搜索全球AI产品动态

近期，Google 宣布在其 Gemini API 中推出一项新功能 —— 隐式缓存。这一功能旨在帮助第三方开发者在使用最新 AI 模型时节省成本，最高可达75% 的费用节约，尤其是在处理重复性上下文时效果显著。 隐式缓存的工作原理隐式缓存的核心在于，它能够自动识别并重用之前请求中相似的内容。Google 表示，这项新功能已默认开启，适用于 Gemini2.5Pro 和2.5Flash 模型。当开发者向 Gemini2.5模型发送请求时，如果该请求与之前的某个请求存在相同的前缀，就有可能命中缓存，从而实现成本节约。与此前的

Anthropic宣布推出其 AI 助手 Claude 的新网络搜索功能，进一步加剧 AI 搜索市场的竞争，开发者现在可以通过 API 使 Claude 访问最新的网络信息。这一功能允许 AI 助手进行多次渐进式搜索，从而汇总全面的答案，并附上信息来源的引用。Anthropic表示，开发者可以在使用消息 API 时，通过启用网络搜索工具来增强 Claude 的知识库，加入实时的现实数据。这一功能的推出恰逢传统搜索逐渐失去市场份额之际。最近的数据显示，Safari 浏览器的搜索量在其22年的历史中首次出现下降，这引发了苹果公司高

ComfyUI于2025年5月6日宣布完成品牌升级，同步推出原生API节点功能。这一更新不仅为ComfyUI带来了全新的视觉标识，还通过集成11个主流在线视觉AI模型、65个新节点，显著提升了其图像和视频生成能力。据官方介绍，用户无需自行申请API密钥，仅需在ComfyUI平台登录即可无缝调用包括Flux.1、Veo2、GPT-Image-1等在内的先进模型。原生API节点:一站式接入主流模型ComfyUI的原生API节点功能堪称此次更新的核心亮点。该功能支持11个模型家族，包括Black Forest Labs的Flux1.1[pro] Ultra、Google Veo2、Stability AI等，覆

月之暗面科技有限公司宣布正式发布其最新的长思考模型API——kimi-thinking-preview。这一模型具备多模态推理能力和通用推理能力，擅长深度推理，能够帮助用户解决复杂的代码问题、数学难题和工作中的挑战。

Luma AI 宣布其旗舰视频生成模型 Ray2的 Camera Concepts API 正式上线，为开发者提供了前所未有的电影级镜头控制能力。结合此前推出的 Camera Motion Concepts 和 Camera Angle Concepts，这一 API 的发布标志着 AI 视频生成技术在创意控制和生产效率上的重大突破。Camera Concepts API:赋予开发者电影级创意控制Luma Ray2的 Camera Concepts API 允许开发者通过简单的 API 调用，精准控制 AI 生成视频中的镜头运动和角度。该 API 整合了 Ray2的 Camera Motion Concepts（包括平移、轨道、起重机镜头等20余种运动模式）和 Camera Angle

在刚刚结束的首届 LlamaCon AI 开发者大会上，Meta 公司正式发布了其 Llama 系列 AI 模型的 API，名为 Llama API。该 API 目前处于有限预览阶段，旨在让开发者能够探索和试验基于不同 Llama 模型的产品。Meta 表示，这一新工具将与公司的 SDK 配合使用，允许开发者创建由 Llama 模型驱动的服务、工具和应用程序。虽然 Meta 尚未透露 Llama API 的定价，但这项发布正值 Meta 在激烈的开放模型竞争中力求保持领先地位的背景下。Meta 目前声称，Llama 模型的下载量已超过10亿次。然而，行业内如 DeepSeek 和阿里巴

