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
presentation-ai – 开源AI PPT生成工具，自动智能配图
presentation-ai 是ALLWEONE团队推出的开源 AI 演示文稿生成工具，能根据用户输入的主题自动生成完整的 PPT 大纲和精美的幻灯片，支持多种语言、主题风格和自定义配色方案。
阅读全文Mano – 明略科技推出的GUI智能操作模型
Mano 是明略科技推出的专有大模型，专注于图形用户界面（GUI）智能操作。模型基于多模态基础模型，通过在线强化学习和训练数据自动采集等创新技术，在 Mind2Web 和 OSWorld 两大基准测试中取得 SOTA 成绩。
阅读全文DeepSeek-R1-Safe – 浙大联合华为推出的安全大模型
DeepSeek-R1-Safe 是浙江大学网络空间安全学院和华为合作推出的基于DeepSeek衍生的安全大模型。模型基于华为昇腾芯片和 MindSpeedLLM 框架，通过构建安全语料、安全监督训练和强化学习等步骤，显著提升模型的安全性和合规性。
阅读全文MiroMind – 陈天桥推出的AI大模型预测平台
MiroMind 是陈天桥推出的专注于AI领域的平台，致力开发全球顶尖的预测型大模型，核心产品包括 MiroThinker 和 MiroFlow。MiroThinker 是开源的深度研究模型，在 GAIA 基准测试中表现优异，超越众多开源模型。
阅读全文TrafficVLM – 高德推出的交通视觉语言模型
TrafficVLM是高德导航推出的基于大模型技术的交通视觉语言模型，通过交通孪生还原能力，将海量实时交通数据转化为动态孪生视频流，构建出与现实世界同步的“数字交通世界”。
阅读全文MagicLight AI – AI动画视频创作平台，自动故事板生成
MagicLight AI 是 AI 动画视频创作平台，能将文字故事转化为精彩的动画视频。只需输入故事内容或上传素材，平台自动分析、生成情节结构，创建一致的角色和场景，最终合成动态故事板和视频。MagicLight AI 支持多种艺术风格，可定制性强，提供免费试用。
阅读全文LSP（Language Self-Play） – Meta推出的强化学习方法
LSP（Language Self-Play）是Meta提出的一种强化学习方法，解决大型语言模型对大量高质量训练数据的依赖问题。LSP的核心思想是利用自我博弈的方式，让同一模型在挑战者和解题者两种角色之间切换。
阅读全文豆包变装视频教程，只需3步免费用AI复刻
最近在某音上看到一堆变装视频，全是万赞起步的爆款。我认真研究了一下，发现这个形式很适合用AI来“邪修起号”——只需基础剪辑，也不用露脸。我已经摸索出一条可复制的捷径。两个AI工具，小白也能轻松复刻，做出足够炸的视频效果。
阅读全文OneSearch – 快手推出的电商搜索端到端生成式框架
OneSearch 是快手推出的电商搜索端到端生成式框架，优化传统电商搜索的级联式架构，提升搜索精准度和用户体验。三大创新点包括：关键词增强层次量化编码（KHQE）模块，通过提取商品核心属性并生成层次化编码（SID），强化 Query-商品相关性约束
阅读全文Kronos – 微软联合清华开源的金融K线图基础模型
Kronos 是首个面向金融市场的 K 线图基础模型，由清华大学与微软亚洲研究院联合开源。通过分析股票、加密货币等资产的 K 线数据，包括开盘价、最高价、最低价、收盘价及成交量，来预测未来价格走势。
阅读全文Lego-Edit – 小米开源的图像编辑框架
Lego-Edit 是小米开源的基于指令的图像编辑框架，通过多模态大语言模型（MLLM）的泛化能力，实现对图像的灵活编辑。采用模型级工具包，包含多种高效训练的模型，可执行多种图像操作。
阅读全文混元3D Studio – 腾讯推出的一站式3D创作平台
混元3D Studio（Hunyuan3D Studio）是腾讯推出的一站式3D创作平台，基于AI技术加速3D内容创作全流程。平台支持从概念设计到动画制作的各个环节，包括高效的概念设计、几何生成、低模拓扑、UV展开、纹理和材质编辑及自动绑骨蒙皮等功能。
阅读全文Wan2.2-Animate – 阿里通义开源的动作生成模型
Wan2.2-Animate是阿里通义团队推出的动作生成模型，模型同时支持动作模仿和角色扮演两种模式，能基于表演者的视频，精确复制面部表情和动作，生成高度逼真的角色动画视频。
阅读全文Lucy Edit Dev – Decart AI开源基于文本指令的视频编辑模型
Lucy Edit Dev 是 Decart AI 团队开源的基于文本指令的视频编辑模型。能根据简单的文本提示对视频进行多种编辑操作，如更改服装、替换角色、插入对象和转换场景等，同时完美保留视频的运动和构图。
阅读全文Xiaomi-MiMo-Audio – 小米开源的端到端语音大模型
Xiaomi-MiMo-Audio是小米开源的首个原生端到端语音大模型。模型基于创新预训练架构和上亿小时训练数据，首次在语音领域实现了基于 In-Context Learning（ICL）的少样本泛化能力，打破了语音领域依赖大规模标注数据的瓶颈。
阅读全文FastMTP – 腾讯开源的大语言模型推理加速技术
FastMTP 是腾讯自研的大语言模型（LLM）推理加速技术，通过优化多标记预测（MTP）技术，用共享权重的单 MTP 头替代传统多独立模块，结合语言感知词汇压缩和自蒸馏训练，显著提升 LLM 的推理速度，平均提速可达 2.03 倍，且输出质量无损。
阅读全文谷歌推出“Learn Your Way”，用AI重新定义教科书
AI 为每个人定制教育的时代，来了。昨天，谷歌推出最新教育工具 Learn Your Way ，用 AI 将教科书变为多模态内容，并在学习的每个环节加入互动和测验，让每个人都能拥有更适合自己的学习进程。
阅读全文Sidekick – AI流程自动化平台，自然语言生成工作流
Sidekick 是AI流程自动化平台，能帮助用户简化日常重复性工作。平台通过预设的自动化模板，快速实现如将 Gmail 邮件同步到 Google Sheets、从日历生成会议总结发送到 Slack、在 Notion 中存储潜在客户信息等操作。
阅读全文