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
豆包工作电脑端实测 – AI 云端自动办公
不少人都开始用 AI 办公了 写文案、改邮件、总结资料，确实方便。但用过不少 AI 工具，要么聊一句动一下，要么要求电脑一直开着挂机，一旦休眠就中断。
阅读全文ABot-Earth 0.7 – 高德推出的全球首个 3D 原生城市世界模型
ABot-Earth 0.7 是高德推出的全球首个 3D 原生城市世界模型。模型采用 3D 原生技术架构，用时空数据训练模型，输入一张卫星图或一段文字，10 分钟即可在消费级 GPU 上生成公里级 3D 城市。
阅读全文NeoHorse-1 – 基元律动联合无问芯穹等开源的 Agent 模型
NeoHorse-1 是基元律动联合无问芯穹、清华、北大、港中文、阿里巴巴等推出的开源 Agent 模型，含 4B 与 9B 两版。模型采用 Agent-Native 后训练，用 Routing Harness 的真实执行轨迹为训练数据，将路由信号复用为训练课程排序依据，实现评测反馈→数据配比→模型更新闭环。
阅读全文AI 种草带货视频制作教程 – WaClaw 一键生成、复刻、创作
友友们，最近刷到不少 AI 种草带货视频，确实有点心动。 模特穿着衣服逛街、喝咖啡，拍得跟真人探店、日常穿搭似的。互动数据还非常好。
阅读全文GoReady – AI 求职招聘应用，自动提炼简历重点
GoReady（中文名：就绪）是AI求职招聘应用，由前月之暗面产品团队成员孟凡嵩创立。应用通过AI解析岗位JD与简历的匹配点和差距、生成沟通话术、按岗位自动提炼简历重点，并提供AI访谈、简历生成、职业规划等功能。
阅读全文Suno v6 – Suno 推出的新一代 AI 音乐生成模型系列
Suno v6 是 AI 音乐生成平台 Suno 推出的新一代模型系列，包含旗舰模型 v6（Pro/Premier用户）、实验性模型 v6-wild 和免费的 v6-mini。相比前代，模型生成速度大幅提升，支持自然语言编辑歌曲特定部分、多音频源混音、采样提取，能从音频和图片生成歌曲。
阅读全文EchoWM – 京东开源的交互式视听世界模型
EchoWM 是京东探索研究院开源的交互式视听世界模型。模型延续JoyAI-Echo的原生音视频生成能力，让用户以第一/第三人称视角在AI生成的世界中实时移动探索，画面、空间关系与环境音、语音持续同步且长时间不跑偏。
阅读全文AuK – 腾讯混元开源的语音生成与编辑基础模型
AuK是腾讯混元开源的15亿参数语音生成与编辑基础模型，采用流匹配扩散架构而非自回归。模型能通过统一的自然语言指令接口完成16种语音任务，包括零样本/指令式TTS、语音内容编辑、声学调节、副语言编辑及降噪和人声分离等。
阅读全文GPT-6 Astra vs Claude Fable 5.1 实测对比，谁更接近 AGI？
这几天 GPT-6 Astra 发布后大家都在讨论一个事，在实现 AGI 方面 GPT-6 Astra 是否已经赢太多？ 我刷到黄仁勋说 AGI 确实因为 GPT-6 Astra 而到来了。
阅读全文Muse
Muse是Meta推出的个人AI智能体应用，由Muse Spark模型驱动，为"全天候替用户完成任务的超级智能"。每个用户在云端配有独立安全虚拟机，支持关闭应用后台持续执行任务。
阅读全文Virse – AI 设计创意工作台，支持个性化检索与内容生成
Virse 是面向专业设计团队的 AI 创意工作台。平台以无限画布为基底，整合 50+ 生成模型，通过学习用户的视觉偏好形成六维审美画像，并用于个性化检索与内容生成，让风格在多轮改稿中保持稳定。
阅读全文Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型
Ling-3.0-flash-VL 是蚂蚁 InclusionAI 百灵系列首个开源的原生多模态大模型，基于 Ling-3.0-flash 的 MoE 架构拓展，总参数 124B、单次推理仅激活 5.5B，原生支持图文与视频输入，上下文窗口达 256K Token。
阅读全文WPS 多维表格实测 – 一句话生成完整应用
数据表、仪表盘、信息统计、业务系统，以后都可以交给 AI 了。 前段时间，受邀参加了 WPS 多维表格的线下媒体沟通会，看到完全不同的玩法：我们输入一句话，AI 会先弄明白我们的业务逻辑，再自动生成包含自动化流、多视图、可视化大屏的完整系统。
阅读全文ffmpeg-skill – 开源的本地化视频剪辑与处理 Agent Skill
ffmpeg-skill 是面向编程 Agent（Claude Code/Cursor/Codex）的开源 Agent Skill，让 AI 能像专业剪辑师一样调用本地 FFmpeg 处理视频。工具内置 28 个结构化工具，覆盖探测、剪切、拼接、字幕、调色、响度、多机位、批量导出等完整链路，遵循探测→编辑→检查→验证固定工作流。
阅读全文ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型
ChatGPT Images 2.5 是 OpenAI 推出的新一代图像生成模型，面向 ChatGPT、ChatGPT Work 及 Codex 全档位用户开放。模型生成延迟最高降低50%，编辑更精准、多轮修改一致性更强，参考照片人物保真度更高。
阅读全文XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI Agent
XiaoMi MiMo Desktop 是小米推出的桌面端通用 AI Agent，内置新一代 MiMo-X-Pro/Flash 双模型。模型可直接读取表格、PDF、音视频等多格式素材，自动拆解任务、调用工具，交付可编辑的文档、PPT、网页、3D模型等成果。
阅读全文用 DeepSkill 搞定文献综述和数据分析（84个技能实测）
开学季一到，研究生们又开始和文献、综述、统计数据贴身肉搏了！谁不想让AI帮忙分担点活呢？可真去技能市场搜一圈，"文献管理""数据分析"一搜一大把，下载量一个比一个高，装上跑了才知道：有的根本运行不了，有的和你的需求根本不是一码事，挑skill全凭运气，跟开盲盒似的，一个个下载、安装、试错，费时又费力。
阅读全文H3-World – 腾讯联合高校等开源的动作可控世界模型
H3-World是腾讯联合新加坡国立大学、香港理工大学推出的动作可控世界模型，基于33B的MiniMax-H3视频生成器微调。模型将键盘操作翻译成英文指令，通过预训练文本通路注入模型，并借助时间注意力路由把每条指令绑定到对应视频帧，实现精确的时间对齐控制。
阅读全文