里记录每周值得分享的AI科技内容，周末发布。
本杂志开源（GitHub: aitobox/newsweekly），欢迎提交 issue，投稿或推荐你的项目。
AI资讯
1. 2025 Google I/O开发者大会
万众期待的Google I/O开发者大会，终于在5月21日凌晨1点正式开始了。
详细内容
大会包括Google在AI、视觉生成、搜索、Agent系统及其他领域的最新发布和技术进展。分为六大部分，共列举了23项重点内容，涵盖了Google AI Ultra会员计划、Gemini系列模型、Veo3、Imagen 4、AI搜索模式、Agent系统及硬件设备等，展现了Google在人工智能和技术创新方面的全面发力。
一、战略级产品：Google AI Ultra 会员
定价：249.99 美元/月（前三个月半价 124.99 美元） 覆盖服务：Gemini 2.5 Pro Deep Think、Veo3、Project Mariner、NotebookLM、YouTube 会员等 意义：整合 Google 最新 AI 技术，标志其生态协同战略的全面落地
二、AI 模型：Gemini 系列全面进化
- Gemini 2.5 Pro 语言/推理/代码能力登顶 LMArena 榜单，WebDev 编码测试分数提升 142 点 彩蛋：自主通关《宝可梦：蓝》游戏，展示复杂任务处理能力
- Gemini 2.5 Flash 速度优化版，6 月正式上线，支持 AI Studio 预览
- Deep Think 模式 通过延长推理时间提升数学/编程任务质量（类似 OpenAI 的 o1 pro）
- Gemini Diffusion 实验性扩散模型，生成速度比前代快 5 倍，代码质量持平
官方让Gemini 2.5 Pro自己打通了《宝可梦：蓝》，八枚徽章收齐，四大天王+冠军全通。
三、Gemini 产品：多模态交互升级
- Gemini Live 整合 Project Astra，支持摄像头实时问答（已上线 Android/iOS） 示例：识别街景物体并纠正用户错误认知
- Personal Context 打通 Gmail/Drive 数据，生成个性化服务（如考试复习题）
- Agent Mode 代理模式自动执行复杂任务（如房源搜索、预约看房），实验阶段待开放
四、视觉生成：对标 Sora 的突破
- Flow 电影工具 整合 Veo/Imagen/Gemini，支持视频生成+剪辑（需使用官方素材） 限制：仅限美国区域，需魔法访问
- Veo3 原生音频生成：同步音效/对话（如机器人战斗、篮球进球欢呼） 成本：单条视频消耗 150 点数（Ultra 会员月供 12500 点）
- Imagen 4 文字嵌入优化：支持复杂排版（如恐龙骨字母海报），已上线 Whisk 平台
AIToBox第一时间测试Veo3的生成工具，配合好的分镜，个人制作精良的电影不是梦了，下面是AIToBox用Veo3一段仿照经典的科幻镜头《太空漫游2001》生成的短片:
同样的，分镜描述也是由Gemini 2.5 Pro生成的:
| 镜头号 | 场景描述 (视觉) | 声音 | 时长 (大约) |
|---|---|---|---|
| 1 | 外景. 史前平原 – 白天 <br> 特写镜头，一只猩猩（早期人类）的手试探性地从一堆动物骸骨中捡起一根大骨头。猩猩带着一丝顿悟的神情看着骨头。 | 低沉的猩猩喉音，风声。 | 2 秒 |
| 2 | 外景. 史前平原 – 白天 <br> 中景镜头。这只猩猩站了起来，用尽全力将骨头砸向地上的动物骸骨。背景中的其他猩猩或退缩，或带着恐惧和好奇的神情注视着。 | 骨头撞击的清脆断裂声，猩猩的尖叫声。 | 3 秒 |
| 3 | 外景. 史前平原 – 白天 <br> 慢动作。低角度拍摄。猩猩得意洋洋地将骨头高高抛向明亮的天空。骨头在空中翻滚。 | 激昂、胜利的管弦乐渐强 (灵感来自《查拉图斯特拉如是说》)。 | 2 秒 |
| 4 | 外景. 太空 – （与上一镜）连续 <br> 匹配剪辑。旋转的骨头无缝衔接过渡为一个光滑的白色宇宙飞船，在繁星点点的宇宙和远处的地球/月球背景下优雅地翻滚。 | 管弦乐推向宏伟的高潮，然后逐渐减弱为轻柔的嗡鸣声。 | 3 秒 |
五、搜索革命：AI Mode 重构体验
功能亮点：
- 端到端对话式搜索，支持长复杂提问
- 个性化推荐（结合 Gmail/搜索历史）
- 深度研究：自动生成带引用报告
- 虚拟试衣：上传照片预览穿搭效果
- 数据：AI 概览功能月活超 15 亿，搜索量增长两位数百分比
六、Agent 系统：自动化新范式
- Project Mariner 浏览器自动化 Agent，支持多任务并行 & 示范学习（RPA 式操作）
- 开发者 API 夏季开放
- Jules AI 编程助手，支持 GitHub 代码管理（每日 5 次免费额度）
还引入了一个非常酷炫的“示范并重复 (Teach and Repeat)”功能，就是你示范一次，它便学会流程，以后遇到类似任务就能直接上手。
资讯地址
2. Anthropic发布Claude Opus 4 与 Claude Sonnet 4
5月22日，Anthropic正式发布新一代 Claude 系列模型：[Claude Opus 4] 与 [Claude Sonnet 4]。这两款模型旨在为编程、高级推理及 AI 智能体领域树立全新标杆。
详细内容
- Claude 4 Opus：定位最强、最智能的模型，专为复杂推理、顶级编程和 AI Agent 工作流打造。
- Claude 4 Sonnet：性能卓越，兼具高推理能力和高效率，是 Claude 3.7 Sonnet 的显著升级版。
编程能力登顶全球：Claude 4 Opus 在 SWE-bench 上以 72.5% 的成绩傲视群雄，Terminal-bench 得分 43.2%，登顶「世界最佳编程模型」。Claude 4 Sonnet 在 SWE-bench 上也取得了 72.7% 的 SOTA 成绩。
AI Agent 能力再突破：扩展思考与工具使用：模型能在「扩展思考」模式下调用网页搜索等工具，实现推理与工具的交替使用，大幅提升响应质量。并行工具执行：可同时调用多个工具，效率更高。指令遵循更精准：对复杂指令的理解和执行能力显著增强。记忆力大幅提升：通过开发者授予的本地文件访问权限，模型能创建和维护「记忆文件」，提取并保存关键信息，实现跨会话的连续性和隐性知识积累。
资讯地址
AI文章
往期推荐
(完)
