Crypto Knight
@cryptoknightai.bsky.social
It’s Crypto Knight, crypto, and AI, Innovations are my playground.
阿里通义“百聆”语音双模型重大升级并开源
Fun-CosyVoice3仅需3秒录音，即可实现9种语言、18种方言切换及情感模拟，首包延迟降50%，中英混说错误率大降56.4%，支持音色克隆
Fun-ASR噪声环境识别准确率达93%，新增歌词说唱识别，支持31种语言混说，流式识别首字延迟仅160毫秒。双模型均支持本地部署与二次开发，已在多平台开放开源
Fun-CosyVoice3仅需3秒录音，即可实现9种语言、18种方言切换及情感模拟，首包延迟降50%，中英混说错误率大降56.4%，支持音色克隆
Fun-ASR噪声环境识别准确率达93%，新增歌词说唱识别，支持31种语言混说，流式识别首字延迟仅160毫秒。双模型均支持本地部署与二次开发，已在多平台开放开源
December 16, 2025 at 7:53 AM
阿里通义“百聆”语音双模型重大升级并开源
Fun-CosyVoice3仅需3秒录音，即可实现9种语言、18种方言切换及情感模拟，首包延迟降50%，中英混说错误率大降56.4%，支持音色克隆
Fun-ASR噪声环境识别准确率达93%，新增歌词说唱识别，支持31种语言混说，流式识别首字延迟仅160毫秒。双模型均支持本地部署与二次开发，已在多平台开放开源
Fun-CosyVoice3仅需3秒录音，即可实现9种语言、18种方言切换及情感模拟，首包延迟降50%，中英混说错误率大降56.4%，支持音色克隆
Fun-ASR噪声环境识别准确率达93%，新增歌词说唱识别，支持31种语言混说，流式识别首字延迟仅160毫秒。双模型均支持本地部署与二次开发，已在多平台开放开源
全AI生成游戏引发行业争议！独立作品《Codex Mortis》宣称从代码、美术到音乐100%由AI完成，开发者通过“氛围式编码”仅三个月落地，体验如“给创作者装外骨骼”
但上线Steam后争议拉满，差评直指其为“AI流水线产物”，核心矛盾聚焦于“AI协作是解放效率还是放弃创意主权”
作为标志性案例，它映照出行业对“原创”“作者”定义的集体困惑，也成为AI创作时代的真实切片
但上线Steam后争议拉满，差评直指其为“AI流水线产物”，核心矛盾聚焦于“AI协作是解放效率还是放弃创意主权”
作为标志性案例，它映照出行业对“原创”“作者”定义的集体困惑，也成为AI创作时代的真实切片
December 15, 2025 at 7:59 AM
全AI生成游戏引发行业争议！独立作品《Codex Mortis》宣称从代码、美术到音乐100%由AI完成，开发者通过“氛围式编码”仅三个月落地，体验如“给创作者装外骨骼”
但上线Steam后争议拉满，差评直指其为“AI流水线产物”，核心矛盾聚焦于“AI协作是解放效率还是放弃创意主权”
作为标志性案例，它映照出行业对“原创”“作者”定义的集体困惑，也成为AI创作时代的真实切片
但上线Steam后争议拉满，差评直指其为“AI流水线产物”，核心矛盾聚焦于“AI协作是解放效率还是放弃创意主权”
作为标志性案例，它映照出行业对“原创”“作者”定义的集体困惑，也成为AI创作时代的真实切片
欧洲AI巨头Mistral放出编码神器Devstral2，开源还免费，直接硬刚闭源巨头
123B旗舰版解决GitHub问题正确率72.2%，成本比闭源模型低7倍；24B轻量版笔记本就能跑，隐私敏感场景闭眼冲。更狠的是配套Mistral Vibe CLI，自然语言就能操控整个代码库，扫描结构、执行命令、改bug一键搞定，还能集成到IDE里
这波直接把AI编码效率拉满，开源党有福了，闭源垄断要被打破了
123B旗舰版解决GitHub问题正确率72.2%，成本比闭源模型低7倍；24B轻量版笔记本就能跑，隐私敏感场景闭眼冲。更狠的是配套Mistral Vibe CLI，自然语言就能操控整个代码库，扫描结构、执行命令、改bug一键搞定，还能集成到IDE里
这波直接把AI编码效率拉满，开源党有福了，闭源垄断要被打破了
December 14, 2025 at 9:32 AM
欧洲AI巨头Mistral放出编码神器Devstral2，开源还免费，直接硬刚闭源巨头
123B旗舰版解决GitHub问题正确率72.2%，成本比闭源模型低7倍；24B轻量版笔记本就能跑，隐私敏感场景闭眼冲。更狠的是配套Mistral Vibe CLI，自然语言就能操控整个代码库，扫描结构、执行命令、改bug一键搞定，还能集成到IDE里
这波直接把AI编码效率拉满，开源党有福了，闭源垄断要被打破了
123B旗舰版解决GitHub问题正确率72.2%，成本比闭源模型低7倍；24B轻量版笔记本就能跑，隐私敏感场景闭眼冲。更狠的是配套Mistral Vibe CLI，自然语言就能操控整个代码库，扫描结构、执行命令、改bug一键搞定，还能集成到IDE里
这波直接把AI编码效率拉满，开源党有福了，闭源垄断要被打破了
Skywork 5.0版APP上线，手机端直接解锁多Agent并行黑科技，效率直接拉满
长按录音6秒，会议灵感秒变结构化要点、Todo清单和脑图；一句话指令，同时生成PPT、三平台文案、播客脚本和3套海报，不用再切换十个工具。无网也能离线用，4G网络4.8秒出结果，首月免费随便造，次月才29块
