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
Cosmos 3 – 英伟达开源的全模态物理 AI 基础大模型
Cosmos 3是英伟达推出的全球首款全开源全模态物理 AI 基础大模型，采用混合 Transformer 架构融合视觉推理、世界生成与动作预测能力。
阅读全文Dubbing v2 – ElevenLabs 推出的 AI 配音模型
Dubbing v2 是 ElevenLabs 推出的 AI 配音模型，支持 29 种语言自动翻译配音，保留原始说话人音色与情感。模型提供双工作流模式，Auto Dub 快速生成预览，Dubbing Project 进入时间轴编辑器逐段精修。
阅读全文Gamma-World – 英伟达推出的多智能体世界模型
Gamma-World 是 NVIDIA 推出的多智能体世界模型，能解决多个智能体在同一个模拟世界中平等交互、全局一致的问题。
阅读全文Music v2 – ElevenLabs 推出的音乐生成大模型
Music v2 是 ElevenLabs 全新推出的音乐生成大模型，在人声表现、乐器演奏和编曲水平上实现全面提升，支持多语言及单曲目内跨流派无缝转换。
阅读全文Funloom – AI 原生游戏共创平台，简单描述生成完整游戏
Funloom 是 00 后创业者吴同创立的 AI 原生游戏内容共创平台，让用户无需编程、美术或游戏引擎基础，通过简单的人物设定和世界观输入，可在五分钟内生成包含画面、音乐、地图和智能 NPC 互动的完整游戏。
阅读全文7大真实任务实测 Opus 4.8、Gemini 3.5 Flash、GPT-5.5、Qwen3.7-Max
最近大模型更新真的有点密，更了好多但是却不知道到底谁好用。 有说 Qwen3.7-Max 已经力压 GPT-5.5，仅次于Claude 系列。也有说 GPT-5.5 已经登顶。普通人看排行榜估计越看越疑惑，写文章该用哪个？数据分析该用哪个？写代码、审 PR、拆任务又该用哪个？ 我挑了四款最近讨论度很高的模型：Claude Opus 4.8、Gemini 3.5 Flash、GPT-5.5、Qwen3.7-Max，做一次横评，看看它们在真实任务里的交付表现。
阅读全文Qwen-VLA – 阿里通义推出的通用视觉-语言-动作模型
Qwen-VLA 是通义实验室推出的通用视觉-语言-动作模型，以 Qwen3.5-4B 为视觉语言主干，搭配 1.15B 参数的 DiT 动作解码器。模型通过统一动作轨迹预测框架，将操作、导航、轨迹预测三大任务统一到同一模型；借助本体感知提示条件化，仅需修改文本描述即可适配 11 种机器人平台。
阅读全文MiniMax M3 – MiniMax 推出的新一代 AI 模型
MiniMax M3是MiniMax推出的全新AI模型，具备领先的编程、Agent与长文本处理能力。模型采用创新的MSA稀疏注意力架构，支持1M超长上下文，效率提升20倍。
阅读全文墨见 – 墨刀推出的 AI 协作平台
墨见是墨刀推出的 AI 协作平台，专为一人公司与超级个体打造。平台搭载 OpenClaw 引擎，内置产品经理、UI/视觉设计师、前后端工程师、增长运营师等虚拟合伙人角色，支持 1 对 N 群聊协作模式。
阅读全文Hermes Desktop – Hermes Agent 的桌面应用，开箱即用
Hermes Desktop 是开发者 sir1st 推出的 Hermes Agent 社区版桌面应用。将 Python 运行时、hermes-agent 核心与 hermes-web-ui 可视化界面打包为单一可执行文件，用户无需手动安装 Python、Node 等依赖，双击即可启动。
阅读全文ControlFoley – 小米开源的可控视频音效生成模型
ControlFoley是小米开源的可控视频音效生成模型，能解决V2A领域可控性难题。模型统一支持文本引导、文本控制与参考音频控制三类视频配音任务，通过自研时空音视频编码器CAV-MAE-ST、时间-音色解耦与模态鲁棒训练。
阅读全文办公小浣熊桌面端 2.0 实测 – 告别上传下载、AI 直接操作电脑
朋友们，最近发现商汤小浣熊搞了个国内首个 OPC 能力挑战赛。 OPC 或者日常在用 AI 提升办公效率的友友们，可以关注一下，一共有 2 个赛道：一个是新手出道赛，我们只需要用办公小浣熊完成一次真实任务，然后发布到社交媒体，就可以参与。但是这篇我不想只讲比赛，我觉得更关注的是这次上新的办公小浣熊桌面端 2.0。现在，办公小浣熊桌面端 2.0 可以直接在我电脑里工作，我可以在任意界面唤起它，让它读取本地文件、处理表格和文档、操作浏览器，还能把生成的结果直接导入飞书文档，整个流程顺畅多了。
阅读全文叠叠社深度体验 – 会刷弹幕的 AI 二次元搭子
想不想让你喜欢动漫角色，时时刻刻都陪伴着你？ 前两天半夜学习《Claude Code从入门到精通》，屏幕右上角突然飘过来青疫的一句：“看来K姐找到了自己的救赎之道了呢～”粉色的一行字，带个小表情，从右边慢慢飘到左边。
阅读全文SenseNova-U1-8B-MoT-Infographic – 商汤科技开源的信息图增强模型
SenseNova-U1-8B-MoT-Infographic 是商汤科技开源的 8B 参数信息图增强模型，基于 SenseNova-U1-8B-MoT 统一架构，通过专项数据训练与 RL 强化学习，显著提升小字准确度、版式稳定性与图表正确性。可生成海报、图表、菜谱及 arXiv 风格论文页，视觉理解不退化。
阅读全文阿里云百炼 CLI – 阿里云开源的 AI Agent 命令行工具
阿里云百炼CLI是阿里云开源的AI Agent命令行工具，专为智能体场景设计。开发者一行命令，可让Agent自动调用阿里云百炼平台150+多模态模型、10+应用及知识库、记忆、联网搜索等全套能力。
阅读全文OmniVoice Studio – 开源 AI 语音处理工具，ElevenLabs 平替
OmniVoice Studio 是全本地运行的开源 ElevenLabs 替代方案，提供跨平台桌面客户端，支持零样本语音克隆、声音设计、视频自动配音、语音听写等功能，覆盖 646 种语言。
阅读全文Hy-Memory – 腾讯混元推出的 Agent 记忆插件
Hy-Memory 是腾讯混元推出的专为 OpenClaw 等长期协作型 Agent 设计的记忆插件，通过 6 层记忆框架 × System1/System2 双系统 × 演化链三层架构，让 Agent 真正记得住、记得对、记得轻、更懂你。
阅读全文Dynamic Workflows – Claude Code 推出的动态工作流
Dynamic Workflows 是 Claude Code 推出的动态工作流，目前处于研究预览阶段，支持 Claude 动态编写编排脚本，在单次会话中并行调度数十至数百个子 Agent 协同工作，自动拆分任务、验证结果并断点续跑。
阅读全文