Google Chrome AI 技能上线，帮你保存常用工作流
Google 在 Chrome 中推出“Skills”功能，允许用户将常用 AI 提示词保存为可复用模板，通过斜杠或加号按钮在任意网页一键调用。该功能基于 Gemini 扩展，覆盖食谱查询、购物比价、长文档摘要等高频场景，并同步上线预设模板库。目前面向桌面端 Chrome 用户开放，需登录 Google 账号且语言设置为英语（美国）。
Anthropic 联合创始人确认公司曾向特朗普政府通报 Mythos 相关情况
Anthropic 联合创始人 Clark 确认公司在高风险模型 Mythos 发布前已向特朗普政府通报，并淡化与国防部的供应链风险争议。他表示政府需了解前沿技术，企业正探索与政府的新合作模式。 Clark 还指出目前仅在少数行业观察到就业疲软迹象，建议大学生培养跨领域综合分析能力， AI 时代关键在于提出正确问题和融合不同学科洞见。
Gemini 机器人具身智能 1.6
Google DeepMind 发布 Gemini Robotics-ER 1.6 推理模型，专为机器人应用设计。该模型在空间逻辑、多视角理解和任务规划能力上实现突破，新增复杂工业仪表读数功能，得益于与 Boston Dynamics 的深度合作。安全性方面表现突出，成为 Google 最安全的机器人模型。此次发布表明大语言模型正加速向物理世界渗透， Google 以空间智能为切入点务实布局，而 Boston Dynamics 在真实环境部署方面的经验恰好弥补了互联网公司的短板。
谷歌在 NotebookLM 上测试 Canvas 与 Connectors 功能
Google 正在为 NotebookLM 测试 Canvas 可视化界面与 Connectors 数据接入功能。 Canvas 可将资料源转化为交互式时间线或轻量级应用， Connectors 预计接入 Google Workspace 实现跨服务数据联动。同时新增标签分类功能提升资料管理效率。此番迭代表明 NotebookLM 正从研究助手向结构化创作工作台转型， Google 意在打通知识生产链路，但其开放性与可控性的平衡仍是挑战。
Meta 开始向 Meta AI 智能体推出“沉思模式”
Meta 向所有用户免费开放 Muse Spark 的 Contemplating 模式，采用 16 个智能体并行推理架构，在基准测试中性能对标 Google 和 OpenAI 顶尖模型。 Muse Spark 已位列全球 AI 助手第一梯队，发布后 24 小时内 App Store 排名跃升至第 5 位，全球安装量达 6050 万次。此举旨在以免费策略撬动付费竞品市场，将 AI 助手竞争从“能力对比”转向“生态争夺”。
汇聚各方力量，共赴 AI 经济论坛
Google 在华盛顿举办首届 AI 经济论坛，宣布扩大 AI 经济研究投入并提供大规模技能培训。论坛汇聚经济学家与产业领袖，探讨 AI 对就业的影响，资助独立研究并为全球 1 亿人提供数字技能培训，覆盖医疗、制造等传统行业。此举体现 Google 从技术布道者向“生态共建者”的转变，推动 AI 落地从消费端向产业纵深渗透。
Anything 应用两次被 App Store 下架后如何重建
Apple 对氛围编程应用重拳出击， Replit 、 Vibecode 等热门工具遭更新暂停或下架。 Anything 应用两度被移出 App Store ， Apple 援引开发者协议 2.5.2 条款，以安全风险为由禁止应用执行代码。受影响开发商转向 iMessage 、桌面端及 Android 寻求出路。 Tim Sweeney 公开声援批评 Apple 封杀开发工具。这一博弈折射 AI 时代平台控制权与开放生态的深层矛盾。
OpenAI 收购 AI 个人金融初创公司 Hiro
OpenAI 已完成对个人理财初创公司 Hiro Finance 的收购，交易条款未披露。此举更接近人才收购，因 Hiro 将于 4 月 20 日停止运营。 Hiro 由连续创业者 Ethan Bloch 于 2023 年创立，专注于 AI 驱动的财务规划服务。 Bloch 此前创立的 Digit 曾以超 2 亿美元被收购。此交易反映 AI 行业正从通用大模型向垂直领域纵深，专业化智能体或成下一竞争焦点，连续创业者的执行力和产品思维正成为稀缺资产。
新方法让 AI 模型在训练中实现轻量化提速
MIT 团队联合多机构开发 CompreSSM 技术，在 AI 模型训练过程中同步完成压缩。核心创新在于引入控制理论数学工具，利用汉克尔奇异值衡量各状态重要性，仅需完成 10%训练即可确定可丢弃部分，后续 90%训练以更小规模进行。实验显示压缩模型保持接近完整准确率，训练速度提升 1.5 至 4 倍，将压缩从事后补救转为训练内生环节，为 AI 系统开发提供从“越大越好”向“适度精准”转变的新范式。