这波直接把办公创作门槛踩碎，移动端多Agent时代是真的来了
长按录音6秒，会议灵感秒变结构化要点、Todo清单和脑图；一句话指令，同时生成PPT、三平台文案、播客脚本和3套海报，不用再切换十个工具。无网也能离线用，4G网络4.8秒出结果，首月免费随便造，次月才29块
这波直接把办公创作门槛踩碎，移动端多Agent时代是真的来了
December 13, 2025 at 3:12 PM
Skywork 5.0版APP上线，手机端直接解锁多Agent并行黑科技，效率直接拉满
长按录音6秒，会议灵感秒变结构化要点、Todo清单和脑图；一句话指令，同时生成PPT、三平台文案、播客脚本和3套海报，不用再切换十个工具。无网也能离线用，4G网络4.8秒出结果，首月免费随便造，次月才29块
这波直接把办公创作门槛踩碎，移动端多Agent时代是真的来了
长按录音6秒，会议灵感秒变结构化要点、Todo清单和脑图；一句话指令，同时生成PPT、三平台文案、播客脚本和3套海报，不用再切换十个工具。无网也能离线用，4G网络4.8秒出结果，首月免费随便造，次月才29块
这波直接把办公创作门槛踩碎，移动端多Agent时代是真的来了
AI视频巨头Runway杀入世界模型赛道，推出首个通用世界模型GWM-1，通过逐帧像素预测构建懂物理规律的动态仿真环境，跻身谷歌、OpenAI等巨头行列
具体可分为三大落地分支：GWM-Worlds可生成交互式动态世界，GWM-Robotics助力机器人场景预演，GWM-Avatars打造高逼真数字人
同时Gen4.5模型升级原生音频生成、多镜头合成等工业级功能，标志AI视频从原型迈向量产，世界模型融合成最终目标
具体可分为三大落地分支：GWM-Worlds可生成交互式动态世界，GWM-Robotics助力机器人场景预演，GWM-Avatars打造高逼真数字人
同时Gen4.5模型升级原生音频生成、多镜头合成等工业级功能，标志AI视频从原型迈向量产，世界模型融合成最终目标
December 12, 2025 at 9:35 AM
AI视频巨头Runway杀入世界模型赛道，推出首个通用世界模型GWM-1，通过逐帧像素预测构建懂物理规律的动态仿真环境，跻身谷歌、OpenAI等巨头行列
具体可分为三大落地分支：GWM-Worlds可生成交互式动态世界，GWM-Robotics助力机器人场景预演，GWM-Avatars打造高逼真数字人
同时Gen4.5模型升级原生音频生成、多镜头合成等工业级功能，标志AI视频从原型迈向量产，世界模型融合成最终目标
具体可分为三大落地分支：GWM-Worlds可生成交互式动态世界，GWM-Robotics助力机器人场景预演，GWM-Avatars打造高逼真数字人
同时Gen4.5模型升级原生音频生成、多镜头合成等工业级功能，标志AI视频从原型迈向量产，世界模型融合成最终目标
AI动画创作彻底卷疯了🚨 商汤新出的Seko2.0，输入一句话就能一键生成100集动画短剧，成本才一杯奶茶钱
12分钟出片，人物从第1集到第100集零变脸，剧情节奏比人工写的还丝滑。上百种风格随便选，上传自拍就能生成专属3D角色，台词、镜头随时能改，完全不用懂专业技术
关键是比Runway更连贯，比Sora更好控剧情，普通人也能当导演！后续还要出电影质感的作品，甚至冲击院线，AI创作的导演时代真的来了
12分钟出片，人物从第1集到第100集零变脸，剧情节奏比人工写的还丝滑。上百种风格随便选，上传自拍就能生成专属3D角色，台词、镜头随时能改，完全不用懂专业技术
关键是比Runway更连贯，比Sora更好控剧情，普通人也能当导演！后续还要出电影质感的作品，甚至冲击院线，AI创作的导演时代真的来了
December 11, 2025 at 10:34 AM
AI动画创作彻底卷疯了🚨 商汤新出的Seko2.0，输入一句话就能一键生成100集动画短剧，成本才一杯奶茶钱
12分钟出片，人物从第1集到第100集零变脸，剧情节奏比人工写的还丝滑。上百种风格随便选，上传自拍就能生成专属3D角色，台词、镜头随时能改，完全不用懂专业技术
关键是比Runway更连贯，比Sora更好控剧情，普通人也能当导演！后续还要出电影质感的作品，甚至冲击院线，AI创作的导演时代真的来了
12分钟出片，人物从第1集到第100集零变脸，剧情节奏比人工写的还丝滑。上百种风格随便选，上传自拍就能生成专属3D角色，台词、镜头随时能改，完全不用懂专业技术
关键是比Runway更连贯，比Sora更好控剧情，普通人也能当导演！后续还要出电影质感的作品，甚至冲击院线，AI创作的导演时代真的来了
OpenAI偷偷搞大事，新图像模型杀疯了🚀 两款代号“栗子”“榛子”的神秘模型正在盲测，直接硬刚谷歌和Midjourney
新模型生成的名人自拍堪比写真，代码公式再也不歪歪扭扭，世界知识理解能力和谷歌顶尖模型平起平坐。更狠的是，这俩大概率是Image-2的轻量版和旗舰版，最快本周就会跟着GPT-5.2一起发布
这波操作直接补上OpenAI的图像短板，以后做设计、写教程、搞创意，出图又快又精准
新模型生成的名人自拍堪比写真，代码公式再也不歪歪扭扭，世界知识理解能力和谷歌顶尖模型平起平坐。更狠的是，这俩大概率是Image-2的轻量版和旗舰版，最快本周就会跟着GPT-5.2一起发布
这波操作直接补上OpenAI的图像短板，以后做设计、写教程、搞创意，出图又快又精准
December 10, 2025 at 8:53 AM
