RTFM – 李飞飞团队推出的实时生成式世界模型，仅需单块H100 GPU可实现交互式体验
RTFM是一款基于大规模视频数据进行端到端训练、效率极高的自回归扩散Transformer模型。仅需一块H100 GPU，RTFM模型就能实时渲染出持久且3D一致的场景，无论是真实空间还是虚拟想象场景...
排序
Manus 1.5 – Manus最新AI Agent版本，速度提升近四倍，支持Web全栈开发
Manus 今日宣布推出全新的 Manus 1.5，这是该公司迄今功能最强的 AI 智能体，在任务执行速度、可靠性与输出质量方面均实现显著提升。Manus 1.5 建立在重新架构的引擎之上，使一切变得...
Coral NPU – 谷歌推出的全栈开源AI平台，高效执行机器学习（ML）模型的推理任务
谷歌正式推出 Coral NPU，一个面向边缘人工智能（Edge AI）的开源全栈平台。旨在解决性能、碎片化和隐私这三大核心挑战，而这些挑战限制了功能强大、始终在线的 AI 技术在低功耗边缘设备和可穿...
DeepSeek-OCR – DeepSeek团队开源的视觉语言模型，实现7-20倍的压缩比。
DeepSeek 开源了新模型 OCR 。支持对任意图像进行自由式文字识别，能够快速提取图片中的全部文本信息，不依赖版面结构。能够自动识别并重建文档中的排版结构，包括段落、标题、页眉页脚等，实现“结构...
混元世界模型1.1 – 腾讯混元开源的3D世界生成模型，支持在单张显卡上部署
腾讯混元世界模型 1.1 版本（WorldMirror）正式发布并开源，支持多视图图像或视频输入，单卡即可部署实现秒级3D世界生成。。混元世界模型1.1采用多模态先验提示和通用几何预测架构，结合课程学...
Seed3D 1.0 – 字节推出的3D生成大模型，支持单图生成高质量仿真级3D模型
字节跳动Seed团队推出3D生成大模型——Seed3D 1.0，实现从单张图像到高质量仿真级3D模型的端到端生成。仅需一张任意视角的二维图像，即可生成一个包含精细几何结构、高保真纹理贴图以及基于物理渲...
蛐蛐 (QuQu) – 开源的桌面端语音输入与文本处理工具，支持上下文感知的智能输出
蛐（QuQu）是一款本地化、免费且针对中文优化的语音输入工具，通过集成阿里巴巴FunASR本地模型，实现语音数据的全流程本地处理，杜绝云端上传风险，同时深度优化中文识别能力，支持网络用语、方言及专业术...
夸克AI眼镜 – 阿里推出的智能AI眼镜，24小时续航支持全天候使用
阿里巴巴发布了其首款自研AI眼镜——夸克AI眼镜。据悉，阿里巴巴AI眼镜已完成研发，预计将于年内正式发布。夸克AI眼镜搭载了高通骁龙AR1芯片+低功耗协处理器的双芯设计以及安卓+RTOS双系统，实现动...
Google Skills – 谷歌推出的AI技能学习平台，支持真实代码编写和实时反馈，
Google 近日推出了一个名为“Google Skills”的全新学习平台，旨在帮助用户掌握数字时代所需的核心技能。致力于弥合 AI 领域的技能鸿沟。Google Skills 平台致力于培养具备实...
Moonshot AI推出的命令行通用智能体工具–Kimi CLI ，支持多种编程语言
Moonshot AI正式推出开源工具 Kimi CLI，一款融合智能代理与传统 Shell 操作的命令行编码利器，目前已进入技术预览阶段，代码已在 GitHub 开源，即刻向全球开发者开放。用户可一...