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
横评Kimi OK Computer、Manus、Lovable：厂商型Agent与第三方有何不同？
前几天，Kimi 静悄悄发了条推文，官宣 Kimi Agent 模式「OK Computer」开始小规模灰度测试。这次Kimi对它的定位是全栈白领，能搜索、规划、调用工具，用户负责提出想法，OK Computer负责产出报告、PPT、APP和网页。
阅读全文豆包大模型1.6-vision – 火山引擎推出的视觉深度思考模型
豆包大模型1.6-vision是火山引擎推出的具备工具调用能力的视觉深度思考模型。模型拥有强大的通用多模态理解和推理能力，支持Responses API，能自主调用工具如定位、剪裁、点选、画线、缩放和旋转等，实现对图像的精细处理。
阅读全文Logics-Parsing – 阿里开源的端到端文档解析模型
Logics-Parsing 是阿里巴巴开源的端到端文档解析模型，基于 Qwen2.5-VL-7B。通过强化学习优化文档布局分析和阅读顺序推断，能将 PDF 图像转换为结构化 HTML 输出，支持多种内容类型，包括普通文本、数学公式、表格、化学公式和手写中文字符。
阅读全文Ring-1T – 蚂蚁百灵开源的万亿参数思考大模型
Ring-1T是蚂蚁集团开源的万亿参数思考大模型，基于 Ling 2.0 MoE 架构，在 20T 语料上预训练，通过自研强化学习系统 ASystem 进行推理能力训练。支持128k上下文窗口，在多项国际竞赛和基准测试中表现接近或超越顶级闭源模型。
阅读全文LONGLIVE – 英伟达等推出的交互式长视频生成框架
LONGLIVE 是英伟达等顶尖机构联合推出的实时交互式长视频生成框架。框架通过帧级自回归（AR）模型，结合 KV-recache 机制、流式长视频微调和短窗口注意力 + 帧汇入技术，解决长视频生成中效率和质量的双重瓶颈。
阅读全文OpenPPT – 开源AI PPT生成工具，支持多平台使用
OpenPPT 是开源的PPT工具，核心服务基于ChatPPT能提供高效、便捷的 PPT 制作体验。工具支持多平台使用，包括 Windows、macOS 和 Linux，让用户能在不同设备上轻松创建和编辑演示文稿。
阅读全文Claude Sonnet 4.5 – Anthropic最新推出的AI编程模型
Claude Sonnet 4.5 是 Anthropic 最新推出的最强编程模型。模型在编程、计算机操作、推理和数学等多个领域表现出色，在 SWE-bench Verified 测试中登顶，能专注工作超 30 小时。
阅读全文腾讯推出《企业级智能体产业落地研究报告》（PDF文件）
《企业级智能体产业落地研究报告》是腾讯云、腾讯研究院联合国际权威研究机构Gartner共同推出的，报告深入探讨企业级智能体的产业落地情况。
阅读全文DeepSeek-V3.2 – DeepSeek开源的AI模型正式版本
DeepSeek-V3.2-Exp是DeepSeek-AI推出的实验性人工智能模型，通过引入DeepSeek Sparse Attention（DSA）机制，显著提升长文本处理的效率。模型基于DeepSeek-V3.1-Terminus持续训练而成，仅在架构上引入了DSA，实现了细粒度稀疏注意力机制，借助闪电索引器（lightning indexer）高效选择关键信息，在长文本训练和推理时大幅提高效率。
阅读全文Lynx – 字节跳动推出的高保真个性化视频生成模型
Lynx 是字节跳动推出的高保真个性化视频生成模型，仅需单张人像照片，能生成身份一致的视频。基于扩散 Transformer（DiT）基础模型构建，引入 ID-adapter 和 Ref-adapter 两个轻量级适配器模块，分别用于控制人物身份和保留面部细节。
阅读全文聆音EchoCare – 香港中科院推出的超声大模型
聆音（EchoCare）是中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）推出的超声大模型。模型依托450万张超声影像数据集EchoAtlas进行训练，数据集涵盖5个大洲的23个临床中心、38种成像设备采集的图像，覆盖人体9大区域和52个解剖器官，是目前规模最大的超声影像数据集之一。
阅读全文Scrumball – AI营销平台，覆盖全球社交媒体平台
Scrumball 是 AI 驱动的全球网红营销平台，帮助品牌高效开展海外网红合作。拥有超过1.2亿网红的庞大数据库，覆盖全球主要社交媒体平台，如YouTube、Instagram和TikTok等。通过先进的AI技术，Scrumball能精准匹配符合品牌需求的网红，确保合作的高契合度和真实性。
阅读全文KAT-Coder – 快手Kwaipilot推出旗舰代码生成模型
KAT-Coder 是快手旗下 Kwaipilot 团队发布的闭源旗舰代码生成模型，具备强大的编程能力。能高效完成功能开发、缺陷分析、单测生成等任务，支持多种编程语言，如 Python、JavaScript、Java 等。用户只需描述需求，模型能交付完整的代码解决方案。
阅读全文KAT-Dev-32B – 快手Kwaipilot推出的代码大模型
KAT-Dev-32B 是快手 Kwaipilot 团队发布的开源代码智能大模型，拥有 32 亿参数。在 SWE-Bench Verified 基准测试中取得了 62.4% 的解决率，排名第 5。模型经过多个阶段的训练，包括中期训练、监督微调（SFT）与强化微调（RFT）阶段，以及大规模智能体强化学习（RL）阶段，以提升其工具使用能力、多轮对话理解、指令遵循等核心能力。
阅读全文GLM-4.6 – 智谱推出的最新旗舰模型，最强Coding模型
GLM-4.6 是智谱推出的新一代基座大模型，总参数量达 355B，激活参数 32B。模型在真实编程、长上下文处理、推理能力、信息搜索、写作能力及智能体应用等方面实现全面进阶。
阅读全文如何用Prompt链提升准确性与覆盖率？一文看懂
在人工智能技术迅猛发展的今天，如何精确引导大语言模型完成复杂任务已成为关键挑战。本报告深入解析从基础指令（Prompt）到高级任务分解术（Prompt链）的核心概念。
阅读全文JoySafety – 京东开源的大模型安全框架
JoySafety 是京东开源的大模型安全框架，为企业提供成熟、可靠、免费的大模型安全防护方案。模型基于多种原子能力模块（如 BERT、FastText、Transformer 等）和灵活的架构设计，支持高并发、高扩展性及动态策略更新，能有效拦截高风险内容，保障 AI 应用的安全稳定运行。
阅读全文公司产品如何更好地利用AI技术？一文看懂
人工智能（AI）技术正以前所未有的深度和广度渗透到各行各业，核心驱动力在于能帮助产品实现从“功能”到“智能”的根本性跃迁。传统产品，无论是硬件还是软件，价值主要体现在预设功能的实现上，用户需要通过学习特定的操作指令来“使用”产品。AI技术的融入，让产品具备了感知、理解、决策和学习的“智能”能力，能主动适应用户需求，预测用户意图。
阅读全文