OpenAI偷偷搞大事，新图像模型杀疯了🚀 两款代号“栗子”“榛子”的神秘模型正在盲测，直接硬刚谷歌和Midjourney
新模型生成的名人自拍堪比写真，代码公式再也不歪歪扭扭，世界知识理解能力和谷歌顶尖模型平起平坐。更狠的是，这俩大概率是Image-2的轻量版和旗舰版，最快本周就会跟着GPT-5.2一起发布
这波操作直接补上OpenAI的图像短板，以后做设计、写教程、搞创意，出图又快又精准
新模型生成的名人自拍堪比写真，代码公式再也不歪歪扭扭，世界知识理解能力和谷歌顶尖模型平起平坐。更狠的是，这俩大概率是Image-2的轻量版和旗舰版，最快本周就会跟着GPT-5.2一起发布
这波操作直接补上OpenAI的图像短板，以后做设计、写教程、搞创意，出图又快又精准
英伟达与Mistral AI深化合作，联合推出开源多模态模型家族Mistral 3，12月2日已全面上线
旗舰模型Mistral Large 3采用MoE架构，总参数量6750亿、活跃参数410亿，支持256K超长上下文，适配英伟达GB200 NVL72系统，单节点即可高效部署
同时发布9款3B-14B参数轻量化模型，覆盖边缘设备，开发者可通过Llama.cpp等框架调用，Apache 2.0协议支持无限制商业使用，加速前沿AI民主化落地。
旗舰模型Mistral Large 3采用MoE架构，总参数量6750亿、活跃参数410亿，支持256K超长上下文，适配英伟达GB200 NVL72系统，单节点即可高效部署
同时发布9款3B-14B参数轻量化模型，覆盖边缘设备，开发者可通过Llama.cpp等框架调用，Apache 2.0协议支持无限制商业使用，加速前沿AI民主化落地。
December 9, 2025 at 8:53 AM
英伟达与Mistral AI深化合作，联合推出开源多模态模型家族Mistral 3，12月2日已全面上线
旗舰模型Mistral Large 3采用MoE架构，总参数量6750亿、活跃参数410亿，支持256K超长上下文，适配英伟达GB200 NVL72系统，单节点即可高效部署
同时发布9款3B-14B参数轻量化模型，覆盖边缘设备，开发者可通过Llama.cpp等框架调用，Apache 2.0协议支持无限制商业使用，加速前沿AI民主化落地。
旗舰模型Mistral Large 3采用MoE架构，总参数量6750亿、活跃参数410亿，支持256K超长上下文，适配英伟达GB200 NVL72系统，单节点即可高效部署
同时发布9款3B-14B参数轻量化模型，覆盖边缘设备，开发者可通过Llama.cpp等框架调用，Apache 2.0协议支持无限制商业使用，加速前沿AI民主化落地。
🚨腾讯AI放大招！自研混元2.0重磅发布，还拉来DeepSeek V3.2组队，双王炸直接落地元宝等应用
混元2.0带406B参数+256K超长上下文，数学竞赛拿一流成绩，代码、长文推理全拿捏，实力冲进国内第一梯队
现在不仅能直接用，企业开发者还能通过腾讯云调用API，零代码就能搭智能体
混元2.0带406B参数+256K超长上下文，数学竞赛拿一流成绩，代码、长文推理全拿捏，实力冲进国内第一梯队
现在不仅能直接用，企业开发者还能通过腾讯云调用API，零代码就能搭智能体
December 8, 2025 at 12:33 PM
🚨腾讯AI放大招！自研混元2.0重磅发布，还拉来DeepSeek V3.2组队，双王炸直接落地元宝等应用
混元2.0带406B参数+256K超长上下文，数学竞赛拿一流成绩，代码、长文推理全拿捏，实力冲进国内第一梯队
现在不仅能直接用，企业开发者还能通过腾讯云调用API，零代码就能搭智能体
混元2.0带406B参数+256K超长上下文，数学竞赛拿一流成绩，代码、长文推理全拿捏，实力冲进国内第一梯队
现在不仅能直接用，企业开发者还能通过腾讯云调用API，零代码就能搭智能体
原神之父搞出毒舌AI猫娘了🚨 米哈游创始人新出的AnuNeko聊天软件，俩角色直接封神——温柔橙猫治愈陪伴，短毛猫毒舌怼人超解压，接梗比损友还溜
它不卷智商只拼情商，逻辑题可能翻车，但陪你吐槽、唠嗑超上头，互动越聊越有专属感。这可不是普通聊天工具，是米哈游在AI+游戏领域的大试水，未来游戏NPC说不定就这么有灵魂
它不卷智商只拼情商，逻辑题可能翻车，但陪你吐槽、唠嗑超上头，互动越聊越有专属感。这可不是普通聊天工具，是米哈游在AI+游戏领域的大试水，未来游戏NPC说不定就这么有灵魂
December 6, 2025 at 8:37 AM
原神之父搞出毒舌AI猫娘了🚨 米哈游创始人新出的AnuNeko聊天软件，俩角色直接封神——温柔橙猫治愈陪伴，短毛猫毒舌怼人超解压，接梗比损友还溜
它不卷智商只拼情商，逻辑题可能翻车，但陪你吐槽、唠嗑超上头，互动越聊越有专属感。这可不是普通聊天工具，是米哈游在AI+游戏领域的大试水，未来游戏NPC说不定就这么有灵魂
它不卷智商只拼情商，逻辑题可能翻车，但陪你吐槽、唠嗑超上头，互动越聊越有专属感。这可不是普通聊天工具，是米哈游在AI+游戏领域的大试水，未来游戏NPC说不定就这么有灵魂
千问App最新版本重磅接入阿里两大顶尖视觉模型Qwen-Image与Wan 2.5，打造一站式AI创作体验
Qwen-Image凭超强视觉逻辑与主体一致性，轻松实现精准修图、多图融合，霸榜多项开源榜单；Wan 2.5支持原生音画同步，60秒即可生成1080P有声视频
