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
FLUX.2 [klein] – Black Forest Labs开源的图像生成模型
FLUX.2 [klein] 是 Black Forest Labs 开源的高效图像生成与编辑模型。模型具备亚秒级推理速度，能在 0.5 秒内完成高质量图像生成和编辑，支持文生图、图生图及多参考生成。
阅读全文NovaSR – 开源音频超分模型，能将低音质转换为高音质音频
NovaSR 是开源的音频超分辨率模型，仅有 52KB 能将 16kHz 的低采样率音频（如电话音质）提升到 48kHz 的高采样率音频（如录音室级音质）。模型通过神经网络预测并生成高频信息，实现音质的显著改善。
阅读全文国产Nano Banana开源平替，10个案例实测GLM-Image
智谱发布并开源了最新的多模态模型 GLM-Image，文字准确率 0.9116，是目前文本渲染准确率最高的开源模型。NED指标也同样顶级，对提示词的遵循度很高，错字、漏字情况更少。目前 GLM-Image 有3种体验方式，直接在 BigModel 在线体验或者调用 API，都是0.1元/张，且原生支持 1024*1024 到 2048*2048 任意尺寸的图像。
阅读全文Step-Audio-R1.1 – 阶跃星辰开源的原生语音推理模型
Step-Audio-R1.1 是阶跃星辰推出的全球首个开源原生语音推理模型。模型以96.4%的准确率登顶全球权威语音推理榜单，超越众多一线模型。模型具备深度语音推理、实时响应和可扩展的链式思考能力，能在端到端处理语音时像人类一样实时思考。
阅读全文Moras – AI商业内容创作工具，高效实现电商变现
Moras 是全球首个全自动商业 Agentic AI 工具，能帮助达人和创作者实现内容电商的高效变现。工具主要面向 TikTok 上的创作者和个体商家，通过 AI 算法实现智能选品、自动化视频创作和数据分析，帮助用户快速生成带货视频和优化商业变现。
阅读全文ArenaRL – 通义与高德开源的开放域对比式强化学习方法
ArenaRL 是通义 DeepResearch 团队联合高德开源的，面向开放域智能体的对比式强化学习方法。ArenaRL通过引入锦标赛机制，将传统的绝对打分转变为组内相对排序，用高效的种子单败淘汰赛拓扑结构。
阅读全文Workus – AI销售Agent平台，精准识别定位高意向用户
Workus 是专注于 B2B 销售领域的智能平台，通过 AI 技术为企业提供高意向客户的开发与跟进服务。能深度理解企业的业务需求，自动读取官网、文档和客户画像，精准定位关键决策人，通过多渠道（如邮件、LinkedIn、WhatsApp）与潜在客户进行个性化沟通。
阅读全文AgentCPM-Explore – 清华联合面壁智能开源的智能体模型
AgentCPM-Explore 是清华大学、中国人民大学、面壁智能和 OpenBMB 开源社区联合推出的开源智能体模型。模型基于仅 4B 参数，在多个长程任务评测基准上超越同尺寸甚至更大模型，展现出极高的能力密度。
阅读全文MedGemma 1.5 – 谷歌开源的多模态AI医疗模型
MedGemma 1.5 是谷歌开源的多模态AI医学模型，专为处理医学影像和文本数据设计。模型支持高维医学影像（如CT和MRI）、全切片病理影像、纵向影像分析、解剖定位、医学文档理解和电子健康记录（EHR）解读等功能。
阅读全文FrogBoss – 微软开源的系列编程模型
FrogBoss 是微软研究院推出的系列编程模型。模型通过创新的复杂漏洞生成方法（BugPilot）进行训练，该方法通过让语言模型代理（LLM）在代码库中添加新功能来无意中引入漏洞，生成更具挑战性和多样性的训练数据。
阅读全文OctoCodingBench – MiniMax开源的Coding Agent评测集
OctoCodingBench是MiniMax开源的针对Coding Agent的指令遵循能力的评测集。OctoCodingBench通过模拟真实软件开发场景，从系统约束、用户指令、项目规范、技能调用、历史记忆等多个维度评估Agent是否能严格遵循规则完成任务。
阅读全文PixVerse R1 – 爱诗科技推出的全球首个通用实时世界模型
PixVerse R1 是爱诗科技（PixVerse）推出的全球首个通用实时世界模型，标志着AI视频生成从“预录制”迈向“实时动态生成”的重大突破。R1通过三大核心技术实现创新：Omni原生多模态基础模型，将文本、图像、音频与视频融合为单一生成序列；自回归流式生成机制，解决长时序一致性问题
阅读全文司农 – 南京农业大学开源的农业领域大模型
司农（司农大语言模型）是南京农业大学推出的面向农业领域的垂直大模型。模型依托南农的学科优势，收集了涵盖多农业学科的超40亿token数据，包括书籍、论文、政策等。
阅读全文GLM-Image – 智谱联合华为开源的多模态图像生成模型
GLM-Image 是智谱联合华为开源的新一代多模态图像生成模型，基于昇腾 Atlas 800T A2 设备和昇思 MindSpore 框架训练，是首个全流程国产芯片训练的 SOTA 模型。
阅读全文BabyVision – UniPat AI团队推出的多模态理解评测集
BabyVision是 UniPat AI团队推出的多模态理解评测集，评估多模态语言模型（MLLMs）和图像生成模型在视觉推理任务上的表现。包含两个主要赛道：MLLM评估和生成评估。
阅读全文Baichuan-M3 – 百川智能开源的新一代医疗增强大语言模型
Baichuan-M3是百川智能正式发布的新一代开源医疗增强大语言模型。模型在问诊能力、医疗幻觉控制以及Healthbench和Healthbench Hard评测中均排名第一，超越了OpenAI的GPT-5.2，在所有测试环节中超越了人类医生的表现。
阅读全文Engram – DeepSeek联合北大推出的条件记忆模块
Engram 是DeepSeek团队联合北京大学推出的条件记忆模块，能提升大语言模型（LLM）的性能。Engram通过引入现代化的 -gram 嵌入表，将静态知识存储在独立的内存中，用稀疏检索和上下文感知门控技术实现高效的知识查找。
阅读全文女娲智能体OS – 首个产品级开源的通用智能体操作系统
女娲智能体OS（Nuwax Agent OS）是全球首个产品级开源的通用智能体操作系统。女娲智能体OS支持将AI从单纯的对话工具转变为企业的智能执行者，通过自主执行引擎实现从需求拆解到任务执行的全链路自动化。
阅读全文