荐理由:原文列出了多智能体系统在数学形式化、分子结构识别和代码迁移上的具体数据,读者可据此评估其协作机制在复杂任务中的可靠性。