AI 热点日报（2026-05-28）

产品发布/更新

1. Runway 推出 Model Context Protocol 服务器

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。
来源： Runway：News（网页）

2. Claude Code v2.1.152 更新发布

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…
来源： Claude Code：GitHub Releases（RSS）

3. OpenAI 产品支持私有 MCP 服务器安全连接

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。
来源： X：OpenAI Developers (@OpenAIDevs)

4. 开源 FastVideo Dreamverse 实时视频生成工具

🚀 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/
来源： X：Sky Computing Lab (@haoailab)

5. Grok 编程智能体登陆 Kilo IDE 平台

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
来源：[X：xAI ( @xai )]( https://x.com/xai/status/2059666227115819149 )

6. Perplexity 开源 Unigram 分词器降低 CPU 占用

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
来源： X：Perplexity (@perplexity_ai)

7. 通过万亿参数与 Hub Bucket 实现增量权重同步：TRL 中的增量权重同步

本文标题涉及 Hugging Face TRL 框架中一项具体的增量权重同步技术。正文重申了 Hugging Face 的核心使命，即致力于通过开源和开放科学，来推动人工智能的进步与普及。
来源： Hugging Face：Blog（RSS）

8. OpenCode 与 MiMo V2.5 限时免费开放

OpenCode x MiMo V2.5 - 限时免费 1M 上下文 • 推理 • 文本 • 图像
来源： X：opencode (@opencode)

行业动态

1. 黄仁勋展示英伟达台湾新园区

黄仁勋展示了新的台湾园区。 英伟达计划每年在台湾投资约 1500 亿美元。 就在竞争对手 AMD 宣布将向台湾 AI 领域投资超过 100 亿美元一周后。
来源： X：Rohan Paul (@rohanpaul_ai)

2. 我国将加快研究推进人工智能健康发展综合性立法、低空经济立法等

来源： IT 之家（RSS）

3. Cognition 成为全球最大独立智能体实验室

Cognition 宣布已成为全球最大的独立智能体实验室。公司完成超 10 亿美元融资，估值达 260 亿美元，由 Lux Capital、General Catalyst 等领投。其企业使用量自年初增长超 10 倍，年化收入增至 4.92 亿美元。Cognition 于两年前推出 Devin，定位为首个 AI 软件工程师。公司强调其拥有多项领先优势，包括首个编码智能体、顶级代码审查能力等，并得到了 Peter Thiel 的重大投资。
来源： X：swyx (@swyx)

4. 教皇没对 AGI 上头

教皇 Leo XIV 发布题为《Magnifica Humanitas》的通谕，警告人工智能的使用绝非纯粹技术问题，当其进入影响人类生活的过程时，便触及权利、机会、地位与自由。通谕发布时，Anthropic 联合创始人 Christopher Olah 出席。文件引发了科技界内外的广泛反应。
来源： The Verge：AI（RSS）

5. 消息称高通与字节跳动达成 AI ASIC 芯片合作，采购量在数百万颗级别

来源： IT 之家（RSS）

6. 阿里云入选 Omdia 智能体 AI 市场雷达领导者

阿里云在 Omdia 的智能体 AI 市场雷达中被评为领导者。Omdia 强调了阿里云在每一层的全栈能力，认可其是首个将整个平台围绕智能体范式进行构建的云服务商。
来源： X：阿里云 / Alibaba Cloud (@alibaba_cloud)

7. 阿里云成为 PyTorch 基金会白金会员

阿里云宣布以白金会员身份加入 PyTorch 基金会。作为 AI 基础设施全球领导者，阿里云是开源模型家族 Qwen 的缔造方，已在多样化硬件上大规模运行 PyTorch，将为社区带来生产级工程经验。
来源： X：阿里云 / Alibaba Cloud (@alibaba_cloud)

8. 2026 年选举信息与保障

在 2026 年全球选举临近之际，通过帮助公众获取选举信息、支持网络防御者以及提升人工智能透明度这三方面的努力，来为选举提供保障。
来源： OpenAI：官网动态（RSS · 排除企业/客户案例）

论文研究

1. Fast, faster, Qwen. 🚀

Qwen3.5 在 TokenSpeed 推理引擎上，针对智能体工作负载达到了创纪录的 580 tokens per second (tps)速度。这一成果由通义千问推理团队、lightseekorg Foundation TokenSpeed 团队、NVIDIA 及 Mooncake 团队共同实现，并采用了 tri_dao 的 FlashAttention-4 (FA4) 优化。此里程碑标志着开源大语言模型推理性能的边界得到了推动，相关详情可查阅 PyTorch 社区博客。
来源： X：通义千问 / Qwen (@Alibaba_Qwen)

2. ITBench-AA：前沿大模型在首个智能体企业 IT 任务基准测试中得分均低于 50%

由 Artificial Analysis 和 IBM 推出的 ITBench-AA SRE 基准测试显示，所有前沿大模型得分均未超过 50%。Claude Opus 4.7（自适应推理，最大努力）以 47% 领先，GPT-5.5（xhigh）和 Qwen3.7 Max 分别得 46% 和 42%。该测试包含 59 个需要通过 Shell 命令调查 Kubernetes 事件快照并提交根因诊断的智能体任务。关键发现是模型推理轮次差异近 3 倍，但更长的轨迹并不转化为更高准确率，过度调查的模型会因提交误报而受罚。在成本方面，开源模型 Gemma 4 31B（Reasoning）以每任务$0.14 的成本获得 37% 得分，优于成本更高但得分更低的闭源模型。
来源： Hugging Face：Blog（RSS）