PayPal 近日发布了全新的智能代理工具包（Agent Toolkit），旨在帮助开发者将 PayPal 的 API 套件与人工智能(AI)框架结合起来。通过采用模型上下文协议(Model Context Protocol，简称 MCP)，这一工具包为支付、发票、纠纷、发货追踪、目录管理、订阅和分析等功能提供了便捷的 API 接入。MCP 是一项由 Anthropic 提出的标准，旨在规范智能代理如何访问第三方服务和数据源。现在，PayPal 的官方 MCP 服务器已向开发者开放，允许在云环境中进行身份验证的远程 MCP 服务器接入，支持用户在多设备上通过简化的

​4月27日，清华大学旗下的两家明星人工智能公司智谱（Z.ai）和生数科技(shengshu.com)宣布达成重大战略合作。此次合作旨在通过双方在大语言模型和多模态生成模型的技术积累与优势，共同推进国产大模型的技术创新与产业落地。

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、OpenAI推ChatGPT新图像生成功能API:开发者可轻松集成 AI 绘图功能OpenAI最近推出了gpt-image-1图像生成API，开发者可以将这一先进技术轻松集成到各种应用中。这一功能自上线以来，吸引了大量用户，生成了超过7亿张图像。gpt-image-1不仅支持多种图像风格，还内置安全护栏，确保生成内容符合公司政

OpenAI正式推出gpt-image-1API，标志着其备受瞩目的4o图像生成能力向开发者开放。据AIbase了解，这一API以其高保真图像生成、多样化视觉风格与强大的世界知识整合能力，被社区誉为“世界最强生图”工具。发布消息迅速在AI开发者与创意社区中引发热烈反响，相关文档已通过OpenAI官网与Playground平台公开。核心功能:高保真与多样化风格生成gpt-image-1API基于OpenAI4o模型的多模态能力，为用户提供了前所未有的图像生成体验。AIbase梳理了其主要功能: 高保真图像生成:支持生成1024x1024分辨率的高质量

OpenAI 在近日宣布，已将其最新的图像生成功能通过 API 开放给开发者，使其能够将这一先进的技术集成到各种应用和服务中。这一消息无疑为开发者们提供了一个新的机遇，特别是在图像处理和创作领域。新推出的图像生成模型名为 “gpt-image-1”，其背后支持了 ChatGPT 的图像生成技术。自今年3月底该功能上线以来，用户可以创建出逼真的吉卜力风格图片和各种 “AI 人偶”。这一功能在上线后迅速吸引了数百万新用户注册 ChatGPT，给 OpenAI 的服务器带来了巨大的压力。仅在工具推出的第一周

为了应对开发者在从商业文档中提取可靠数据方面日益增长的压力，ABBYY 于近日推出了 ABB Document AI™，该工具通过自助应用程序接口（API）提供服务。ABBYY Document AI API 的设计旨在提升开发者的使用体验，用户只需通过几行代码即可轻松将非结构化的商业文档转换为结构化的高精度数据，从而简化尝试、集成、学习和购买行业领先的光学字符识别(OCR)及智能文档处理(IDP)解决方案的过程。图源备注：图片由AI生成，图片授权服务商MidjourneyABBYY 的工程研发副总裁 Nick Hyatt 表示:“作为 OCR 领域的

2025年4月17日，OpenAI通过社交媒体宣布发布了一份34页的《智能体实践指南》，为开发者提供构建智能体应用的全面指导。此举标志着OpenAI在推动AI技术落地与标准化方面的又一重要进展。据推文内容，该指南详细介绍了如何利用OpenAI的Responses API构建智能体，涵盖网络搜索、文件搜索及计算机使用等功能。Responses API是对Chat Completions API的重大升级，融合了Assistants API的工具使用能力，简化开发者构建复杂任务智能体的流程。指南强调API的灵活性与易用性，支持多工具调用，助力开发者实现自

为应对日益激烈的人工智能市场竞争，OpenAI 近日推出了一种名为 Flex 处理的新型 API。这一全新的选择将使得用户能够以更低的成本使用 AI 模型，尽管在响应速度和可用性上有所妥协。Flex 处理旨在支持低优先级和非生产性的任务，例如模型评估、数据丰富以及异步工作负载。具体来说，Flex 处理的成本大幅下降。例如，使用 o3模型时，Flex 处理的价格为每百万个输入词元5美元，相较于标准价格10美元减少了50%。而在输出方面，每百万个输出词元的费用也从40美元降至20美元。对于 o4-mini 模型

