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
ReAct是什么？一文看懂
ReAct 是 “Reasoning and Acting”（推理与行动） 的缩写，不仅仅是一种技术，更是一种全新的理念，教会AI如何像人类一样，在解决复杂问题时将深度思考与实际行动紧密结合起来。ReAct框架的核心机制，是模仿人类解决问题时的认知过程：我们先思考分析问题，然后采取行动，观察行动结果，再根据结果调整思路，如此循环往复，直至问题解决。
阅读全文InfiniteTalk – 美团开源的数字人视频生成框架
InfiniteTalk是美团视觉智能部推出的新型数字人驱动技术，通过稀疏帧video dubbing范式，仅需少量关键帧能驱动数字人人生成自然流畅的视频，解决传统技术中口型、表情和肢体动作脱节的问题。
阅读全文UnifoLM-WMA-0 – 宇树科技开源的世界模型行动框架
UnifoLM-WMA-0 是宇树科技开源的跨多类机器人本体的世界模型 - 动作架构，专为通用机器人学习设计。核心是世界模型，能理解机器人与环境的物理交互，具备仿真引擎和策略增强两大功能。
阅读全文Lumina-DiMOO – 上海AI Lab推出的多模态生成与理解模型
Lumina-DiMOO是上海人工智能实验室等机构开源的新一代多模态生成与理解模型。模型采用全离散扩散架构，统一处理文本、图像等多模态数据，支持文本到图像生成、图像编辑、风格转换等多种任务。
阅读全文Mini-o3 – 字节联合港大推出的视觉推理模型
Mini-o3 是字节跳动和香港大学联合推出的开源模型，专为解决复杂的视觉搜索问题而设计。模型通过强化学习和基于图像的工具，能执行深度多轮推理，推理轮次可扩展至数十轮。
阅读全文LLaSO – 逻辑智能开源的语音模型
LLaSO（Large Language and Speech Model）是北京深度逻辑智能科技有限公司推出的全球首个完全开源的语音模型，能解决大型语音语言模型（LSLM）领域长期存在的架构碎片化、数据私有化、任务覆盖局限和交互模态单一等问题。
阅读全文ROMA – Sentient AGI开源的多智能体框架
ROMA（Recursive Open Meta-Agent） 是Sentient AGI团队开源的多Agent系统框架,通过递归层次结构将复杂任务拆解为可并行的子任务，由父节点分配给子节点执行，再将结果汇总。
阅读全文Grok 4 Fast – xAI推出的快速版AI模型
Grok 4 Fast是xAI推出的快速版人工智能模型，最大的特点是响应速度快，最高可达标准版的10倍，生成速度每秒75个token，能快速完成简单查询、基础代码生成等任务，大幅提升效率。
阅读全文GPT-5-Codex – OpenAI推出的Agent编程优化模型
GPT-5-Codex 是 OpenAI 推出的专为编程优化的模型，基于 GPT-5 进一步强化。模型聚焦于真实世界的软件工程任务，如从零搭建项目、代码重构、调试、测试和代码审查等。
阅读全文xiaohongshu-mcp – 开源的小红书自动化运营工具
xiaohongshu-mcp是基于 Model Context Protocol (MCP) 协议开发的开源工具，帮助用户实现小红书平台的自动化操作。支持多种功能，包括登录小红书、发布图文、搜索内容以及获取推荐列表等。用户首次使用时需手动登录并保存登录状态，之后即可通过简单的命令或接口操作小红书。
阅读全文蚂蚁发布《大模型开源开发全景与趋势》报告
《大模型开源开发全景与趋势》是蚂蚁集团开源技术委员会推出的报告，基于社区数据洞察大模型开源开发生态的现状和未来趋势。
阅读全文FunAudio-ASR – 阿里达摩院推出的端到端语音识别模型
FunAudio-ASR 是阿里巴巴达摩院推出的端到端语音识别大模型，专为解决企业落地中的关键问题设计。通过创新的 Context 增强模块，有效优化了“幻觉”和“串语种”等问题。模块利用 CTC 解码器快速生成第一遍转写文本，将其作为上下文信息输入 LLM，显著提升了识别的准确性和稳定性。
阅读全文ERNIE-4.5-21B-A3B-Thinking – 百度推出的思考模型
ERNIE-4.5-21B-A3B-Thinking 是百度推出的专注于推理任务的大型语言模型。采用混合专家（MoE）架构，总参数量达210亿，每个token激活30亿参数，支持128K的长上下文窗口，适用于复杂推理任务。
阅读全文Solid – AI全栈Web应用开发工具，构建真正生产级应用
Solid 是基于人工智能的开发工具，帮助用户快速构建生产级的全栈 Web 应用程序。通过 AI 技术，让用户无需编写代码，实现从想法到可部署应用的快速转变。Solid 生成的代码是基于 Node.js、React、TypeScript 和 Docker 等现代技术栈的，使应用程序具有高质量，可扩展和可维护。
阅读全文Uxia – AI用户流程测试平台，模拟真实用户行为
Uxia是基于人工智能的用户测试平台，帮助设计和产品团队快速、可靠且经济实惠地验证用户体验（UX）和用户界面（UI）设计。通过AI技术模拟真实用户行为，快速提供准确的用户反馈，无需依赖传统的、成本高昂且耗时的用户测试方法。
阅读全文YouStory – AI故事书生成平台，个性化故事创作
YouStory是智能AI故事书平台，基于人工智能技术为家庭创造独特的成长故事。用户可以通过上传孩子的照片、宠物、绘画、涂鸦或喜欢的玩具来让它们成为故事的主角。平台结合了优质的、非通用的艺术风格和一个可以通过对话引导的协作代理，使结果感觉更像是一个真正的互动绘本。
阅读全文Ada – AI数据分析师工具，自动获取、清理和更新数据
Ada是AI数据分析师工具，可将任何数据集一键生成专业报告。只需设置一次，Ada自动获取、清理和更新数据，无需手动操作。提供精美图表和布局，能深入分析，揭示趋势、关联性和可操作的洞察。可混合网络获取的数据与用户自己的数据，解锁更深入的分析。
阅读全文Youtu-GraphRAG – 腾讯优图开源的图检索增强生成框架
Youtu-GraphRAG是腾讯优图实验室开源的图检索增强生成框架，通过将知识组织成图谱，结合大语言模型进行检索和推理，帮助模型更精准地回答复杂问题，减少“胡言乱语”。
阅读全文