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
CodeMote – AI 原生跨端终端工具，支持远程操控编码环境
CodeMote 是 AI 原生跨端终端工具，支持 iPhone/iPad 远程控制桌面 AI 编码智能体与完整开发环境。工具将手机变为个人开发工作站遥控器，让开发者离开电脑后仍能实时处理紧急漏洞、跟进 AI 编码进度、查看代码差异并参与远程协作。
阅读全文SoundWise – 免费AI音视频转录工具，支持多格式音视频
SoundWise是免费的AI音视频转录工具，能直接在浏览器上传文件完成语音转文字。平台采用本地AI模型运行，文件不上传服务器，保护隐私，支持98种语言识别、说话人区分及逐字时间戳。
阅读全文MemGUI-Agent – 浙大联合快手推出的长程手机GUI智能体
MemGUI-Agent 是浙大与快手联合推出的长程手机GUI智能体，专为跨App、多步骤、长链条的移动端自动化任务设计。
阅读全文InternAgentS – 上海 AI Lab 开源的国产科研智能体工作台
InternAgentS 是上海AI实验室开源的国产科研智能体工作台，面向 AI for Science 场景，将论文阅读、实验分析、代码迭代、远程计算、科研写作等分散环节整合到统一项目空间。
阅读全文支付宝AI开放平台 – 蚂蚁集团推出的企业级AI服务生态平台
支付宝AI开放平台是蚂蚁集团推出的企业级AI服务生态平台，面向商家与开发者提供一次接入、多端分发的AI化升级方案。商家可将存量小程序、API接口封装为MCP、Skill或Agent，通过阿宝触达支付宝10亿用户，同时授权手机、车机、AI眼镜、IoT等智能终端调用。
阅读全文GPT-Realtime-2.1 – OpenAI推出的新一代实时语音模型
GPT-Realtime-2.1是OpenAI推出的新一代实时语音模型。2.1旗舰版显著提升了字母数字识别、静音噪音处理及中断响应能力，支持语音、文本和图像输入，具备强大推理、指令遵循与工具调用功能，专为复杂语音代理工作流设计。
阅读全文LingBot-Depth 2.0 – 蚂蚁灵波科技推出的空间感知模型
LingBot-Depth 2.0 是蚂蚁灵波科技推出面向真实场景的空间感知模型，同步开源视觉基座模型 LingBot-Vision。训练数据从 300 万扩充至 1.5 亿，在 16 项深度补全基准测评中获 12 项第一，室内大面积深度缺失场景 RMSE 误差从 0.132 降至 0.062。
阅读全文一点妙笔 – AI公文写作工具，一键生成合规材料
一点妙笔是专注于AI公文写作的智能创作工具，一键生成合规材料专用AI智能创作"。基于公文写作专用大模型，能创作真正可用的高质量公文，采用"先生成大纲再扩写全文"的方式，让文章思路清晰可见，操作简单，创作高效。
阅读全文Hy3 – 腾讯混元开源的混合专家模型
Hy3 是腾讯混元开源的 295B 参数混合专家（MoE）模型。模型在 Agent 能力、推理与长上下文任务上显著进步，多项基准比肩参数规模 2-5 倍的旗舰模型。
阅读全文OpenScience – Synthetic Sciences 开源的 AI 科研工作台
OpenScience 是 Synthetic Sciences 推出的开源AI 科研工作台，面向机器学习、生物学、物理学和化学研究。平台支持从文献综述、假设生成、代码编写、实验执行到结果分析与论文撰写的完整科研循环。
阅读全文Fun-ASR-Realtime – 阿里千问推出的流式实时语音识别模型
Fun-ASR-Realtime 是阿里千问推出的流式实时语音识别大模型。模型通过 WebSocket 流式协议实现边说边出字，首字延迟百毫秒，尾字延迟同样极低。
阅读全文DramaClaw – 工业级 AI 视频制作工具，提供一站式流水线
DramaClaw 是工业级 AIGC 视频制作工具，主要面向 AI 短剧、漫剧、小说推文、解说剧等多类型视频创作场景。
阅读全文Leanstral 1.5 – Mistral AI 开源的形式化验证大模型
Leanstral 1.5 是 Mistral AI 开源的形式化验证大模型，专为 Lean 4 自动定理证明优化。模型采用 119B 参数 MoE 架构，支持 256k 超长上下文与图文输入。
阅读全文SeFi-Image – 开源的文本到图像模型，基于语义优先扩散
SeFi-Image 是基于语义优先扩散的文本到图像模型，提供 1B、2B、5B 三种规格。模型将高层语义结构与纹理细节分离，让语义流提前去噪，为纹理生成提供清晰的结构锚点。
阅读全文FuckClaude – 开源的浏览器环境自测工具，是否会被CC标记
FuckClaude 是轻量、SEO 友好、中英双语的单页浏览器检测工具，用于扫描用户的浏览器环境并判断其是否会被 Claude Code 标记为"中国用户"。点击运行后，工具会逐项进行扫描动效，分数环随风险累加而增长，最终给出结论与命中的信号列表。
阅读全文ComAct – 上海AI Lab等推出软件自动化操作的研究范式
ComAct（COM-as-Action）是重新定义专业软件自动化操作的研究范式，由Jiaxin Ai等人提出。范式将Windows的Component Object Model（COM）识别为统一的可执行抽象，把专业软件交互从脆弱的顺序性视觉控制转变为确定性的程序合成
阅读全文Vidu S1 – 生数科技推出的实时交互视频基础模型
Vidu S1 是生数科技推出的全球领先实时交互视频基础模型，标志着 AI 视频从离线生成迈入实时双向互动时代。基于自回归扩散架构，支持 540P 分辨率、25FPS（最高 42FPS）的实时视频生成，可在消费级 GPU 上运行。
阅读全文Codex 怎么用国产模型？Kimi + CC Switch 接入配置指南
最近 Claude 又开始大面积封号，不管新号老号，没半点预兆说没就没，最让人头痛的是，之前辛苦喂进去的上下文、个人偏好、项目工作流，全都要重新整理，迁移...好在，Codex 官方生态十分开放，支持我们自由配置第三方模型。我们完全可以接入国产模型，比如 DeepSeek、Kimi，只要支持 OpenAI 兼容接口，理论上都可以接入 Codex。不仅能避开支付门槛，token 费用还更省。
阅读全文