近日，开源社区迎来一款重量级工具——FastAPI-MCP。这款近乎零配置的工具能够自动将FastAPI应用的接口转换为Model Context Protocol（MCP）工具，为AI模型与后端服务的无缝交互开辟了新路径。据AIbase了解，FastAPI-MCP以其简单易用和高灵活性迅速引发开发者热议，广泛应用于AI驱动的自动化场景。项目现已开源，源代码可在GitHub获取，标志着AI与API集成技术的又一里程碑。核心功能:自动转换，智能调用FastAPI-MCP的核心在于其“零配置”设计，能够自动发现FastAPI应用中的所有端点，并将其转化为MCP工

豆包大模型近日发布了系列更新，其中豆包1.5·深度思考模型和豆包文生图模型3.0正式通过火山引擎开放 API，供开发者和企业客户使用。这两款模型在推理任务和通用任务的综合表现达到了业界前沿水平，并在视觉推理和图像生成方面取得了显著进展。

Google DeepMind的最新视频生成模型 Veo2正式登陆Google AI Studio和Gemini API，标志着AI视频生成技术迈向新的高度。作为Google对标OpenAI Sora的旗舰产品，Veo2以其卓越的视觉真实感、物理模拟能力以及对复杂指令的精准响应，迅速成为业界焦点。Veo2:高保真视频生成的突破Veo2是Google DeepMind在视频生成领域的最新力作，支持从文本或图像提示生成高达720p分辨率、每秒24帧、时长最长8秒的视频片段，未来有望扩展至4K分辨率和更长时长。相较于前代模型，Veo2在视觉细节、运动流畅性及物理真实性上实现了

最近，OpenAI 在其官方网站上发布了一项新政策，表明未来的某些人工智能模型将需要组织进行身份验证才能访问。这一名为 “已验证组织” 的验证流程，旨在为开发者解锁 OpenAI 平台上最先进的模型和功能，提升 AI 技术的安全性与可控性。根据该政策，组织需要提供由 OpenAI API 支持的国家或地区政府颁发的身份证件，以完成身份验证。需要注意的是，每90天内，一个身份证件只能验证一个组织，而并非所有的组织都有资格进行这一验证。OpenAI 在声明中表示:“我们在 OpenAI 认真履行责任，

近日，一位17岁的开发者凭借其非凡的技术才能，成功开发了一款名为 “ChatGPT for Legacy iOS” 的应用，让老旧的 iPhone3GS 等设备也能体验到现代人工智能的魅力。这款应用的发布引发了广泛关注，因为它打破了 Apple 对于旧设备的限制，使得这些已经被时代抛弃的手机重新焕发了活力。目前，官方的 ChatGPT 应用需要运行在 iOS17或更高版本的设备上，这使得许多老款 iPhone 用户无法享受到这一前沿技术。然而，这位年轻的开发者利用 OpenAI 的 API，成功为老旧设备提供了 ChatGPT 的功能。新应用不仅

马斯克创立的人工智能公司 xAI 最近开始通过 API 提供其旗舰产品 Grok3模型。这一模型的推出是为了与 OpenAI 的 GPT-4o 和 Google 的 Gemini 等人工智能产品竞争。Grok3具备图像分析能力，并能够回答相关问题，为马斯克的社交网络 X 提供了多项功能支持。值得一提的是，X 在今年3月被 xAI 收购，进一步加强了两者的结合。xAI 目前通过 API 提供两种 Grok3模型:Grok3和 Grok3Mini。Grok3的定价为每百万个输入词元3美元，每百万个生成词元15美元，而 Grok3Mini 则定价为每百万输入词元0.30美元，每百万输出词元0