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
Toonflow – 开源的一站式 AI 短剧创作工具
Toonflow 是开源的一站式 AI 短剧创作工具，将小说、剧本通过多 Agent 协作自动转化为结构化剧本、智能分镜、角色视觉和动画视频，实现小说→剧本→分镜→视频，全流程 AI 自动化生产。
阅读全文Papers with Code – AI科研平台，自动关联论文、代码等
Papers with Code 是整合论文、代码、数据集和排行榜的AI科研平台，核心使命是将学术论文与开源代码、SOTA 性能排行榜深度关联。平台聚合 arXiv 论文，自动链接 GitHub 仓库和 Hugging Face 模型，提供按任务分类的 SOTA 排行榜。
阅读全文Hermes Desktop – Nous Research 推出的 Hermes 桌面端
Hermes Desktop 是 Nous Research 推出的官方 Hermes 桌面客户端，支持 macOS、Windows 和 Linux 三端。
阅读全文Odysseus – 开源的本地自托管 AI 工作空间
Odysseus 是开源自托管的 AI 工作空间，提供类似 ChatGPT / Claude 的聊天界面，工具完全本地化运行，数据不出本机、隐私零泄露。
阅读全文Step 3.7 Flash开源模型实测 – 多模态 Agent 大脑更省Token
Flash 模型现在已经不只是旗舰模型更快、更便宜的平替。而是能放进 Agent 工作流里，让每一步都更快、更稳、更省。 最近，阶跃星辰推出了新一代高效率 Flash 开源模型 Step 3.7 Flash。官方介绍里，Step 3.7 Flash 是 198B 参数稀疏 MoE 多模态模型，每个 token 激活约 11B 参数，支持 256K 上下文，最高吞吐可达 400 tokens/s，也支持 low、medium、high 三档推理强度。
阅读全文Science Skills – 谷歌 DeepMind 开源的科研技能工具包
Science Skills 是谷歌 DeepMind 推出的开源科学技能集合，专为加速 AI Agent 驱动的科学研究工作流设计。工具整合 AlphaGenome、AlphaFold Database、UniProt 等 30 多个生命科学数据库与工具，覆盖基因组学、结构生物学、化学信息学和文献检索等领域。
阅读全文Microsoft Scout – 微软推出的 AI 个人助手
Microsoft Scout 是微软推出的 AI 个人助手，基于 OpenClaw 开源技术构建。工具拥有独立 Entra 身份，可在后台持续自主运行，无需用户逐次触发。
阅读全文MAI-Voice-2 – 微软推出的新一代文本转语音模型
MAI-Voice-2 是微软推出的新一代文本转语音（TTS）模型，是微软迄今最具表现力和自然感的语音合成模型。相比前代在保真度、语言覆盖、说话人一致性和情感范围上全面提升，支持 15+ 种语言，具备细粒度情感控制、零样本语音克隆和代码切换能力。
阅读全文MAI Transcribe-1.5 – 微软 MAI 推出的语音转文本模型
MAI-Transcribe-1.5 是 微软 AI 团队自研的语音转文本模型，支持 43 种语言，具备上下文感知的关键词偏置能力，模型在 FLEURS 基准测试中取得行业最低的词错误率（WER 4.86%），专为视频字幕、会议转录、通话分析等企业级生产场景推出。
阅读全文MAI-Thinking-1 – 微软推出的首款自研高级推理模型
MAI-Thinking-1 是微软推出的首款自研高级推理模型。模型采用 35B 活跃参数 / 约 1T 总参数的稀疏 MoE 架构，完全基于干净、商业授权数据从头训练，未使用任何第三方模型蒸馏。
阅读全文MAI-Code-1-Flash – 微软推出的轻量级代码生成模型
MAI-Code-1-Flash 是微软专为开发者工作流推出的轻量级代码生成模型，深度集成 GitHub Copilot。模型采用自适应输出长度控制技术，在保持高准确率的同时最高可减少 60% 的 token 消耗，显著降低延迟与成本。
阅读全文Bernini – 字节跳动开源的统一视频生成与编辑框架
Bernini 是字节跳动开源的统一视频生成与编辑框架，采用MLLM 语义规划 + DiT 视觉渲染的两阶段解耦架构。多模态大模型理解指令并规划语义草图，由 Diffusion Transformer 完成高质量视频生成。
阅读全文PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型
PaddleOCR-VL-1.6 是百度飞桨团队推出的文档解析视觉语言模型（VLM），是 PaddleOCR-VL 系列的最新升级版本。
阅读全文AhaCreator – AI 原生海外达人营销平台，全流程 AI 托管
AhaCreator（原名 Aha）是 AI 原生的海外达人营销平台，致力于用 AI Agent 接管达人营销的全流程执行，让品牌方只需在关键节点做决策。平台覆盖 140+ 国家，拥有 500 万+ 预筛选达人池。
阅读全文Mellum2 – JetBrains 开源的混合专家模型
Mellum2 是 JetBrains 开源的面向软件工程系统的新机器学习模型。模型每 token 仅激活 2.5B 参数，专为软件工程 AI 工作流优化，支持代码生成、智能路由、子 Agent 调用及私有化部署。
阅读全文阿里JVS Claw实测 – 集成OpenClaw+Hermes双引擎
Hermes Agent 这波直接把 Agent 天花板给掀了！ 在 OpenRouter 最新公布的最受欢迎生产力工具排行榜中，Hermes Agent 已经超越了 OpenClaw 稳居第一，“虾”和“马”这两个 Agent 引擎在追求生产力效率的极客圈子里被高频使用，说明大家已经不只是把他们当成新鲜玩具了。
阅读全文语构 – 阿里达摩院推出的 AI 原生开发平台
语构是阿里达摩院推出的AI原生开发平台，以Vibe Coding为核心范式，让用户通过自然语言描述需求可生成完整可用的数字产品。
阅读全文Qwen3.7-Plus – 阿里通义推出的智能体多模态大模型
Qwen3.7-Plus 是通义千问推出的新一代多模态大模型，将视觉与语言统一为一体化智能体基座。模型能感知真实世界场景、读取屏幕并操作 GUI、基于视觉参考生成代码，支持端到端导航移动应用、结合网络知识回答视觉问题，在单一智能体循环中无缝融合 GUI 与 CLI 交互。
阅读全文