AIニュース

Magentic-UI 是微软推出的开源研究原型，用在探索人类参与的 AI Agent系统。Magentic-UI 是以人为中心的AI Agent，能与用户协作完成复杂的 Web 任务，如浏览...

EvoAgentX 是开源的 AI Agent 自进化框架，通过进化算法实现多 Agent 系统的自动化生成与优化。能根据目标描述自动生成工作流，通过迭代优化提升性能。

NLWeb 是微软推出的开源项目，基于简化网站自然语言界面的创建，让任何网站都能变成 AI 驱动的应用程序。NLWeb用 Schema.org、RSS 等半结构化数据，结合 LLM ...

豆包·语音播客模型是字节跳动旗下火山引擎推出的语音播客模型。模型基于流式模型构建，可将文本秒级转化为双人对话式播客，具有低成本、高时效、强互动特点。...

Veo 3是谷歌I/O开发者大会上发布的新一代视频生成模型。Veo 3是谷歌首个可生成视频背景音效的模型，能合成画面，能为鸟鸣、街头交通等场景配上相应的音效，可...

II-Agent 是开源的Agent框架，通过与大型语言模型（LLM）的交互，简化和提升跨多个领域的工作流程。具备多种核心功能，包括研究与事实核查、内容生成、数据分...

News Agents基于终端的新闻聚合与摘要系统。基于Amazon Q CLI作为 Agent 框架，用Model Context Protocol （MCP）解析RSS新闻源，借助tmux实现终端分割和多任...

Imagen 4是谷歌发布的最新图像生成AI模型。支持高达2K分辨率的图像生成，细节呈现逼真，可清晰呈现复杂织物纹理、水滴折射及动物毛发质感等。在文本渲染方面...

Pixel3DMM是慕尼黑工业大学、伦敦大学学院和Synthesia联合推出的单图像3D人脸重建框架。框架基于DINO基础模型，引入专门的预测头，从单张RGB图像中准确重建出...

AutoBE 是 AI 驱动的后端服务器代码生成工具，通过用户描述需求自动生成高质量的后端代码。基于 TypeScript、NestJS、Prisma 和 Postgres 等技术栈构建，强调...

Gemma 3n 是谷歌 I/O 开发者大会推出的端侧多模态 AI 模型。基于 Gemini Nano 架构，采用逐层嵌入技术，将内存占用压缩至 2-4B 参数模型水平。模型参数量分别...

BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数，其中70亿为活跃参数。采用混合变换器专家架构（MoT），通过两个独立编码器分别捕捉图像的像素级和语义...

Graphiti 是为动态环境设计的 AI 知识图谱生成框架，为 AI 智能体构建能查询、具有时间感知能力的知识网络。Graphiti 能实时摄取和处理结构化与非结构化数据...

MedGemma是谷歌推出的开源AI模型，专门用在医疗图像与文本分析。模型基于Gemma 3架构，包含4B参数的多模态模型和27B参数的纯文本模型。4B模型擅长解读医疗图...

Context7 是 Upstash 推出的AI工具，为大型语言模型（LLMs）和 AI 代码编辑器提供最新、版本特定的文档和代码片段。通过解析文档、丰富内容、向量化和重新排...

DreamGen是英伟达推出的创新的机器人学习技术，基于AI视频世界模型生成合成数据，让机器人能在“梦境”中学习新技能。DreamGen仅需少量现实视频数据，能生成大...

Devstral是Mistral AI和All Hands AI推出的专为软件工程任务设计的编程专用模型。Devstral在解决真实世界软件问题上表现出色，在SWE-Bench Verified基准测试...

MMaDA（Multimodal Large Diffusion Language Models）是普林斯顿大学、清华大学、北京大学和字节跳动推出的多模态扩散模型，支持跨文本推理、多模态理解和文...