工具 · 模型 · 行业动态

AI文章

发现新工具，了解新进展。让每一次阅读，都离用好 AI 更近一步。

7,595篇文章，持续更新

最新文章

第 233 / 422 页

Phi-4-Multimodal – 微软最新推出的多模态语言模型

Phi-4-Multimodal 是微软最新推出的多模态语言模型，拥有 56 亿参数，能将语音、视觉和文本处理集成到一个统一架构中。模型在多个基准测试中表现优异，在自动语音识别（ASR）和语音翻译（ST）任务中，以 6.14% 的单词错误率位居 Hugging Face OpenASR 排行榜首位，超越了 WhisperV3 和 SeamlessM4T-v2-Large 等专业模型。

麦琪的花园 – AutoGame 推出的AI沙盒冒险游戏

麦琪的花园是深圳奥拓盖母（AutoGame）开发的AI沙盒冒险游戏，是全球首款将AI技术与沙盒玩法深度融合的游戏。玩家在游戏中扮演一位退休的勇者，从零开始建设自己的营地，收集资源、建造设施、发展农业，逐步探索充满魔法生物的奥兹大陆。

Profiling Data – DeepSeek开源训练和推理框架的性能分析数据

PProfiling Data是DeepSeek开源的训练和推理框架的性能分析数据，基于PyTorch Profiler捕获的程序运行过程中的详细信息，用在分析和优化软件性能。

EPLB – DeepSeek 开源的专家并行负载均衡器

EPLB（Expert Parallelism Load Balancer）是 DeepSeek 推出的专家并行负载均衡器，能解决大规模模型训练中不同专家模型（Expert）负载不均的问题。EPLB 基于冗余专家策略，复制高负载专家，合理分配到不同 GPU 上，实现负载均衡。EPLB结合 group-limited expert routing 技术，将同一组专家放置在同一节点内，减少跨节点通信开销。

DualPipe – DeepSeek 开源的双向流水线并行技术

DualPipe 是DeepSeek开源的创新的双向流水线并行技术，主要用于提升大规模深度学习模型的训练效率。核心思想是将模型的训练过程分为两个独立的管道——前向计算管道和反向计算管道，并行执行。

olmOCR – Ai2 开源的 PDF 转结构化文档工具

olmOCR 是 Ai2 推出的开源工具，用在将 PDF 文档高效转换为干净的结构化纯文本。olmOCR结合文档锚定（document-anchoring）技术与Qwen2-VL-7B-Instruct（阿里多模态模型），支持处理多种类型的 PDF 文档，包括学术论文、书籍、表格和图表等。

a0.dev – AI开发平台，自然语言输入快速生成 React Native 代码

a0.dev 是基于 AI 技术的开发平台，专注于快速生成 React Native 应用。a0.dev 基于自然语言输入，自动生成完整的 React Native 项目代码，包括前端界面、状态管理、路由配置以及后端云函数模板等。a0.dev 大幅提升了开发效率，降低移动端开发门槛，适合独立开发者验证创意、创业团队快速构建 MVP 和企业探索技术方案。

VideoGrain – 悉尼科技大学和浙大推出的视频编辑框架

VideoGrain 是悉尼科技大学和浙江大学推出的零样本多粒度视频编辑框架，能实现类别级、实例级和部件级的精细视频修改。VideoGrain基于调节时空交叉注意力和自注意力机制，增强文本提示对目标区域的控制能力，且保持区域间的特征分离，解决现有扩散模型中语义错位和特征耦合的问题。

救救图片 – AI图片处理工具，任意图片一键变成无水印高清大图

救救图片是基于AI技术的在线图片处理工具，能快速去除图片水印、修复模糊、无损放大、去除马赛克，支持一键抠图和生成相似图片等功能。基于先进的AI算法，可以精准识别并去除各类水印，包括文字、图形和半透明背景的水印，同时保持图片的高清画质。

Landing – AI落地页生成工具，自动提取品牌风格生成匹配的设计布局

Landing是AI落地页生成工具，通过 AI 技术，能在几分钟内快速生成美观且高效的落地页。用户只需输入品牌信息和关键词，Landing会自动提取品牌风格，生成匹配的文案、图像和设计布局。

rtrvr.ai – AI浏览器扩展工具，自然语言指令完成网页任务自动化

rtrvr.ai 是 AI 浏览器扩展工具，通过自然语言指令简化网页浏览和任务自动化。用户可以通过简单的语音或文字命令，让 rtrvr.ai 完成网页导航、数据提取、表单填写等操作。支持多标签页操作，例如在不同页面间比较价格或批量提取信息，能将数据直接导出到 Google Sheets。

Fractal Generative Models – 麻省理工推出的分形生成模型

Fractal Generative Models（分形生成模型）是麻省理工学院计算机科学与人工智能实验室和Google DeepMind团队推出的新型图像生成方法。Fractal Generative Models基于分形思想，将生成模型抽象为可复用的“原子模块”，基于递归调用模块构建出自相似的分形架构，实现逐像素生成高分辨率图像。

豆包浏览器插件 – 字节跳动推出的 AI 浏览器智能助手

豆包浏览器插件是字节跳动推出的AI智能助手工具，通过AI技术提升用户的浏览器使用体验。集成了多种实用功能，包括AI问答、内容总结、翻译、智能搜索、一键收藏等。

吐司AI写真 – 吐司TusiArt平台推出的 AI 写真工具

吐司AI写真是吐司TusiArt平台推出的AI写真工具。吐司AI写真基于AI绘画大模型对用户上传的图片进行风格化处理或重新生成，生成具有高逼真度、类似真实拍摄效果的写真照片。

Flame – 开源的多模态前端代码生成模型

Flame是开源的多模态AI模型，支持将UI设计截图转换为高质量的现代前端代码。Flame基于视觉语言建模、自动化数据合成和结构化训练流程，生成符合React等现代前端框架规范的代码，支持组件化、状态管理和动态交互。

Tanka – AI通讯工具，具有长期记忆和上下文理解能力

Tanka 是具有长期记忆功能的 AI 智能通讯工具，专为团队协作设计。Tanka基于记忆过去的对话和业务上下文，提供智能回复、总结要点、设置提醒等服务，帮助团队更高效地沟通和协作。Tanka 支持多模态消息处理，支持无缝集成 Slack、WhatsApp、Outlook 等常用通讯工具，为用户提供实时、精准的上下文支持。

浙江大学DeepSeek系列专题讲座课件第一期（PDF文件） – AI教程资料

主题为“DeepSeek：回望AI三大主义与加强通识教育”是浙江大学计算机科学与技术学院吴飞教授关于人工智能发展的专题报告。从人工智能的起源——1956年达特茅斯会议讲起，回顾了符号主义、连接主义和行为主义三大研究范式的发展历程及其对现代人工智能的影响。

《2024年移动端AI应用场景研究报告》（PDF文件） – AI教程资料

《2024年移动端AI应用场景研究报告》。全面分析了全球和中国人工智能市场的现状与发展趋势，重点关注移动端AI应用的市场格局、用户行为、应用场景以及未来发展方向。2024年移动端AI市场呈现明显的分化趋势，语言模型类应用占据主导地位，豆包、Kimi智能助手和文小言等应用表现突出。