酷资讯

通义DeepResearch不是又一个简单的聊天模型，而是一个专门为自主研究任务设计的AI Agent，其发布甚至被Reddit上的开发者们誉为AI Agent领域的“DeepSeek”时刻。

在这个由微软、谷歌等商业巨头主导，同时有ElevenLabs等新贵崛起，以及大量研究机构和开源项目百花齐放的“战国时代”，来自Bilibili（B站）的一款开源新作——IndexTTS2横空出世。

腾讯混元大模型团队其自研的Hunyuan-MT翻译大模型在Hugging Face上正式开源。这不只是一个简单的技术发布，更像是一次对传统AI翻译格局的强力冲击。

在大家都在卷通用大模型能力，纷纷对标 GPT、Gemini 的时候，Intern-S1 却另辟蹊径，在某个特定领域默默拿下了“世界冠军”。今天，我就来跟大家一起拆解一下，这个模型到底凭什么这么“拽”？

OmniHuman-1.5最核心的创新，便是将卡尼曼的“系统1”和“系统2”认知理论引入了视频生成领域。它不仅仅满足于“系统1”的快速反应，更试图模拟“系统2”的慢速、深思熟虑的逻辑规划。

Gemini 2.5 Flash Image Preview的核心定位，正是为了满足高频任务对速度和成本的苛刻要求。它并非一个孤立的作图工具，而是专为集成到应用和工作流而生的视觉引擎。

上周，DeepSeek-V3.1静静地躺在模型库里，短短几小时内便在开发者社区引发了爆炸式讨论。这不仅仅是一次常规版本迭代，更像是一次面向未来、充满战略考量的架构革新。

智谱AI的一款新产品——AutoGLM 2.0，在圈子里激起了不小的波澜。一个最核心的问题：这个号称能24小时替你工作的“通用Agent”，究竟是营销噱头还是技术变革？

LL3M让AI学会了写代码来生成3D模型。这不仅仅是又一个生成模型，而是一场从根本上改变3D内容生产流程的新范式探索。

目前大多数AI模型都有一个普遍的痛点，那就是“金鱼记忆”。它们能够出色地完成眼前的任务，比如回答一个问题、生成一段代码，但一旦对话上下文窗口满了，它们就会毫不留情地“忘记”之前的互动。

深入分析了RepText，一个由Shakker Labs和Liblib AI共同开发的创新框架，旨在解决文本到图像（T2I）生成模型中视觉文本精确渲染的长期挑战。

GLM-4.5V不仅仅是又一个“大模型”，更是具备“思考能力”的视觉助手，对于需要处理复杂视觉信息、构建智能体、或优化内容理解流程的开发者来说，提供了一个前所未有的强大且开放的工具。

随着数字经济的蓬勃发展，消费者对沉浸式、个性化购物体验的需求日益增长，VVT正成为连接线上产品展示与线下真实感知之间的关键桥梁。

OpenAI作为该领域的领军者，其最新旗舰模型GPT-5的发布，无疑是其在通用人工智能（AGI）探索道路上的又一重要里程碑。

阿里最新开源的Qwen-Image，注重图像编辑和文本渲染，中英双语场景下表现优秀，同时指令遵循程度高，轻松完成多场景的图像编辑任务。

最近，一个名为 Agent-S 的开源框架引起了我的极大兴趣。它不仅仅是一个AI模型，更是一个旨在让AI像人类一样操作电脑的智能体框架。

本文将深入探讨Manus团队在构建多智能体协作系统时，如何通过“上下文工程”来解决这些“记忆”难题。通过分析他们的实践经验，并结合最新的研究成果，帮助大家在AI智能体时代构建更强大、更可靠的应用。

RAG的静态特性不仅仅是一个小小的技术不便，它更是一个深层次的架构限制，制约了高级AI智能体在动态企业环境中的实际应用和广泛部署。Graphiti的设计正是为了解决这一核心瓶颈。

字节开源coze-studio，拥有商业版coze的部分能力，起码在构建智能体及工作流编排上能让开发者本地畅享。和商业版仍有蛮大区别，辩证看待。

OpenMed项目的横空出世，为医疗AI带来了前所未有的开放性与可及性。OpenMed正式发布了超过380个高质量的命名实体识别（NER）模型，所有模型均免费开放，并基于Apache2.0开源许可证。