AI文章

NatAgent – AI数据情报监控与分析平台

NatAgent 是基于自然语言的 AI 数据情报监控与分析平台，专注于通过智能化技术帮助用户高效提取、监控和分析各类网络数据，从中获取可操作的洞察。核心功能包括智能监控，实时追踪网页、社交媒体、电商平台等内容变化并推送警报

CodeMender – DeepMind推出的代码修复AI Agent

CodeMender是DeepMind推出的是基于 Gemini Deep Think 模型的 AI 代理工具，专注于自动识别和修复软件中的关键安全漏洞。采用被动响应与主动防御相结合的方式，能立即修补新发现的漏洞，能重写和保护现有代码以消除系统性漏洞。

SceneGen – 上海交大推出的3D场景生成框架

SceneGen是上海交通大学研究团队开发的高效开源3D场景生成框架。能从单张场景图像及其对应的物体分割掩码出发，通过一次前向传播，直接生成包含完整几何结构、纹理和空间布局的3D场景。创新之处在于端到端的生成流程，无需依赖耗时的优化过程或从资产库中检索组装，显著提升了生成效率。

Code2Video – 国立大学推出的AI教学视频生成框架

Code2Video是新加坡国立大学Show Lab团队开发的AI教学视频生成框架，通过Python代码自动生成高质量教育视频。核心创新在于采用三智能体协作模式：Planner负责将知识点转化为结构化故事板，Coder将故事板转为可执行Manim代码，Critic优化视觉布局。

Agent Kit – OpenAI推出的AI Agent开发工具

Agent Kit 是 OpenAI 推出的一套完整的智能体开发工具包，帮助开发者将 AI 代理从原型快速推进至生产环境。包含三大核心组件：Agent Builder可视化画布工具，支持拖拽节点设计复杂工作流，无需从零编写代码

Ming-UniAudio – 蚂蚁集团开源的音频多模态模型

Ming-UniAudio 是蚂蚁集团开源的音频多模态模型，统一语音理解、生成和编辑任务。核心是 MingTok-Audio，一个基于 VAE 框架和因果 Transformer 架构的连续语音分词器，能有效整合语义和声学特征。基于此，Ming-UniAudio 开发了一个端到端的语音语言模型，平衡了生成和理解能力，并通过扩散头确保高质量的语音合成。

AIMangaStudio – 开源AI漫画创作工具，实现一站式创作

AIMangaStudio是开源的AI漫画创作工具，为创作者提供了一套完整的漫画创作流水线，包括剧情生成、分镜设计、角色设定等功能，能简化从脚本到漫画页面的制作流程。

FireRedChat – 小红书推出的全双工语音交互系统

FireRedChat 是小红书智创音频团队开发的全双工语音交互系统，具有实时双向对话能力，支持可控打断功能。采用模块化设计，包括转录控制模块、交互模块和对话管理器等，支持级联和半级联架构，可灵活部署。

Sora2教程玩法合集，附20个热门视频提示词

OpenAI发布了最新的视频生成模型Sora 2。对比Sora 1，这次可谓是全方位的提升。画面更真实，声音和画面同步了，而且完全免费！国庆第一天，就看到了奥特曼的视频各种刷屏：整理了Sora 2 的热门玩法和提示词，带大家一起玩一玩~

在哪儿问问 – 滴滴推出的AI图寻应用

在哪儿问问是滴滴推出的AI图寻小程序，用户可通过上传照片，让AI识别照片中的地点，获取其大致位置。提供地点查找功能，能推荐相似地点及照片中的相关产品，兼具实用性和探索性。

Anthropic发布《AI Agent 上下文工程指南》

在人工智能应用领域，提示工程（prompt engineering）曾长期占据焦点地位，而如今一个新兴术语正逐渐崭露头角：上下文工程（context engineering）‍。基于语言模型的构建工作，已不再局限于寻找完美的提示词句，而是转向回答更宏观的问题：“何种上下文工程配置最有可能激发模型产生预期行为？”

SciToolAgent – 浙大开源知识图谱驱动的科学领域Agent

SciToolAgent是浙江大学创新中心（HICAI-ZJU）开发的开源工具平台，提升科研效率。整合了500多种科学工具，覆盖生物学、化学、材料科学等多领域，可处理数据处理、分子建模、文献分析等任务。

Dreamer 4 – DeepMind推出的新型世界模型智能体

Dreamer 4 是由 DeepMind 开发的新型智能体，通过在快速且准确的世界模型中进行想象训练来解决复杂的控制任务。在《我的世界》（Minecraft）游戏中，Dreamer 4 仅使用离线数据就成功获得了钻石，是该领域的一个重要突破。

Tinker API – Thinking Machines Lab推出的模型微调API

Tinker API 是 Thinking Machines Lab 发布的首款产品，专为语言模型微调而设计。简化语言模型的微调流程，让研究人员和开发者能专注于算法和数据，无需担心复杂的分布式训练基础设施。提供底层操作原语，如forward_backward和sample，让开发者能构建自定义微调或强化学习算法，支持从小到大的各类开放权重模型，切换模型仅需修改代码中的一个字符串。

Sora2邀请码 – 怎么获取Sora 2邀请码？附免费领取方式

Sora 2 是 OpenAI 推出的新一代AI视频生成模型，被誉为视频领域的“GPT-3.5 时刻”。Sora 2 目前需要邀请码才能注册体验。每个用户注册成功后会生成1个邀请码，每个邀请码能被使用4次。

查看这篇文章，了解更多 AI 相关内容。

Sora 2 – OpenAI 推出的新一代AI音视频生成模型

Sora 2 是 OpenAI 推出的新一代AI音视频生成模型，Web端最长支持生成25秒视频（需Sora Pro会员）。技术上实现了三大核心突破：通过多模态联合训练，首次实现了环境音效与画面动态的实时同步生成；升级的物理引擎使物体运动轨迹和碰撞效果更符合真实世界的力学规律，甚至能自然表现失败和挣扎，而非强行“成功”；其指令理解系统能精准执行写实、电影感或动漫等多种风格化要求。

RoboBrain-X0 – 智源研究院开源的跨本体泛化具身模型

RoboBrain-X0是北京智源人工智能研究院开源的全球首个支持零样本跨本体泛化的具身模型。能在无需微调的情况下，驱动多种不同构造的真实机器人完成基础操作任务，在少量样本微调后展现出对复杂任务的跨本体适配性。