（本文借助 AI 大模型及工具辅助整理）
一句话总结：Midjourney V8.1 三倍提速降价回归经典美学，Anthropic Claude Code 推出云端 Routines 自动化，小红书突然开源多模态训练引擎------AI 从"造工具"进入"用工具造工具"的新阶段。
🌊 AI 动态与趋势
本周 AI 领域呈现出一个清晰的信号：AI 工具链正在从单点产品走向自动化工作流。Anthropic 为 Claude Code 推出 Routines 功能，让开发者可以设定定时任务、API 触发和 GitHub 事件驱动的自动化流程------Mac 关机也不耽误活干。这意味着 AI 编程助手正在从"对话式工具"进化为"后台自动化引擎"。
与此同时，多模态训练的基础设施争夺战正在升温。小红书突然开源了 Relaxed 训练引擎，专为全模态和 Agentic 场景设计，引入模态感知并行和端到端异步流水线。这表明即使是内容平台也在认真布局 AI 底层能力，开源不再只是技术公司的游戏。
在硬件与空间智能方向，阿里千问 AI 眼镜在南京机场开了全球首店，李飞飞的 WorldLabs 发布了 Spark 2.0 跨平台 3DGS 渲染器------AI 的触角正从屏幕延伸到真实空间的每一个角落。
📰 AI 今日看点
今天的 AI 行业，像极了一个正在组装自动化流水线的工厂。过去我们讨论的是"AI 能做什么"，现在讨论的是"AI 能替你自动做什么"。编程、训练、渲染、健康咨询......每个领域都在从"人问 AI 答"转向"设定目标，AI 自己跑完"。这种转变的底层逻辑是：AI 工具已经足够成熟，成熟到可以作为更高级系统的"零件"来使用。当 AI 开始管理 AI，当 Agent 开始调度 Agent，整个行业就进入了一个新的增速区间------不是因为某个单点突破，而是因为组合创新的速度呈指数级增长。
🔥 AI 大事件
Midjourney V8.1 重磅发布：原生 2K 高清渲染速度成本双降 3 倍
V8.1 版本在高清渲染模式上实现重大优化，原生 2K 渲染速度比 V8 快 3 倍、成本降低 3 倍，同时回归 V7 经典美学并恢复图像提示功能，新增"Run as HD"按钮和 Describe 功能。
来源：AIbase
Anthropic Claude Code 推出 Routines：云端自动化工作流
开发者可通过定时任务、API 调用或 GitHub 事件触发自动化流程，无需手动管理服务器和 cron 任务。即使本地 Mac 关机，云端依然按时执行。
来源：AIbase
小红书开源 Relaxed 训练引擎
专为全模态和 Agentic 场景设计的大型强化学习训练引擎，引入模态感知并行和端到端异步流水线两大核心机制，显著提升多模态训练效率。
来源：AIbase
李飞飞 WorldLabs 发布 Spark 2.0
首个集成 Three.js 的跨平台超大规模 3DGS 渲染器，引入 LoD 系统和 WebGL2 技术栈，突破硬件壁垒实现高保真 3D 内容访问。
来源：AIbase
NAACP 起诉 xAI 阻止 Colossus 2 数据中心
NAACP 以违反《清洁空气法》为由起诉 xAI，指控其孟菲斯数据中心在无空气许可情况下运营 27 台燃气涡轮机，污染当地社区。
来源：The Verge
Google Gemini Robotics-ER 1.6 发布
Google 称其为"迄今最安全的机器人模型"，支持机器人推理和理解环境，Boston Dynamics 的 Spot 机器狗已可读取压力表等仪表。
来源：The Verge
Microsoft MAI-Image-2-Efficient 上线
更快速、更便宜的 AI 图像生成模型，比 MAI-Image-2 价格降低 41%，速度快 22%，GPU 吞吐效率提升 4 倍，号称"生产级工作马"。
来源：VentureBeat
Meta 被曝计划用 AI 克隆替换扎克伯格
据报道 Meta 计划创建扎克伯格的 AI 克隆，引发关于 CEO 形象管理和 AI 代理边界的讨论。
来源：The Verge
🛠️ AI 应用前线
Chrome 为 Gemini 上线"技能库"
用户可将复杂提示词固定为技能一键复用，支持跨标签页执行，敏感操作需二次确认。
美团发布"小团健康管家"与"健康卡"
正式入局 AI 家庭健康管理赛道，提供 AI 医疗咨询、体检报告智能解读、家庭健康档案管理，打通从咨询到购药的全链路。
阿里千问 AI 眼镜全球首店开业
选址南京禄口机场 T2 航站楼，核心供应链全部位于江苏，计划 2026 下半年从南京模式向全国重点城市扩展。
Google Gemini Personal Intelligence 全球扩展
可从 Gmail、Google Photos、搜索历史和 YouTube 观看记录中提取信息的个人智能功能，向全球推出（英国、瑞士、欧洲经济区除外）。
Adobe Firefly AI 助手可自动操作 Creative Cloud 应用
新助手能直接在 Photoshop、Illustrator 等应用中执行操作，实现从指令到设计的自动化。
📊 数据速递
- 3x --- Midjourney V8.1 高清渲染速度与成本较 V8 改善幅度（来源：AIbase）
- 41% --- Microsoft MAI-Image-2-Efficient 相比前代的价格降幅（来源：VentureBeat）
- 4x --- MAI-Image-2-Efficient 的 GPU 吞吐效率提升（来源：Microsoft）
- 69% --- AI-Scientist-v2 内置自动评审器与人类评审者相当的准确率（来源：Sakana AI）
- 27 台 --- xAI 孟菲斯数据中心无许可运营的燃气涡轮机数量（来源：The Verge）
📊 今日概览
| 维度 | 数据 |
|---|---|
| 📅 日期 | 2026-04-15 |
| 🔬 ArXiv 精选论文 | 8 篇 |
| 🚀 GitHub 趋势项目 | 15 个 |
| 📰 新闻事件 | 12 条 |
🔬 ArXiv 今日精选论文
🤖 大模型与 Agent
• Toward Autonomous Long-Horizon Engineering for ML Research