通过无缝多模态工作流，用户可一键完成图生视频，免费解锁准商业级创作效果。无需专业技能，手机端就能搞定创意设计、短视频制作
Qwen-Image凭超强视觉逻辑与主体一致性，轻松实现精准修图、多图融合，霸榜多项开源榜单；Wan 2.5支持原生音画同步，60秒即可生成1080P有声视频
通过无缝多模态工作流，用户可一键完成图生视频，免费解锁准商业级创作效果。无需专业技能，手机端就能搞定创意设计、短视频制作
December 5, 2025 at 9:09 AM
千问App最新版本重磅接入阿里两大顶尖视觉模型Qwen-Image与Wan 2.5，打造一站式AI创作体验
Qwen-Image凭超强视觉逻辑与主体一致性，轻松实现精准修图、多图融合，霸榜多项开源榜单；Wan 2.5支持原生音画同步，60秒即可生成1080P有声视频
通过无缝多模态工作流，用户可一键完成图生视频，免费解锁准商业级创作效果。无需专业技能，手机端就能搞定创意设计、短视频制作
Qwen-Image凭超强视觉逻辑与主体一致性，轻松实现精准修图、多图融合，霸榜多项开源榜单；Wan 2.5支持原生音画同步，60秒即可生成1080P有声视频
通过无缝多模态工作流，用户可一键完成图生视频，免费解锁准商业级创作效果。无需专业技能，手机端就能搞定创意设计、短视频制作
最近谷歌官宣AI代理构建工具Google Workspace Studio可用，依托Gemini3多模态能力，让普通员工几分钟内即可零代码创建自定义AI代理，彻底打破传统自动化的技术门槛
工具内置海量场景模板，支持跨Gmail、Docs等Workspace生态及Asana、Salesforce等第三方应用协作，能自动化处理从邮件分类到复杂流程编排的全场景任务
它具备端到端自动化与一键共享功能，可打通信息孤岛，Alpha测试阶段已完成超2000万次任务执行，将手动规划时间缩短90%以上，推动企业从重复劳动转向高价值创造
工具内置海量场景模板，支持跨Gmail、Docs等Workspace生态及Asana、Salesforce等第三方应用协作，能自动化处理从邮件分类到复杂流程编排的全场景任务
它具备端到端自动化与一键共享功能，可打通信息孤岛，Alpha测试阶段已完成超2000万次任务执行，将手动规划时间缩短90%以上，推动企业从重复劳动转向高价值创造
December 4, 2025 at 7:46 AM
最近谷歌官宣AI代理构建工具Google Workspace Studio可用，依托Gemini3多模态能力，让普通员工几分钟内即可零代码创建自定义AI代理，彻底打破传统自动化的技术门槛
工具内置海量场景模板，支持跨Gmail、Docs等Workspace生态及Asana、Salesforce等第三方应用协作，能自动化处理从邮件分类到复杂流程编排的全场景任务
它具备端到端自动化与一键共享功能，可打通信息孤岛，Alpha测试阶段已完成超2000万次任务执行，将手动规划时间缩短90%以上，推动企业从重复劳动转向高价值创造
工具内置海量场景模板，支持跨Gmail、Docs等Workspace生态及Asana、Salesforce等第三方应用协作，能自动化处理从邮件分类到复杂流程编排的全场景任务
它具备端到端自动化与一键共享功能，可打通信息孤岛，Alpha测试阶段已完成超2000万次任务执行，将手动规划时间缩短90%以上，推动企业从重复劳动转向高价值创造
字节跳动新发布视频模型Vidi2，视频理解能力超越Gemini 3 Pro，革新智能剪辑体验
核心突破端到端时空定位，靠分解注意力机制降低计算复杂度，可处理长达一小时视频流。关键指标vIoU-Int.达60.3%，近乎GPT-5的两倍，能精准锁定视频关键细节
输入数小时素材和提示，即可生成含剪辑位置、台词等的详细指令，已集成到TikTok功能及火山引擎API，后续将开源7B版本arxiv.org/pdf/2511.19529
核心突破端到端时空定位，靠分解注意力机制降低计算复杂度，可处理长达一小时视频流。关键指标vIoU-Int.达60.3%，近乎GPT-5的两倍，能精准锁定视频关键细节
输入数小时素材和提示，即可生成含剪辑位置、台词等的详细指令，已集成到TikTok功能及火山引擎API，后续将开源7B版本arxiv.org/pdf/2511.19529
December 3, 2025 at 8:09 AM
字节跳动新发布视频模型Vidi2，视频理解能力超越Gemini 3 Pro，革新智能剪辑体验
核心突破端到端时空定位，靠分解注意力机制降低计算复杂度，可处理长达一小时视频流。关键指标vIoU-Int.达60.3%，近乎GPT-5的两倍，能精准锁定视频关键细节
输入数小时素材和提示，即可生成含剪辑位置、台词等的详细指令，已集成到TikTok功能及火山引擎API，后续将开源7B版本arxiv.org/pdf/2511.19529
核心突破端到端时空定位，靠分解注意力机制降低计算复杂度，可处理长达一小时视频流。关键指标vIoU-Int.达60.3%，近乎GPT-5的两倍，能精准锁定视频关键细节
输入数小时素材和提示，即可生成含剪辑位置、台词等的详细指令，已集成到TikTok功能及火山引擎API，后续将开源7B版本arxiv.org/pdf/2511.19529
最近DeepSeek AI推出DeepSeek-V3.2系列模型，含标准版与高计算增强版Speciale，以创新技术对标GPT-5、Gemini3.0Pro，缩小开源与闭源模型差距
