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
QuantiPhy – 李飞飞团队推出的VLM物理推理量化评估基准
QuantiPhy 是斯坦福大学李飞飞团队推出的首个量化评估视觉 - 语言模型（VLM）物理推理能力的基准。QuantiPhy 通过 3300 多个视频 - 文本实例，要求模型基于视频和物理先验（如物体尺寸、速度等），定量推理物体的运动学属性（如大小、速度、加速度）。
阅读全文TurboDiffusion – 清华大学等推出的视频生成加速框架
TurboDiffusion 是清华大学、生数科技和加州大学伯克利分校联合推出的视频生成加速框架。框架通过 SageAttention、SLA（稀疏线性注意力）和 rCM（时间步蒸馏）等技术，将视频生成速度提升 100~200 倍，能在单张 RTX 5090 显卡上将原本 184 秒的生成任务缩短到 1.9 秒。
阅读全文Seed Prover 1.5 – 字节跳动推出的新一代数学推理模型
Seed Prover 1.5 是字节跳动 Seed 团队推出的新一代形式化数学推理模型。模型采用创新的 Agentic Prover 架构，通过大规模强化学习（Agentic RL）训练，显著提升数学推理能力和效率。
阅读全文MedASR – 谷歌开源的医疗语音识别模型
MedASR 是 Google 推出的专注于医学领域的语音识别模型，基于 Conformer 架构，拥有 105M 参数。模型通过大量医学语音数据（约 5000 小时）进行预训练，涵盖医生口述和临床对话等多种场景，能精准识别复杂医学术语和专业上下文。
阅读全文opcode – 为Claude Code打造的开源桌面图形界面工具
opcode 是为Claude Code 打造的开源桌面图形界面工具，支持将复杂的命令行操作转化为直观的可视化体验，极大提升用户体验。
阅读全文Replymer – AI产品营销工具，用自然真实的方式推广产品
Replymer 是通过真实人类撰写的回复推广产品的工具。工具能帮助品牌在 Reddit、X（Twitter）和 LinkedIn 等社交平台上找到合适的对话场景，用自然、真实的方式推荐产品，建立信任、提升品牌知名度和吸引客户。
阅读全文Fun-Audio-Chat – 阿里通义开源的端到端语音交互模型
Fun-Audio-Chat是阿里云通义百聆团队开源的新一代端到端语音交互模型，具备语音理解、情感感知和任务执行能力。模型采用双分辨率设计，通过5Hz和25Hz帧率协同工作，相比同类产品节省近50%GPU计算资源。
阅读全文PromptFill – 专为AI绘画设计的开源结构化提示词生成工具
PromptFill是专为AI绘画设计的结构化提示词生成工具，通过可视化填空交互帮助用户快速构建复杂Prompt。解决了传统提示词记忆过载、语法混乱和复用性差的问题，支持Stable Diffusion、Midjourney等主流AI绘画平台。
阅读全文MiniMax M2.1 – MiniMax推出的多语言编程AI模型
MiniMax M2.1 是 MiniMax推出的多语言编程AI 模型。模型系统性提升了 Rust、Java、Golang 等多语言能力，覆盖从底层到应用层开发。
阅读全文什么是智能体工程？一文看懂
进入2025年，我们正处在由人工智能，特别是大型语言模型（LLM）驱动的深刻变革时代。理论模型的突破性进展令人振奋，如何将强大的"大脑"转化为能可靠、安全地在现实世界中执行复杂任务的实体，已成为产业界和学术界共同关注的核心议题。
阅读全文WitNote – 开源的免费AI写作工具，支持拖拽整理笔记
WitNote（智简笔记本）是开源免费的本地AI写作工具，支持 macOS 和 Windows 系统。工具内置 Ollama AI 引擎，预装轻量级模型，无需复杂配置即可使用。
阅读全文BeatViz – 面向音乐和内容创作者的 AI 视频生成平台
BeatViz 是面向音乐和内容创作者的 AI 视频生成平台，支持将音频自动转化为高质量动态视频。BeatViz通过智能分析音乐节奏、情绪，能快速生成与音频完美同步的视觉内容，支持多场景风格定制和一键替换音频功能。
阅读全文GLM-4.7 – 智谱推出的旗舰AI模型，Coding能力再提升
GLM-4.7 是智谱AI推出的开源模型，专注于提升编码能力、推理能力和工具协同。模型在多语言编程、复杂任务规划、前端设计美学等方面表现出色，支持多种编程框架，如Claude Code等。
阅读全文Loki.Build – AI网站构建工具，快速创建着陆页
Loki.Build 是AI网站构建工具，快速创建高质量着陆页。用户只需输入想法或产品信息，工具能在短时间内生成符合品牌风格、针对特定受众的落地页。
阅读全文01Agent
01Agent 是面向中小团队的一站式 AI 营销内容创作智能体，用户输入一句需求，可批量生成小红书图文、社媒推文、商品套图、海报、电商详情页、PPT、营销视频等物料，能在无限画布中二次编辑、排版，支持导出高清图、PDF、PPT、PSD、MP4 及一键社媒分发。
阅读全文NitroGen – 英伟达联合斯坦福大学等推出的通用游戏AI模型
NitroGen 是英伟达联合斯坦福大学、加州理工学院等机构开发的开源通用游戏 AI 模型。基于4万小时、涵盖1000多款游戏的视频数据进行训练，采用大规模行为克隆方法。模型通过输入游戏视频帧，输出手柄操作信号，适用于多种类型的游戏。
阅读全文Qwen-Image-Layered – 阿里推出的AI图像编辑模型
Qwen-Image-Layered是阿里团队推出的AI图像编辑模型，能将普通图片自动拆分为独立的RGB透明图层，实现类似Photoshop的分层编辑功能。通过注意力机制和位置编码动态拆分图层，支持3-10层的灵活分解
阅读全文FlowyAIPC – 本地AI办公助手工具，完全离线运行
FlowyAIPC 是 Flowy AI 公司推出的面向智能办公领域的 AI 助手产品，通过 AI 技术提升用户办公效率。支持 Windows 本地安装，可在本地电脑上部署大模型，完全离线运行、独立管理。
阅读全文