三花AI

OpenAI 即将开源具备推理能力的新模型 OpenAI 即将发布[1]一款具备推理能力的开源模型，这是自 GPT-2 之后该公司再次开源重要模型。 值得注意的是，2 个月前 OpenAI CEO S

ChatGPT 推出精准图片编辑功能 OpenAI 为 ChatGPT 的图像生成功能新增了局部编辑能力。现在，用户可以直接在 AI 生成的图片上使用遮罩工具进行精准编辑，支持添加新元素、移除不需要的

zenctrl_tools：万金油视觉内容创作 Agent zenctrl_tools[1] 是一个多功能图像处理 Agent，致力于自动化整个个性化视觉内容创作流程。目前项目正在积极开发中，部分模型

Qwen 2.5-Omni-7B: 语音聊天 + 视频聊天 阿里通义团队发布了 Qwen 2.5-Omni-7B 模型，OpenAI 高级语音模式的开源平替。 这个模型能够无缝处理文本、图像、音频和视

DeepSeek-V3 非推理模型首次登顶排行榜 DeepSeek 前天低调发布了 V3-0324 模型更新，昨天终于发布了官方公告[3]。 主要更新内容包括： 借鉴 DeepSeek-R1 模型大幅

Cloudflare 推出 AI Labyrinth：用 AI 生成的迷宫对抗恶意爬虫 Cloudflare[4] 最新推出了名为 AI Labyrinth 的反爬虫技术，专门用于应对非法 AI 爬虫

Roboflow 开源实时目标检测模型 RF-DETR RF-DETR[1] 是由 Roboflow 开发的实时目标检测模型，基于 Apache 2.0 开源许可。该模型提供了两个版本：RF-DETR

OpenAI 发布 o1-pro API：金子做的token OpenAI o1-pro[3] API 现已正式上线，输入为 150 美元/百万 token，输出更是高达 600 美元/百万 toke

阶跃星辰推出 Step-Video-TI2V：30B 参数图生视频模型 Step-Video-TI2V[1] 是由 StepFun（阶跃星辰）开发的图生视频模型，拥有 30B 参数，是目前开源社区中规

Stability AI 发布 Stable Virtual Camera：从 2D 图像生成 3D 视频 Stable Virtual Camera[4] 是由 Stability AI 最新发布的

WarpTuber：快手 LivePortrait 驱动的即时 VTubing 工具 WarpTuber 是一个基于快手 LivePortrait 的即时 VTubing 工具。它允许用户通过摄像头，

Thera：首个内置物理观测模型的任意尺度超分辨率技术 Thera 是第一个具有内置物理观测模型的任意尺度超分辨率技术，从基准测试来看，性能非常的好。 佬们可以在官方演示[1]上玩一下，提供的几个 d

体验超真实 AI 语音：CSM 1B 模型现已发布 哇，之前介绍的Conversational Speech Model[1] (CSM) 1B 现已正式发布。佬可以在 Hugging Face 上下

谷歌 Gemma 3: 甩开同参数模型一条街 谷歌昨日发布了 Gemma 3 模型，该模型支持多达 140 种语言，拥有高达 128k 个令牌的上下文窗口，能够处理文本和图像并生成相应的文本输出。性能

Nanobrowser：OpenAI Operator 的开源替代方案 Nanobrowser[1] 是一款开源的 AI 网页自动化工具，官方号称是 OpenAI Operator 的开源替代品。 采

Squish Effect：基于 Wan2.1 的捏捏乐 LoRA 特效开源复现 Squish Effect[1] 是基于 Wan2.1 14B I2V 480p 训练而来的 LoRA，这一 AI 特

Hedra 推出 Character-3：多模态 AI 数字人视频生成模型 Character-3 是由 Hedra 开发的一个 AI 数字人视频生成模型。它能够同时处理多种输入类型，包括图像、文本和

OpenAI 推出 ChatGPT for macOS 更新：IDEs 内直接编辑代码 OpenAI 推出的 ChatGPT for macOS 现在可以直接在 IDEs 中编辑代码。这一重大更新[1

ComfyUI-Pruna：无损加速 Stable Diffusion 和 Flux 模型推理 ComfyUI-Pruna[5] 提供了一个ComfyUI的自定义编译节点，能够显著加速 Stable

智谱开源 CogView-4：支持原生中文输入的 6B 文生图模型 智谱最近开源了 diffusers 版本的 CogView-4 文生图模型，该模型具有 6B 权重，支持原生中文输入，并且能够进行中