核心亮点是独有DSA稀疏注意力机制，将长文本计算复杂度大幅降低，推理速度提升2-3倍，API成本直降50%以上。模型主打Agent优先特性，带专属思考模式，经大规模Agent任务训练，泛化能力拉满，Agent评估居开源模型顶尖
标准版已上线网页端、App及API，支持日常推理与开发；Speciale版专攻极限推理，在IMO等赛事获金牌，仅开放临时API。目前V3.2模型权重已在Hugging Face开源
核心亮点是独有DSA稀疏注意力机制，将长文本计算复杂度大幅降低，推理速度提升2-3倍，API成本直降50%以上。模型主打Agent优先特性，带专属思考模式，经大规模Agent任务训练，泛化能力拉满，Agent评估居开源模型顶尖
标准版已上线网页端、App及API，支持日常推理与开发；Speciale版专攻极限推理，在IMO等赛事获金牌，仅开放临时API。目前V3.2模型权重已在Hugging Face开源
December 2, 2025 at 4:25 AM
最近DeepSeek AI推出DeepSeek-V3.2系列模型，含标准版与高计算增强版Speciale，以创新技术对标GPT-5、Gemini3.0Pro，缩小开源与闭源模型差距
核心亮点是独有DSA稀疏注意力机制，将长文本计算复杂度大幅降低，推理速度提升2-3倍，API成本直降50%以上。模型主打Agent优先特性，带专属思考模式，经大规模Agent任务训练，泛化能力拉满，Agent评估居开源模型顶尖
标准版已上线网页端、App及API，支持日常推理与开发；Speciale版专攻极限推理，在IMO等赛事获金牌，仅开放临时API。目前V3.2模型权重已在Hugging Face开源
核心亮点是独有DSA稀疏注意力机制，将长文本计算复杂度大幅降低，推理速度提升2-3倍，API成本直降50%以上。模型主打Agent优先特性，带专属思考模式，经大规模Agent任务训练，泛化能力拉满，Agent评估居开源模型顶尖
标准版已上线网页端、App及API，支持日常推理与开发；Speciale版专攻极限推理，在IMO等赛事获金牌，仅开放临时API。目前V3.2模型权重已在Hugging Face开源
StepFun AI最近推出音频大语言模型Step-Audio-R1，破解传统音频模型长推理链准确率下降难题，靠创新技术实现从“转文字理解”到“听声音推理”的突破
模型摒弃“文本替代推理”弊端，以“模态化推理蒸馏”提取真实声学特征，确保推理基于音频证据。架构上依托Qwen2音频编码器处理波形，经适配器下采样后，由Qwen2.5 32B解码器生成文本，推理过程清晰可控
经500万例样本冷启动训练及强化学习优化，其在多类音频基准测试中综合得分比肩行业领先的Gemini 3 Pro，论文arxiv.org/pdf/2511.15848
模型摒弃“文本替代推理”弊端，以“模态化推理蒸馏”提取真实声学特征，确保推理基于音频证据。架构上依托Qwen2音频编码器处理波形，经适配器下采样后，由Qwen2.5 32B解码器生成文本，推理过程清晰可控
经500万例样本冷启动训练及强化学习优化，其在多类音频基准测试中综合得分比肩行业领先的Gemini 3 Pro，论文arxiv.org/pdf/2511.15848
December 1, 2025 at 2:34 PM
StepFun AI最近推出音频大语言模型Step-Audio-R1，破解传统音频模型长推理链准确率下降难题，靠创新技术实现从“转文字理解”到“听声音推理”的突破
模型摒弃“文本替代推理”弊端，以“模态化推理蒸馏”提取真实声学特征，确保推理基于音频证据。架构上依托Qwen2音频编码器处理波形，经适配器下采样后，由Qwen2.5 32B解码器生成文本，推理过程清晰可控
经500万例样本冷启动训练及强化学习优化，其在多类音频基准测试中综合得分比肩行业领先的Gemini 3 Pro，论文arxiv.org/pdf/2511.15848
模型摒弃“文本替代推理”弊端，以“模态化推理蒸馏”提取真实声学特征，确保推理基于音频证据。架构上依托Qwen2音频编码器处理波形，经适配器下采样后，由Qwen2.5 32B解码器生成文本，推理过程清晰可控
经500万例样本冷启动训练及强化学习优化，其在多类音频基准测试中综合得分比肩行业领先的Gemini 3 Pro，论文arxiv.org/pdf/2511.15848
最近快手新一代旗舰多模态模型Keye-VL-671B-A37B正式发布并开源，以6710亿参数实现“善看会想”核心能力
在视觉理解、视频分析等26项基准测试中斩获18项第一，能精准识别细节、规避视觉错觉，视频时序把握精准
通过三阶段预训练与多轮后训练提升性能，兼顾精度与效率，未来将强化工具调用能力，已开放下载https://huggingface.co/Kwai-Keye/Keye-VL-671B-A37B
在视觉理解、视频分析等26项基准测试中斩获18项第一，能精准识别细节、规避视觉错觉，视频时序把握精准
通过三阶段预训练与多轮后训练提升性能，兼顾精度与效率，未来将强化工具调用能力，已开放下载https://huggingface.co/Kwai-Keye/Keye-VL-671B-A37B
November 30, 2025 at 2:24 AM
最近快手新一代旗舰多模态模型Keye-VL-671B-A37B正式发布并开源，以6710亿参数实现“善看会想”核心能力