3. 通过零信任聚合实现的隐私分析

Google Research 推出了一种新的隐私分析解决方案。该方案结合了一种新的密码学安全聚合协议与可信执行环境（TEE）的透明性，旨在实现前沿的隐私与安全保证。其核心是基于零信任原则，通过密码学与硬件保护的结合，确保系统仅能获取群体的匿名化聚合洞察。
来源： Google Research：Blog（网页）

4. 社会科学中的编码智能体

一项针对 1260 名定量社会科学家的调查显示，虽然 81% 的受访者用过 AI 聊天机器人，但仅有 20% 将 Claude Code、Codex 等编码智能体常规应用于工作。采用率存在显著差异：以男性名字命名的研究者使用率是女性研究者的两倍；顶尖大学研究者可能性高出 40%。用户产出更多工作论文和基金申请，但这可能反映早期采用者自身差异。研究者对 AI 助力撰写可发表论文更乐观，但对重塑整个社会科学领域持保留态度。这是一项初步调查，更深入研究仍在进行中。
来源： Anthropic：Research（发表成果 · 网页）

技巧与观点

1. 与 Google 搜索产品副总裁 Robby Stein 的访谈：AI 原生搜索时代

本文记录了与 Google 搜索产品副总裁 Robby Stein 在 Google I/O 的访谈，核心探讨 Google Search 向“AI 原生”模式的重大转变。讨论话题包括 AI Mode 是进化还是重塑、如何将复杂问题拆解为多轮搜索、AI 搜索的高运行成本、Google TPU 及基础设施的优势、AI 时代搜索量不减反增的原因，以及优质 AI 回答与出版商流量之间的张力。访谈还涉及 Google 决定展示哪些信息源与链接的逻辑，并围绕一个核心问题展开：如果 Google 直接给出答案，传统的基于链接的网页生态将走向何方？
来源： X：Kim (@kimmonismus)

2. 藏师傅发布小红书图文排版 AI Skill，集成地图与自动配图

该推文介绍了 guizang-social-card-skill，一款针对小红书图文常见类别进行优化的 AI Skill。其亮点在于为旅行博主集成了地图组件，用户输入目的地和线路后，AI 能自动在底图上标记并嵌入图片。根据引用，该 Skill 完全基于 HTML 和实拍图片生成内容，不会被平台标注为 AI 生成，并会主动从高质量图片网站寻找对应主题图片，以优化图文排版。
来源： X：歸藏 (@op7418)

3. 使用大语言模型保障源代码安全

本文分享了使用 Claude Opus 构建威胁模型、发现代码漏洞并进行验证、分类和修复的最佳实践。其核心流程是一个六步循环：威胁建模、沙箱隔离、漏洞发现、验证、分类和修复。作者指出，漏洞发现现在易于并行化，瓶颈已转移到后续的验证与处理阶段。以他们对开源软件的扫描为例，截至 2026 年 5 月 22 日已披露 1,596 个漏洞，其中 97 个已修补。指南建议结合代码库文档和专家访谈来构建准确的威胁模型，以降低误报，提升发现的可利用性。
来源： Claude：Blog（网页）

4. 用好 Coding Agent，重点是两头，尤其是开头的部分，如果一开始就走偏了后面怎么改都改不好。

用好 Coding Agent 的关键在于初始规划。方法是先将需求整理后，用最强模型（如 GPT-5.5、Claude Opus 4.7）分别在 Codex、Claude Code、Cursor 的 Plan 模式下生成设计方案，选择最优方案并借鉴其他版本。对于复杂计划，可将其拆分为多个 Phases 并明确要求与验证标准，形成 Markdown 文档。执行时按 Phases 进行，并辅以人工审核纠偏。最后的代码审核（Code Review）用 GPT-5.5 审核代码质量与设计符合度即可。应避免让多个智能体交叉 Review，否则可能导致代码越改越多。
来源： X：宝玉 (@dotey)

5. 我认为 Anthropic 和 OpenAI 找到了产品市场契合点

Anthropic 与 OpenAI 通过编程智能体找到了产品市场契合点，这导致企业客户成本显著上升。两家公司已于 2026 年 4 月前后调整了企业套餐定价，从原先的高额折扣改为与 API 用量挂钩。Anthropic Enterprise 套餐变为每席位 20 美元/月外加 API 费用，OpenAI Codex 则按 API token 用量计费。同期发布的新模型 GPT-5.5（4 月 23 日）和 Opus 4.7（4 月 16 日）的 API 定价也显著高于前代版本。
来源： Simon Willison 博客

6. Reachy Mini 实现完全本地化语音交互

Reachy Mini 机器人现可通过 speech-to-speech 库实现完全本地化的语音交互，无需依赖云端。该方案采用级联流水线架构，对外提供 Realtime API 兼容的 WebSocket 接口。默认组件包括 Silero VAD 用于语音活动检测、Parakeet-TDT 作为语音转文本模型、通义千问（Qwen3-TTS）作为文本转语音模型。大语言模型推荐使用 llama.cpp 运行 Gemma 4。所有数据均在本地处理，保障了隐私且无 API 费用。
来源： Hugging Face：Blog（RSS）

7. OpenAI 奥尔特曼称 AI 对白领冲击不如预期般严重：我很高兴自己当时错了

来源： IT 之家（RSS）

8. AI 智能体的零信任安全框架

Anthropic 发布了针对企业部署自主 AI 智能体的安全框架，指出前沿大语言模型正将漏洞利用周期从数月压缩至数小时。部署智能体面临双重风险：基础设施易受 AI 加速攻击，且智能体自身具备自主决策与执行能力。文章提出一个三层零信任架构（基础、高级、优化级）及八阶段实施流程，并概述了提示注入、工具投毒、记忆投毒等特有威胁。
来源： Claude：Blog（网页）