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
Wan-Animate-2 – 万相团队开源的新一代角色动画模型
Wan-Animate-2是万相团队开源的新一代角色动画模型，作为 Wan-Animate 的重大架构升级，放弃了对显式姿态骨架和辅助姿态提取网络的依赖，改为端到端的双分支 Diffusion Transformer（DiT），直接从参考视频中捕捉运动先验。
阅读全文CosyVoice Studio – 阿里推出的一站式AI语音生产力平台
CosyVoice Studio是阿里巴巴推出的国内首个一站式AI语音生产力平台，基于自研Qwen-Audio模型打造。平台含三大模块，CosyFlow实现语音转写叠加语义理解，自动过滤口语词并生成结构化文本与智能摘要。
阅读全文Shotcut – 开源的视频编辑软件，支持多轨剪辑
Shotcut 是基于 FFmpeg 的开源视频编辑软件，完全免费且无水印、无时长限制。软件支持数百种音视频格式免导入直接编辑，提供多轨道时间线、关键帧动画、丰富转场特效与音频降噪均衡器。
阅读全文Warp Agent CLI – Warp 推出的独立命令行编码工具
Warp Agent CLI 是 Warp 推出的独立命令行编码工具，可在 Ghostty、iTerm 2、VS Code 及系统自带终端等任意环境中运行。工具基于 Warp 终端基础设施构建，内置多路复用器原生管理 pty 连接，支持跨目录与 SSH 会话保持 Agent 上下文。
阅读全文Ling-3.0-tiny – 蚂蚁百灵推出的原生混合推理模型
Ling-3.0-tiny是蚂蚁百灵推出的原生混合推理模型，总参数 7.9B、每 token 仅激活 1.3B，面向数学推理、指令遵循及资源敏感型部署优化。
阅读全文SALMONN-2 – 清华等开源的通用音频大语言模型
SALMONN-2 是清华大学、上海人工智能实验室与剑桥大学联合开源的通用音频大语言模型，基于字节跳动 SPEAR 统一自监督音频编码器与多层特征融合适配器构建，以 Qwen3 为文本基座，用约 1.8 万小时监督数据便在 MMAU-Pro、MMAR、MMSU 三大综合基准上取得同规模开源模型最佳表现。
阅读全文Wan3.0 – 阿里万相最新推出的视频生成大模型
Wan3.0 是阿里云万相团队最新推出的视频生成大模型。模型在生成时长、万能创作、全能参考与真实感等维度全面升级，单次可生成 30秒 视频，首次支持 doc、xls、ppt、pdf、md 等文档格式输入，实现万物皆可生视频。
阅读全文微信公众号 AI 美女贴图教程，爆款起号解锁流量主收益
最近我发现了一种非常高效又简单的 AI 起号玩法，你可能也刷到过，这种随手拍的美女生活照，配一两句简单的文案，点开一看，阅读量、互动量都轻松破万。应群友们的要求，今天带大家一起拆解一下这套玩法和变现流程。
阅读全文MiniMax H3 部署实测 – RTX 3060 12G 可跑，效果比肩 Seedance
最近，MiniMax H3 开源了，效果可以比肩Seedance，所以我就想本地部署来玩玩，但是满血 BF16 版本太吃配置了，我哪去搞 H100 啊！
阅读全文marmos
marmos（又名Omega）是腾讯灯塔团队推出的AI原生数据分析平台。用户通过自然语言对话，一句话可完成数据接入、分析、图表生成和交互式仪表盘搭建，支持Excel、MySQL、ClickHouse等多源数据及跨源关联。
阅读全文Hunyuan3D-Buffalo 1.0 – 腾讯混元推出的 3D 多模态框架
Hunyuan3D-Buffalo 1.0 是腾讯混元推出的统一3D多模态框架，通过共享的 Hunyuan3D-VLM 主干将3D问答、空间定位、文生3D、指令编辑和部件生成集成到单一流程中。
阅读全文Acti – AI 智能键盘，一键触发复杂任务
Acti 是新加坡团队开发的 AI 智能键盘。键盘将 AI 嵌入手机键盘层，用户长按空格键即可触发 Acti Bar，无需跳转应用可查信息、搜文件、建会议或运行工作流。
阅读全文RabbitVis – 兔展智能推出的一站式 AI 设计生产工具
RabbitVis 是兔展智能推出的图层级一站式 AI 设计生产工具，基于自研 UniWorld-Design 视觉大模型，将 AI 生成能力与图层编辑能力深度融合。
阅读全文Muse Code – Meta 推出的终端编程 AI 智能体
Muse Code 是 Meta 推出的终端编程 AI 智能体，基于 Muse Spark 1.2 模型，可处理大型代码库中的完整软件工程任务，包括规划变更、编写代码与验证结果。
阅读全文Get3W – AI 模型聚合平台，统一接口自由切换模型
Get3W 是面向开发者和企业的 AI 模型聚合平台，通过统一 API 一站接入来自 Google、OpenAI、ByteDance、Alibaba、Kling、Midjourney、Runway、MiniMax、Black Forest Labs 等 20 多家厂商的 700+ 模型，能力覆盖视频、图像、音频、3D、全景与对话生成。
阅读全文MAGI-2-preview – Sand.ai 开源的多模态视频生成模型
MAGI-2-preview 是 Sand.ai 开源的全球首个千亿参数 MoE 多模态视频生成模型，总参数 114B、激活仅 6B。模型延续单流架构，将文本、视频、音频统一纳入同一 Transformer 联合建模，实现原生多模态生成，在 AA 视频生成榜单排名第六。
阅读全文Shieldstral – Mistral AI 开源的多模态内容安全分类模型
Shieldstral 是 Mistral AI 推出的 3B 参数开源多模态内容安全分类模型，基于 Ministral-3B 构建。模型将传统固定类别的内容审核重新定义为二元问答任务，支持通过自然语言查询实时定义审核策略，无需重新训练即可适配不同场景。
阅读全文SeedRealtime – 字节跳动推出的原生音视频全双工大模型
SeedRealtime是字节跳动Seed团队推出的原生音视频全双工大模型，基于统一架构原生融合音频、视频与文本，实现边看、边听、边说的全模态实时交互。
阅读全文