在视觉理解、视频分析等26项基准测试中斩获18项第一，能精准识别细节、规避视觉错觉，视频时序把握精准
通过三阶段预训练与多轮后训练提升性能，兼顾精度与效率，未来将强化工具调用能力，已开放下载https://huggingface.co/Kwai-Keye/Keye-VL-671B-A37B
在视觉理解、视频分析等26项基准测试中斩获18项第一，能精准识别细节、规避视觉错觉，视频时序把握精准
通过三阶段预训练与多轮后训练提升性能，兼顾精度与效率，未来将强化工具调用能力，已开放下载https://huggingface.co/Kwai-Keye/Keye-VL-671B-A37B
阿里通义Z-Image生图模型发布即火，首日登顶Hugging Face趋势榜，下载量达50万次。仅6亿参数便实现照片级真实感，能精细还原皮肤、发丝等细节，光影与构图兼具美学质感
系列版本适配多元需求，Z-Image-Turbo仅需8步推理，可精准渲染中英混合文本，适配快速创作场景；Z-Image-Edit能精准执行复合编辑指令，修改中保持画面一致性
依托单流扩散架构提升参数利用率，搭配提示词增强器实现理解式创作，现已开源供开发者自由使用https://github.com/Tongyi-MAI/Z-Image
系列版本适配多元需求，Z-Image-Turbo仅需8步推理，可精准渲染中英混合文本，适配快速创作场景；Z-Image-Edit能精准执行复合编辑指令，修改中保持画面一致性
依托单流扩散架构提升参数利用率，搭配提示词增强器实现理解式创作，现已开源供开发者自由使用https://github.com/Tongyi-MAI/Z-Image
November 29, 2025 at 2:03 AM
阿里通义Z-Image生图模型发布即火，首日登顶Hugging Face趋势榜，下载量达50万次。仅6亿参数便实现照片级真实感，能精细还原皮肤、发丝等细节，光影与构图兼具美学质感
系列版本适配多元需求，Z-Image-Turbo仅需8步推理，可精准渲染中英混合文本，适配快速创作场景；Z-Image-Edit能精准执行复合编辑指令，修改中保持画面一致性
依托单流扩散架构提升参数利用率，搭配提示词增强器实现理解式创作，现已开源供开发者自由使用https://github.com/Tongyi-MAI/Z-Image
系列版本适配多元需求，Z-Image-Turbo仅需8步推理，可精准渲染中英混合文本，适配快速创作场景；Z-Image-Edit能精准执行复合编辑指令，修改中保持画面一致性
依托单流扩散架构提升参数利用率，搭配提示词增强器实现理解式创作，现已开源供开发者自由使用https://github.com/Tongyi-MAI/Z-Image
DeepSeek-Math-V2最近正式发布，作为全球首个开源达IMO金牌水平的数学推理大模型，以6850亿参数打造创新“生成-验证”双模型闭环，可自我审查修正推理漏洞
在IMO赛事中正确率达83.3%获金牌，Putnam竞赛近乎满分，多项基准测试成绩领先。模型以Apache2.0协议开源，权重及训练细节全公开，助力高可信度AI场景落地，已在Hugging Face、GitHub上线
在IMO赛事中正确率达83.3%获金牌，Putnam竞赛近乎满分，多项基准测试成绩领先。模型以Apache2.0协议开源，权重及训练细节全公开，助力高可信度AI场景落地，已在Hugging Face、GitHub上线
November 28, 2025 at 6:49 AM
DeepSeek-Math-V2最近正式发布，作为全球首个开源达IMO金牌水平的数学推理大模型，以6850亿参数打造创新“生成-验证”双模型闭环，可自我审查修正推理漏洞
在IMO赛事中正确率达83.3%获金牌，Putnam竞赛近乎满分，多项基准测试成绩领先。模型以Apache2.0协议开源，权重及训练细节全公开，助力高可信度AI场景落地，已在Hugging Face、GitHub上线
在IMO赛事中正确率达83.3%获金牌，Putnam竞赛近乎满分，多项基准测试成绩领先。模型以Apache2.0协议开源，权重及训练细节全公开，助力高可信度AI场景落地，已在Hugging Face、GitHub上线
最近OpenAI和Anthropic这对竞品居然联手了！共同推出MCP Apps提案，直接给AI交互升级“图形化界面”，堪称AI界的交互革命
以前AI只能发文字、传数据，现在能直接给可视化界面——要分析数据就弹交互式仪表盘，要配参数就出勾选表单，不用再啃枯燥代码。提案靠标准化模式打通UI资源和工具，还支持双向通信，沙盒化运行保障安全，Postman、Shopify等已经在用相关SDK
这波操作有望成为行业通用范式，不管是开发者还是普通用户，未来用AI都会更简单高效
以前AI只能发文字、传数据，现在能直接给可视化界面——要分析数据就弹交互式仪表盘，要配参数就出勾选表单，不用再啃枯燥代码。提案靠标准化模式打通UI资源和工具，还支持双向通信，沙盒化运行保障安全，Postman、Shopify等已经在用相关SDK
这波操作有望成为行业通用范式，不管是开发者还是普通用户，未来用AI都会更简单高效
November 27, 2025 at 9:40 AM
最近OpenAI和Anthropic这对竞品居然联手了！共同推出MCP Apps提案，直接给AI交互升级“图形化界面”，堪称AI界的交互革命
