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
打码鸭 – AI 图片视频打码工具，自动识别人脸、车牌和文字
打码鸭是在线 AI 图片视频打码工具，自动识别人脸、车牌和文字信息，上传后一键生成遮挡结果。视频场景下支持轨迹跟踪，人走动、遮挡持续跟随；识别结果按人物列出，可保留授权出镜者只给路人打码。
阅读全文Bobby AI
Bobby AI 是新加坡金融科技公司 RockFlow 推出的金融投资 AI Agent，你的全天候投资伙伴。用户可用自然语言完成投研分析、策略生成、下单、条件单和期权组合配置。
阅读全文Mellum2.1 – JetBrains 开源的 AI 编程模型
Mellum2.1 是 JetBrains 推出的开源 AI 编程模型，采用 12B 混合专家架构。Mellum2.1强化学习从收尾环节变为训练主体，结合数百万次沙盒运行，模型能探索代码库、编辑文件、自查修改，智能体编程能力大幅提升。
阅读全文不会设计也能做电商图？改稿鸦全流程实测
电商商品图并不是把产品放进一个漂亮背景就结束了。一套真正能用于店铺的图片，通常需要白底主图、卖点图、使用场景、细节展示和详情页模块；服装类商品还要考虑模特、姿势与拍摄场景。
阅读全文Gemini agent – 谷歌推出的通用办公智能体
Gemini agent是谷歌推出的通用办公智能体，为单一、全能的工作Agent。用户只需给出目标指令，可自主规划任务、调用工具、跨应用协作，完成资料检索、数据分析、PPT制作、代码编写等工作。
阅读全文EveryInfra – AI 应用基础设施平台，一站式底层能力支持
EveryInfra（万有引擎）是面向 AI 应用的基础设施平台，提供平台数据采集、AI 联网搜索和验证码识别三大能力。EveryData 产品线覆盖约 90 个平台、409 项数据接口，可获取内容、评论和商品数据并返回结构化 JSON，EverySearch 提供 17 种联网搜索工具，EverySolve 按成功次数识别验证码。
阅读全文Qoni – Eazo 面向生产级 AI Agent 的托管基础设施平台
Qoni 是 Eazo 团队推出的 Personal Agent（个人智能体）托管基础设施，面向生产级 AI Agent，给每个 Agent 一个独立于人的身份，权限像签证一样有范围、有期限、可收回，行为可归因、可审计。
阅读全文Vidu Q4 Preview – 生数科技推出的新一代旗舰视频生成模型
Vidu Q4 Preview 是生数科技推出的全新一代旗舰视频生成模型的首个预览版。Vidu Q4 Preview 在人物演绎上全面升级，表情更细腻、情绪更饱满、动作更自然，支持最多 15 张参考图与 3 段参考音频，让角色形象、场景与音色保持高度一致。
阅读全文Eazo
Eazo 是 AI App 与智能体创作及社区平台，由 ASI X Inc. 推出。用户无需代码，用自然语言描述想法，Agent 可自动完成竞品调研、设计方案、页面生成、完整构建与发布，支持收款、3D 场景和 AI 能力接入。
阅读全文BinkBink – 虎牙推出的 AI 游戏制作工具应用
BinkBink是虎牙推出的AI游戏互动App，定位为AI游戏制作工具，用户无需代码、美术和开发团队，一句自然语言描述可生成完整可玩的休闲游戏，自动产出美术、玩法、关卡和音频。
阅读全文VoxMem – 墨尔本大学等开源的音频大模型记忆基准
VoxMem是墨尔本大学和新南威尔士大学团队推出的音频大模型记忆基准。首创4类声学证据，语义、说话人、语气、环境声 × 4 种记忆操作，抽取、跨会话推理、时序追踪、拒答的二维评测框架，覆盖8K至64K token多会话历史。
阅读全文Claude Haiku 5.5 – Anthropic 推出的最新轻量级模型
Claude Haiku 5.5 是 Anthropic 推出的最新小模型，号称"最便宜、最快、最能打"。Claude Haiku 5.5输入价格降至 $0.10/百万 token，综合成本低约 75%；电脑操作能力从 15.7% 跃升至 72.4%，终端编程从 0 到 39.2%。
阅读全文Surface Laptop Ultra – 微软联合英伟达推出的最强 AI PC
Surface Laptop Ultra是微软推出最强Surface PC，搭载英伟达RTX Spark N1X超级芯片，最高20核CPU+6144核GPU+128GB统一内存，本地AI算力达1PFLOPS，可运行超1200亿参数大模型。
阅读全文PixelUMM – NVIDIA 联合滑铁卢大学推出的多模态模型
PixelUMM 是 NVIDIA 与滑铁卢大学联合推出的无编码器统一多模态模型，核心突破是彻底移除 VAE 和视觉编码器，用单个 Decoder-only Transformer直接在原始像素空间读写图像与视频，理解和生成共享同一解码器与自注意力。
阅读全文Mistral Large 4 – Mistral AI 开源的最新旗舰大模型
Mistral Large 4 是法国 Mistral AI 推出的旗舰模型，绰号「Le Chonk 胖猫」。Mistral Large 4 采用细粒度 MoE 架构，总参数 1.05T、每次仅激活约 49B，带 1.6B 视觉编码器，原生多模态、上下文 1M。
阅读全文EmbeddingGemma 2 – 谷歌开源的原生多模态嵌入模型
EmbeddingGemma 2 是谷歌开源的原生多模态 Embedding 模型，基于 Gemma 4 架构，将文本、代码、图片、视频、音频映射到统一向量空间，实现跨模态语义检索。EmbeddingGemma 2 为模块化设计，全模态仅 740M 参数，上下文 8K token，量化后在手机上仅占约 567MB 内存。
阅读全文Nano Banana 2.1 – 谷歌推出的新图像生成与对话式编辑模型
Nano Banana 2.1 是 Google DeepMind 推出的图像生成与对话式编辑模型，属 Gemini 3 系列，底层基于 Gemini 3.6 Flash。Nano Banana 2.1支持 1K/2K/4K 输出、最多 14 张参考图融合，核心提升集中在设计完成度、蒙版局部编辑、多角色一致性和画面自然感，信息图事实性大幅增强。
阅读全文MAI-Transcribe-2-Streaming – 微软推出的语音转写模型
MAI-Transcribe-2-Streaming 是微软推出的首个实时流式语音转写模型，能在讲话进行时持续输出文字，覆盖 60 种语言并自动检测语言切换，首批文本延迟低至数百毫秒，文字最快在语音后 320 毫秒显示。
阅读全文