AI文章
AI文章
整理 AI 项目、模型、工具和行业动态，给出更容易读懂的背景与使用参考。
内容精选
最新 AI 文章
BlenderWorld – Qwen 开源的 3D 创作 Agent 评测基准
BlenderWorld 是 Qwen 团队联合浙大、港中大、复旦、新国大推出的 3D 创作 Agent 评测基准，包含 223 项真实任务，测试 AI 能否根据照片、视频或设计规格，在 Blender 中交付可编辑的 3D 工程。
阅读全文DeepSeek-V4.1-Flash-1017 – DeepSeek推出的最新优化版
DeepSeek-V4.1-Flash-1017 是 DeepSeek 推出的轻量级模型迭代版本，网页端、APP与API已同步切换。新版本通过自反馈强化学习训练，大幅提升游戏开发、3D建模等编程能力，可零基础上手完整项目。
阅读全文Hy Memory 2.0 – 腾讯混元开源的智能体记忆框架
Hy Memory 2.0 是腾讯混元开源的智能体记忆框架，采用模型 + 框架 + 应用三层架构：专为记忆训练的 Hy-Memory-30A3B 模型、支持聊天/工作/代码三类记忆的 SDK，以及可连接 10 种 AI 工具的本地记忆管理应用 MemHub。
阅读全文MiDashengLM-Spatial – 小米开源的空间音频理解大模型
MiDashengLM-Spatial是小米Dasheng团队开源的空间音频理解大模型，业界首个在单一架构内统一通用音频理解与空间感知的端到端模型。
阅读全文GPT-Live-1.1 – OpenAI 推出的 ChatGPT 新一代语音模型
GPT-Live-1.1是OpenAI推出的ChatGPT新一代语音模型，接替GPT-Live-1，轻量版 GPT-Live-1.1 Quip 接替mini。GPT-Live-1.1延续全双工交互，可边听边答、随时插话，复杂任务交由后台模型处理。
阅读全文Muse Spark Open – Meta 开源的多模态大模型
Muse Spark Open 是 Meta 开源的多模态大模型，采用稀疏混合专家架构，总参数 8160 亿、单次推理激活 420 亿，支持 100 万 Token 上下文，可处理文本、图像、视频和音频，主攻编程与 Agent 任务。
阅读全文FLUX 3 Image Klein – Black Forest Labs 开源的AI图像模型
FLUX 3 Image Klein 是 Black Forest Labs 开源的AI图像生成模型，仅5.6B参数，单张消费级显卡即可运行。FLUX 3 Image Klein同时支持文生图、指令式图编辑和最多10张参考图的多图生成，具备原生4K输出、像素级精确编辑和坐标框布局控制能力。
阅读全文Doory – 开源的在线设计编辑器，Canva 开源平替
Doory 是开源的在线设计工具，开源的 Canva 替代品，运行在浏览器里的全功能在线设计编辑器，可制作海报、社媒图、简历、PPT、名片等。
阅读全文YoVoice – 开源的音频创作工具，支持多国语言
YoVoice 是开源的音频创作工具，支持 macOS 和 Windows。YoVoice 无需配置 Python 环境，安装即用，所有计算均在本地完成，充分保护隐私。
阅读全文DMAD – 字节联合德州农工开源的扩散模型少步蒸馏技术
DMAD（Distribution Matching as Adversarial Distillation）是字节跳动与德州农工大学联合开源的少步蒸馏框架，用于加速扩散模型生成。DMAD训练二分类判别器直接学习目标分布与学生分布的差异，省去辅助扩散模型，将50步教师模型蒸馏为4步学生模型。
阅读全文Matrix-Game 4.0 – 昆仑万维开源显卡运行的视频大模型游戏
Matrix-Game 4.0是昆仑万维推出的全球首款运行在单张消费级显卡上的视频大模型游戏，采用"Harness"新范式，游戏引擎作为裁判维护世界状态与规则，Coding Agent 用自然语言改写玩法，视频模型作为画师实时渲染精细画面。
阅读全文Grok Voice 3.0 – SpaceXSI 推出的端到端语音转语音模型
Grok Voice 3.0 是 SpaceXSI 推出的端到端语音转语音模型，在独立测试机构 Artificial Analysis 的语音综合榜单以 86.9 分居首，响应延迟低于 1 秒，单次任务运行成本约 0.025 美元，低于同级别竞品。
阅读全文HelixWorld – Noiz AI 联合港科大开源的实时交互世界模型
HelixWorld 是 Noiz AI 与港科大联合开源的实时交互式音视频世界模型。给模型一张起始图片和文字描述，可通过 WASD 和方向键在 AI 生成的世界中行走、转头，画面与立体空间音效同步实时生成，且声像随视角自然变化。
阅读全文百雀智能获客教程 – 覆盖从定制标准到销售接手
做外贸获客，耗时最长的往往不是找联系方式，而是要逐个确认：对方是否采购你的产品、采购量够不够、是不是目标买家、愿不愿意继续谈。
阅读全文Scion – Anthropic 推出的源代码版本控制系统，替代 Git
Scion是Anthropic自研的版本控制系统，用于替代Git管理其巨型单体仓库。原因是Claude生成代码量4个月暴涨12倍，日均合并从2500次到3万次，Git基础设施基本无法应对。
阅读全文LFM2.5-24B-A2B – Liquid AI 开源的端侧推理模型
LFM2.5-24B-A2B 是 Liquid AI 推出的开源权重推理模型，属 LFM2.5 系列旗舰。总参数 24B、每 token 仅激活 2.45B，40 层 MoE 架构，支持 131K 上下文与 16 种语言。
阅读全文ArtCraft – 开源AI图像视频创作工作台，解决出图不可控痛点
ArtCraft 是开源的 AI 图像视频创作工作台。ArtCraft 把虚拟演员固定进真实环境、在 3D 空间拼贴素材、用 3D 人偶摆姿势控机位，解决 AI 出图不可控、角色场景不一致的痛点。
阅读全文ip-as-logo-skill – 开源的 Agent Skill，能生成 IP 吉祥物头像
ip-as-logo-skill 是开源的 Agent Skill，用于生成极简可爱的 IP 吉祥物头像。ip-as-logo-skill 用 4–7 个圆润几何形状构成清晰轮廓，配合"两主色+一背景"的三色约束，让角色缩小到 32×32 仍能辨认。
阅读全文