以前AI只能发文字、传数据，现在能直接给可视化界面——要分析数据就弹交互式仪表盘，要配参数就出勾选表单，不用再啃枯燥代码。提案靠标准化模式打通UI资源和工具，还支持双向通信，沙盒化运行保障安全，Postman、Shopify等已经在用相关SDK
这波操作有望成为行业通用范式，不管是开发者还是普通用户，未来用AI都会更简单高效
以前AI只能发文字、传数据，现在能直接给可视化界面——要分析数据就弹交互式仪表盘，要配参数就出勾选表单，不用再啃枯燥代码。提案靠标准化模式打通UI资源和工具，还支持双向通信，沙盒化运行保障安全，Postman、Shopify等已经在用相关SDK
这波操作有望成为行业通用范式，不管是开发者还是普通用户，未来用AI都会更简单高效
DeepSeek最近新开源了一个负载均衡工具LPLB，专门优化AI模型里的专家并行分配，解决部分专家超负荷、GPU忙闲不均的问题
靠动态排序、建副本、算最优分配三步调平负载，还搭配英伟达工具提速。不过目前还在早期研究阶段，有延迟、忽略部分计算成本等小局限，性能还在慢慢测试优化
靠动态排序、建副本、算最优分配三步调平负载，还搭配英伟达工具提速。不过目前还在早期研究阶段，有延迟、忽略部分计算成本等小局限，性能还在慢慢测试优化
November 26, 2025 at 8:22 AM
DeepSeek最近新开源了一个负载均衡工具LPLB，专门优化AI模型里的专家并行分配，解决部分专家超负荷、GPU忙闲不均的问题
靠动态排序、建副本、算最优分配三步调平负载，还搭配英伟达工具提速。不过目前还在早期研究阶段，有延迟、忽略部分计算成本等小局限，性能还在慢慢测试优化
靠动态排序、建副本、算最优分配三步调平负载，还搭配英伟达工具提速。不过目前还在早期研究阶段，有延迟、忽略部分计算成本等小局限，性能还在慢慢测试优化
谷歌Nano Banana Pro（Gemini 3 Pro Image）最近正式亮相了，它深度融合Gemini 3 Pro的推理能力与世界知识，革新AI图像生成体验
该模型可生成2K、4K高清图像，适配多类长宽比，能融合14张参考图像且保持5个人物的一致性。其文字渲染效果出色，支持多语言文本生成，借知识库保障视觉内容的事实准确性
目前它已上线Gemini App、Google Ads等多款产品，也可通过Gemini API等渠道付费预览使用
该模型可生成2K、4K高清图像，适配多类长宽比，能融合14张参考图像且保持5个人物的一致性。其文字渲染效果出色，支持多语言文本生成，借知识库保障视觉内容的事实准确性
目前它已上线Gemini App、Google Ads等多款产品，也可通过Gemini API等渠道付费预览使用
November 25, 2025 at 12:26 PM
谷歌Nano Banana Pro（Gemini 3 Pro Image）最近正式亮相了，它深度融合Gemini 3 Pro的推理能力与世界知识，革新AI图像生成体验
该模型可生成2K、4K高清图像，适配多类长宽比，能融合14张参考图像且保持5个人物的一致性。其文字渲染效果出色，支持多语言文本生成，借知识库保障视觉内容的事实准确性
目前它已上线Gemini App、Google Ads等多款产品，也可通过Gemini API等渠道付费预览使用
该模型可生成2K、4K高清图像，适配多类长宽比，能融合14张参考图像且保持5个人物的一致性。其文字渲染效果出色，支持多语言文本生成，借知识库保障视觉内容的事实准确性
目前它已上线Gemini App、Google Ads等多款产品，也可通过Gemini API等渠道付费预览使用
最近阿里通义实验室开源智能体自进化系统AgentEvolver，凭三大核心模块达成自主能力迭代，已在GitHub上线并同步发布技术报告，大幅降低智能体开发门槛
系统依托自我提问、自我导航、自我归因模块，搭配Master节点调度，形成数据-探索-反馈自动化闭环，主动合成训练任务、规避盲目试错、提升优化效率
性能亮眼，14B模型任务平均完成率从29.8%升至57.6%，7B模型提升显著，强化后14B模型可越级超越更大参数量模型，兼具极速收敛效率与强跨域泛化性，论文arxiv.org/pdf/2511.10395
系统依托自我提问、自我导航、自我归因模块，搭配Master节点调度，形成数据-探索-反馈自动化闭环，主动合成训练任务、规避盲目试错、提升优化效率
性能亮眼，14B模型任务平均完成率从29.8%升至57.6%，7B模型提升显著，强化后14B模型可越级超越更大参数量模型，兼具极速收敛效率与强跨域泛化性，论文arxiv.org/pdf/2511.10395
November 24, 2025 at 9:52 AM
最近阿里通义实验室开源智能体自进化系统AgentEvolver，凭三大核心模块达成自主能力迭代，已在GitHub上线并同步发布技术报告，大幅降低智能体开发门槛
系统依托自我提问、自我导航、自我归因模块，搭配Master节点调度，形成数据-探索-反馈自动化闭环，主动合成训练任务、规避盲目试错、提升优化效率
性能亮眼，14B模型任务平均完成率从29.8%升至57.6%，7B模型提升显著，强化后14B模型可越级超越更大参数量模型，兼具极速收敛效率与强跨域泛化性，论文arxiv.org/pdf/2511.10395
系统依托自我提问、自我导航、自我归因模块，搭配Master节点调度，形成数据-探索-反馈自动化闭环，主动合成训练任务、规避盲目试错、提升优化效率
