今日 AI 快报|今天 AI 更新扎堆上线:哪些值得马上试,哪些看看就行?
今天的重点是 Gemini 决策 API、Kiro 和 Cursor 的协作工作区,以及多款语音、翻译和本地开发工具更新;AlphaGenome 2 主要面向科研,普通用户不必追着试。
Cursor 的 Projects 变成多人工作区,队友的 agents 也能互相协作
如果你平时用 Cursor 写代码,或者在团队里跟别人一起弄项目,Cursor 官方今天在 X 上发了个挺有意思的更新:他们把 Projects 重做成了多人模式。官方原话写得很直接:「Your agents can now coordinate with your teammates’ agents.」团队成员和各自的 agents 可以在同一个工作区里协作,agents 也能互相协调。
Kiro Crew 0.12.0 给每个 Bot 独立工作区,还能随时接管浏览器
Kiro 的更新日志介绍了 Crew 0.12.0,这次给每个 Bot 都配了独立的 Git worktree,还支持配置导出。浏览器任务运行时,用户可以随时接管操作;它还加上了 Google Workspace、Amazon Bedrock 知识库连接和后台通知。
Claude 的 MCP App 可以把完整应用嵌进对话里
Anthropic 的 ClaudeDevs 在 X 上说明,Claude 扩展了 MCP Apps 的公开预览,支持 app tools 和 embedded sites,完整应用可以直接在 Claude 里面运行。MCP App 会跟着 MCP server 一起发布,也能在支持该扩展的其他 AI 应用里运行;官方提醒,当前细节还会调整。
Muse 有自己的邮箱了,但现在只给美加付费用户
Meta 的 Muse 在 X 上宣布,付费用户在美国和加拿大现在可以获得 Muse 的独立邮箱,Muse 可代表用户收发邮件。官方后续帖说,用户可以在头像菜单的 mail 标签里开启,把邮件转发给 Muse,并自己选择它能联系谁;不在美加或没有付费的用户暂时用不了。
ElevenLabs 的 Scribe v3 专门处理吵闹录音和多人会议
ElevenLabs 发布了 Scribe v3 和 Scribe v3 Live,针对真实录音、极端背景噪音、停顿与句尾判断,以及多人开会时的说话人区分做了优化。Scribe v3 Live 已在 ElevenAgents 可用,两个模型都能通过 ElevenAPI 调用,Scribe v3 也成了 ElevenLabs app 的默认转写模型。
Fish Audio Live 3 让电话智能体听懂对方要插话
Fish Audio 发布了 Live 3 双工语音模型,专门面向电话智能体。官方信息称它能识别停顿和话尾,响应延迟低于 200 毫秒,还能在对方插话时决定继续说还是停下来:对方只说“yeah”时继续,对方说“wait, actually”时停下。
DeepL Aure 能保留语气,但暂时不支持中文
DeepL 发布了语音模型 Aure,用来驱动 DeepL Voice 的实时翻译,尝试保留说话人的语气起伏、情绪、重音和语速。它首发支持英语、德语、日语、韩语等 8 种语言,里面不含中文。
Gemini Decisions API:每百万输入 token 0.10 美元,输出免费
Google AI 官方博客发布了 Gemini Decisions API,基于 Gemini Decision 模型做快速、经校准的多模态决策。公开信息显示,它的输入价格是每百万 token 0.10 美元,输出免费,支持图片、视频、音频和 PDF,有 256K 上下文,一次最多处理 1000 个问题。它更像给开发者准备的批量分类或审核接口,不是新的通用聊天模型。
AWS 开源本地模拟器,三周由 AI agent 集群写了近 3 万次变更
AWS 发布了开源的 aws-emulator,可以在本地用 Docker 模拟 AWS 服务,不需要付费 AWS 密钥。它适合需要在本地测试 AWS 集成的开发者,但仍然需要 Docker。Simon Willison 记录的细节是,这个项目由 AI agent 集群在三周内提交了近 3 万次代码变更。
AlphaGenome 2 面向生命科学研究,普通用户不用追着试
Google DeepMind 发布了 AlphaGenome 2,用 DNA 序列预测变异如何影响特定人类细胞类型和疾病机制。官方页面说明 API 已经开放,但它的定位是生命科学研究;普通用户没有必要为了追热点去折腾。
出处(13)
- Bots for Everyone and a Browser You Can Take Over · Kiro
- Gemini Decisions API: Fast, calibrated multimodal decisions · Google
- 谷歌发布 Gemini Decision 1 · Linux.do
- AlphaGenome 2: Deciphering how cells read DNA to better understand disease · Google DeepMind
- ClaudeDevs MCP Apps 帖 · Anthropic
- Muse 独立邮箱帖 · Muse
- Cursor Projects 多人模式帖 · Cursor
- Introducing Scribe v3 and Scribe v3 Live · ElevenLabs
- DeepL wants real-time translation to finally capture sarcasm and mood shifts · The Decoder
- DeepL 推出旗下最逼真语音 AI 翻译模型 Aure · IT之家
- aws/aws-emulator · AWS
- aws-emulator · Simon Willison
- Fish Audio Live 3 · Fish Audio
内容有误?告诉我们,核实后会更正,并在这里写明改了什么。
评论
还没有人评论,来写第一条。
发表评论