AiScientist 系统：面向长周期 ML 研究的自主工程框架，采用分层编排 + 文件总线工作区，实现跨小时/天的连贯研究进展。
arXiv:2604.13018
• Visual Preference Optimization with Rubric Rewards (rDPO)
提出基于实例特定评分量规的偏好优化框架，在奖励建模基准上使 30B-A3B 评判模型接近 GPT-5.4 水平。
arXiv:2604.13029
🔍 多模态与 3D
• SceneCritic: A Symbolic Evaluator for 3D Indoor Scene Synthesis
基于空间本体 SceneOnto 的符号化 3D 室内场景评估器，在人类判断对齐上显著优于 VLM 评估器，揭示文本 LLM 在语义布局质量上可超越 VLM。
arXiv:2604.13035
• Representation Geometry Shapes Task Performance in Vision-Language Modeling for CT Enterography
首次在腹部 CT 小肠造影上研究视觉语言迁移学习，发现均值池化更利于分类、注意力池化更利于检索，组织对比度比空间覆盖更重要。
arXiv:2604.13021
⚙️ 优化与系统
• CLAD: Efficient Log Anomaly Detection Directly on Compressed Representations
首个直接在压缩字节流上进行日志异常检测的深度学习框架，F1-score 达 0.9909，完全消除解压和解析开销。
arXiv:2604.13024
• Classical and Quantum Speedups for Non-Convex Optimization via Energy Conserving Descent
提出随机 ECD 和量子 ECD 动力学，在正双井目标函数上相比梯度下降实现指数级加速，高势垒场景下量子版本更进一步。
arXiv:2604.13022
🚀 GitHub AI 趋势日榜 Top 15
本周 GitHub 趋势持续被 AI 项目主导，编程 Agent、多模态训练引擎、语音 AI 和自进化系统成为关键词。AI Agent 生态从"单点工具"向"多 Agent 协作编排"快速演进。
| # | 项目 | ⭐ Stars | 简介 |
|---|---|---|---|
| 1 | SakanaAI/AI-Scientist-v2 | 8K+ | AI 全自动科研：从想法到论文，通过 ICLR 同行评审 |
| 2 | microsoft/VibeVoice | 35K+ | 微软语音 AI 家族：90 分钟长音频 TTS + 60 分钟 ASR |
| 3 | NousResearch/hermes-agent | --- | 自学习 AI Agent 框架，闭环进化 + 200+ 模型支持 |
| 4 | onyx-dot-app/onyx | 23K+ | 开源企业 AI 搜索，RAG + Deep Research，Netflix 在用 |
| 5 | luongnv89/claude-howto | 17K+ | Claude Code 最全学习指南，10 模块 11-13 小时 |
| 6 | mvanhorn/last30days-skill | 18K+ | 一句话搜遍全网近 30 天讨论，70 秒出研究报告 |
| 7 | Yeachan-Heo/oh-my-codex | 14K+ | OpenAI Codex 多 Agent 编排，30 个专业 Agent + tmux 并行 |
| 8 | Yeachan-Heo/oh-my-claudecode | 11K+ | Claude Code 19 Agent 编排，智能模型路由省 30-50% Token |
| 9 | siddharthvaddem/openscreen | 10K+ | Screen Studio 开源替代，屏幕录制美化 + 动画 |
| 10 | google-research/timesfm | --- | Google 时序预测模型 2.5 版，200M 参数零样本夺冠 |
| 11 | anomalyco/opencode | --- | 端到端开源编码 Agent，支持任意 LLM |
| 12 | vas3k/TaxHacker | --- | AI 自动记账算税，支持 170+ 法定货币 + 本地 LLM |
| 13 | xiaohongshu/relaxed | --- | 小红书开源多模态 RL 训练引擎 |
| 14 | black-forest-labs/flux | --- | 70 人 AI 图像创业公司挑战硅谷巨头 |
| 15 | unitree/r1 | --- | 宇树 R1 人形机器人开售，$4,370 上架 AliExpress |
💡 今日洞察
-
Agent 编排成为新范式：从 oh-my-claudecode 到 oh-my-codex，多 Agent 编排系统在两周内双双破万 Star。AI 开发者正在从"用一个模型"转向"编排一支 Agent 团队"，这标志着 AI 工程从单点优化进入系统设计阶段。
-
开源训练引擎的军备竞赛：小红书突然开源 Relaxed 引擎，与 DeepSeek、阿里等形成开源训练基础设施的多元竞争。这不是做慈善------控制训练层意味着控制 AI 生态的话语权，每家都在抢"AI 时代的 LLVM"位置。
-
AI 自动化的"信任门槛"正在下降：Claude Code Routines 让 AI 在你关机后继续干活，AI-Scientist-v2 让 AI 独立完成科研。当自动化系统足够可靠，人们就愿意把更多决策权交给它------这个正反馈循环正在加速。
✍️ 编辑策划 / 整理 ：Fan Jun AI Tech Notes 组
📅 发布日期 ：2026-04-15
数据来源：ArXiv API、GitHub API、TechCrunch、The Verge、Wired、VentureBeat、机器之心、量子位、AIbase 等