性能亮眼，14B模型任务平均完成率从29.8%升至57.6%，7B模型提升显著，强化后14B模型可越级超越更大参数量模型，兼具极速收敛效率与强跨域泛化性，论文arxiv.org/pdf/2511.10395
谷歌Gemini 3正式亮相，被定义为通往AGI的重要一步，多模态与交互能力全面升级。Gemini 3 Pro以1501 Elo高分登顶LMArena榜单，WebDev Arena排行第一，碾压前代及主流竞品
原生多模态架构加持，解析复杂图表、动态视频流游刃有余，Deep Think模式强化推理能力。融合多模态信息适配学习、开发等场景，现已全面开放，深度思考模式未来几周上线，普通用户与开发者均可便捷使用
原生多模态架构加持，解析复杂图表、动态视频流游刃有余，Deep Think模式强化推理能力。融合多模态信息适配学习、开发等场景，现已全面开放，深度思考模式未来几周上线，普通用户与开发者均可便捷使用
November 23, 2025 at 9:54 AM
谷歌Gemini 3正式亮相，被定义为通往AGI的重要一步，多模态与交互能力全面升级。Gemini 3 Pro以1501 Elo高分登顶LMArena榜单，WebDev Arena排行第一，碾压前代及主流竞品
原生多模态架构加持，解析复杂图表、动态视频流游刃有余，Deep Think模式强化推理能力。融合多模态信息适配学习、开发等场景，现已全面开放，深度思考模式未来几周上线，普通用户与开发者均可便捷使用
原生多模态架构加持，解析复杂图表、动态视频流游刃有余，Deep Think模式强化推理能力。融合多模态信息适配学习、开发等场景，现已全面开放，深度思考模式未来几周上线，普通用户与开发者均可便捷使用
最近字节Seed康炳易团队推出Depth Anything 3（DA3）模型，凭极简架构实现3D视觉突破，获AI学者谢赛宁高度认可
DA3仅以普通视觉Transformer为基础，聚焦深度与光线双目标预测，可从单图、多视角照片及视频中精准算深度、还原相机位置，拼完整3D场景并补全未拍摄视角
性能亮眼，相机定位精度提35.7%，几何重建准确率涨23.6%，超前代DA2。采用师生蒸馏策略，降低高精度数据依赖，适配虚拟漫游、数字孪生等多场景，论文arxiv.org/pdf/2511.10647
DA3仅以普通视觉Transformer为基础，聚焦深度与光线双目标预测，可从单图、多视角照片及视频中精准算深度、还原相机位置，拼完整3D场景并补全未拍摄视角
性能亮眼，相机定位精度提35.7%，几何重建准确率涨23.6%，超前代DA2。采用师生蒸馏策略，降低高精度数据依赖，适配虚拟漫游、数字孪生等多场景，论文arxiv.org/pdf/2511.10647
November 22, 2025 at 10:30 AM
最近字节Seed康炳易团队推出Depth Anything 3（DA3）模型，凭极简架构实现3D视觉突破，获AI学者谢赛宁高度认可
DA3仅以普通视觉Transformer为基础，聚焦深度与光线双目标预测，可从单图、多视角照片及视频中精准算深度、还原相机位置，拼完整3D场景并补全未拍摄视角
性能亮眼，相机定位精度提35.7%，几何重建准确率涨23.6%，超前代DA2。采用师生蒸馏策略，降低高精度数据依赖，适配虚拟漫游、数字孪生等多场景，论文arxiv.org/pdf/2511.10647
DA3仅以普通视觉Transformer为基础，聚焦深度与光线双目标预测，可从单图、多视角照片及视频中精准算深度、还原相机位置，拼完整3D场景并补全未拍摄视角
性能亮眼，相机定位精度提35.7%，几何重建准确率涨23.6%，超前代DA2。采用师生蒸馏策略，降低高精度数据依赖，适配虚拟漫游、数字孪生等多场景，论文arxiv.org/pdf/2511.10647
拍我AI（PixVerse）V5 Fast版本重磅上线，视频生成速度提升超30%，5秒高清视频不到一分钟就能产出，效率大幅飞跃
新增Modify精修功能，支持端到端编辑，单帧修改可同步全片一致化处理。能实物级替换元素、背景，精准调风格光影，还可调整人物年龄、服装与气质，创作自由又可控
彻底打破AI视频慢且难改痛点，降低创作门槛，适配专业团队、商用制作及普通用户，灵感落地更高效
新增Modify精修功能，支持端到端编辑，单帧修改可同步全片一致化处理。能实物级替换元素、背景，精准调风格光影，还可调整人物年龄、服装与气质，创作自由又可控
彻底打破AI视频慢且难改痛点，降低创作门槛，适配专业团队、商用制作及普通用户，灵感落地更高效
November 21, 2025 at 5:43 AM
拍我AI（PixVerse）V5 Fast版本重磅上线，视频生成速度提升超30%，5秒高清视频不到一分钟就能产出，效率大幅飞跃
新增Modify精修功能，支持端到端编辑，单帧修改可同步全片一致化处理。能实物级替换元素、背景，精准调风格光影，还可调整人物年龄、服装与气质，创作自由又可控
彻底打破AI视频慢且难改痛点，降低创作门槛，适配专业团队、商用制作及普通用户，灵感落地更高效
新增Modify精修功能，支持端到端编辑，单帧修改可同步全片一致化处理。能实物级替换元素、背景，精准调风格光影，还可调整人物年龄、服装与气质，创作自由又可控
彻底打破AI视频慢且难改痛点，降低创作门槛，适配专业团队、商用制作及普通用户，灵感落地更高效