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
JellyToken – 阿里元境推出的一站式AI大模型聚合平台
JellyToken（智渲云）是阿里元境推出的国内主流 AI 大模型一站式 API 聚合平台，支持一个 API Key 调用通义千问、DeepSeek、豆包、智谱、月之暗面等全品类模型，覆盖文本、图像、视频、音频四大场景。
阅读全文Robostral Navigate – Mistral AI 推出的具身智能导航模型
Robostral Navigate 是 Mistral AI 推出的首个具身智能导航模型，用一个普通 RGB 摄像头可让机器人在复杂环境中自主导航。模型参数规模为 8B，在 R2R-CE 基准测试的未知环境上达到 76.6% 成功率，超越多传感器方案。
阅读全文MkSaaS – 专为快速构建 AI SaaS 产品设计的全栈框架
MkSaaS 是专为快速构建 AI 驱动 SaaS 产品而设计的 Next.js 完整样板代码（Boilerplate），集成了 AI 功能、用户认证、支付系统、国际化、博客、文档、仪表盘、营销页面、SEO 优化等核心模块，帮助开发者在一个周末内就能上线生产级的 SaaS 产品，无需从零搭建基础设施。
阅读全文LingBot-VLA 2.0 – 蚂蚁灵波开源的新一代具身智能基座模型
LingBot-VLA 2.0 是蚂蚁灵波科技开源的新一代具身智能基座模型，基于6万小时预训练数据，包含5万小时真机数据与1万小时人类操作数据，覆盖17个品牌20种机器人构型，支持单臂/双臂、双足/轮式及头部、腰部、底盘等多自由度。
阅读全文LingBot-Video – 蚂蚁灵波开源面向具身智能的视频模型
LingBot-Video 是蚂蚁灵波科技开源的全球首个面向具身智能的 MoE 视频生成基础模型。模型基于 DiT + MoE 架构，总参数 30B 仅激活约 3B，兼顾大容量与高效推理。
阅读全文Grok 4.5 – SpaceXAI推出的新一代旗舰大语言模型
Grok 4.5是SpaceXAI（原xAI）推出的新一代旗舰大语言模型，基于1.5万亿参数V9基础架构。模型在补充训练阶段深度整合Cursor编程数据，显著强化代码生成与软件工程能力。
阅读全文GPT-Live – OpenAI 推出的新一代语音模型
GPT-Live 是 OpenAI 推出的新一代语音模型，采用全双工架构实现同时听说，每秒多次决策开口、倾听、插话或调用工具。模型将实时交互与深度任务解耦，复杂问题委托后台 GPT-5.5 处理，前台保持流畅对话。
阅读全文Seedream 5.0 Pro – 字节跳动推出的多模态图像创作模型
Seedream 5.0 Pro 是字节跳动 Seed 团队推出的多模态图像创作模型，专为复杂专业场景设计。模型在图文匹配、文字渲染与画面美感上全面升级，核心突破包括复杂信息可视化、交互式精准编辑、真实影像质感还原及原生多语种生成。
阅读全文阿里 Wan2.1 本地部署教程 – 8G 显存可文生视频
今天发点适合本地做 AI 视频的东西。 说实话，现在的 AI 视频生成技术已经算成熟了，只有一个缺点：贵，收费基本都按秒，而且很难保证一条过，钱包真的顶不住啊。
阅读全文GenMail – Genspark 推出的 AI 智能邮箱助手
GenMail 是 Genspark 推出的 AI 智能邮箱助手，通过 AI 自动分拣、智能回复和多账号统一管理，解决职场人邮件过载、多账号混乱、回复拖延等痛点。
阅读全文MoWorld – 魔芯科技推出的全球首个高帧率交互式世界模型
MoWorld 是魔芯科技推出的全球首个高帧率交互式世界模型，基于纯国产华为昇腾 NPU 全栈优化，实现最高 50 FPS 实时推理，成本较 GPU 降低 70%。
阅读全文last30days-skill – 开源的跨平台 AI Agent 实时评论研究工具
last30days-skill 是开源的 AI Agent 研究技能，让 Agent 自动扒取过去30天海外各大社交平台的真实讨论并合成带引用的报告。工具深度爬取 Reddit 评论、X 高赞回复、YouTube 完整转录、TikTok 互动、Polymarket 赔率等，按真实人类参与度排序。
阅读全文Nemotron-Labs-Diffusion – 英伟达开源的三模式语言模型
Nemotron-Labs-Diffusion 是 NVIDIA 推出的三模式语言模型，在单一架构内统一自回归、扩散和自我推测解码。通过联合 AR-扩散目标训练，模型可在不同并发场景下切换模式维持高吞吐量。
阅读全文悟界·RoboBrain Orca – 智源推出的多模态表征世界模型
悟界·RoboBrain Orca 是智源研究院推出的多模态表征世界模型，以下一个状态预测替代传统下一个词/帧/动作预测，让 AI 在内部构建统一的世界潜在表征。
阅读全文motion-anything – Open Design 开源的本地优先动效引擎
motion-anything 是 Open Design 团队开源的本地优先动效引擎，定位为免费版 Figma Motion + 无水印动效视频工坊。工具让动效直接活在真实运行的网页上，所见即所得，改完可部署上线。
阅读全文Muse Image – Meta 超级智能实验室推出的AI图像生成模型
Muse Image 是 Meta 超级智能实验室推出的首个自研 AI 图像生成模型，采用 Agent 架构，与 Muse Spark 协作进行多步规划与自我精炼。
阅读全文LingBot-Vision – 蚂蚁灵波科技开源的通用视觉基座模型
LingBot-Vision 是蚂蚁灵波科技开源的通用视觉基座模型，业内首创以边界结构为预训练目标，采用几何建模方式实现空间感知训练范式突破。
阅读全文SayIt – 开源 AI 语音输入法，自动将口语转为书面表达
SayIt 是开源的 AI 语音输入法，基于 Rust 构建，支持 Windows 桌面端。用户按住快捷键说话，可将口语实时转为可直接使用的书面文字。
阅读全文