最新AI教程资讯
ScreenAgent – 基于视觉语言模型的计算机控制智能体
ScreenAgent是一个由吉林大学人工智能学院的研究团队开发的计算机控制智能体，该智能体是基于视觉语言模型（VLM）构建的，能够与真实计算机屏幕进行交互。ScreenAgent的核心功能是通过观察屏幕截图，并输出相应的鼠标和键盘动作来操纵图形用户界面（GUI），从而执行多步骤的复杂任务。
2025-05-07 13:41:16
YOLOv9 – 新一代高效的实时目标检测系统
YOLOv9是一个由台北中研院和台北科技大学等机构的研究团队推出的新一代先进的目标检测系统，是YOLO（You Only Look Once）算法系列的最新版本。YOLOv9在前代版本的基础上进行了改进，旨在解决深度学习中信息丢失的问题，并提高模型在各种任务上的性能。
2025-05-07 13:40:14
VideoPrism – 谷歌研究团队推出的通用视频编码器
VideoPrism是一个由谷歌研究团队开发的通用视频编码器，旨在通过一个单一的冻结模型来处理多种视频理解任务。该模型能够从视频中提取丰富的语义表示，使其能够在不同的视频理解任务中实现高性能和准确率，例如视频分类、定位、检索、描述生成和问答等。
2025-05-07 13:39:11
GPT-4.1 – OpenAI 推出新一代语言模型，支持百万 token 上下文
GPT-4 1 是 OpenAI 最新推出的新一代语言模型，包含 GPT-4 1、GPT-4 1 mini 和 GPT-4 1 nano 三个版本。系列模型在编码能力、指令遵循和长文本处理等方面有显著提升，支持高达 100 万个 token 的上下文窗口。
2025-04-29 14:25:00
Agent Development Kit – 谷歌开源的 AI Agent 开发与部署框架
Agent Development Kit（ADK）是谷歌开源的首个AI智能体开发工具包，是一个代码优先的Python工具包，简化复杂AI代理的构建、评估和部署过程。ADK支持多智能体架构，可构建由多个专业智能体组成的层次化应用，实现复杂协调和委派。
2025-04-29 14:05:00
MiniMax MCP Server – MiniMax 推出基于 MCP 的多模态生成服务器
MiniMax MCP Server 是 MiniMax 稀宇科技推出的基于模型上下文协议（MCP）的多模态生成服务器。通过简单的文本输入，可调用视频生成、图像生成、语音生成及声音克隆等多项前沿能力。
2025-04-29 13:45:00
BiliNote – 开源 AI 视频笔记工具，自动提取视频内容生成Markdown格式
BiliNote 是开源的 AI 视频笔记助手，支持基于哔哩哔哩、YouTube 等视频链接，自动提取视频内容生成结构清晰、重点明确的 Markdown 格式笔记。
2025-04-29 13:25:00
可灵2.0 – 快手推出的新一代AI视频生成模型
可灵2 0是快手推出的新一代 AI 视频生成模型，现已上线可灵AI视频平台。平台更新包含可灵2 0（大师版）和可图2 0两大基础模型。可图2 0大幅提升图片生成质量，增强叙事感和电影感，支持风格转换、局部重绘等功能。
2025-04-29 13:05:00
MedReason – 美国加州联合南洋理工等机构推出的医学推理框架
MedReason是美国加州大学圣克鲁斯分校、加拿大不列颠哥伦比亚大学、新加坡南洋理工大学等机构推出的医学推理框架，基于知识图谱提升大型语言模型（LLMs）在医学领域的推理能力。
2025-04-29 12:45:00
Seaweed-7B – 字节推出的视频生成模型
Seaweed-7B 是字节跳动团队推出的视频生成模型，拥有约 70 亿参数。Seaweed-7B具备强大的视频生成能力。模型支持从文本描述、图像或音频生成高质量的视频内容，支持多种分辨率和时长，广泛应用于视频创作、动画生成、实时交互等场景。
2025-04-29 12:25:00
交交 – 上海交大推出的口语对话情感大模型
交交是上海交通大学听觉认知与计算声学实验室推出的全球首个纯学术界自研的口语对话情感大模型。交交具备多人对话、多语言交流、方言理解、角色扮演、情感互动及知识问答等强大功能，支持汉语、英语、日语、法语等多种语言，能精准识别中文方言。
2025-04-29 12:05:00
GLM-Z1-32B – 智谱开源的新一代推理模型
GLM-Z1-32B是智谱公司开源的新一代推理模型，具体参数版本为GLM-Z1-32B-0414 。GLM-Z1-32B基于 GLM-4-32B-0414 基座模型开发，基于深度优化训练，在数学、代码和逻辑等任务上表现出色，部分性能可媲美参数量高达 6710 亿的 DeepSeek-R1。
2025-04-29 11:45:00
GLM-4-32B – 智谱开源的新一代基座模型
GLM-4-32B是智谱公司开源的新一代基座模型，参数版本为GLM-4-32B-0414。GLM-4-32B经过15T高质量数据预训练，强化代码生成、推理和工程任务能力，支持HTML、CSS、JS、SVG等语言的实时代码展示与运行。
2025-04-29 11:25:00
Magnitude – 开源 AI Agent 驱动的端到端测试框架
Magnitude 是开源的视觉 AI Agents驱动的端到端测试框架。Magnitude基于自然语言构建测试用例，用强大的推理代理规划和调整测试流程，基于快速的视觉代理执行测试。Magnitude 支持本地运行和 CI CD 流水线集成，提供托管服务，包括托管的浏览器基础设施和 LLM 基础设施，简化测试管理。
2025-04-29 11:05:00
Pollinations.AI – 开源AI内容生成平台，提供免费文本和图像生成API
Pollinations AI 是开源的AI内容生成平台，提供免费且易于使用的文本和图像生成 API。Pollinations AI无需注册或 API 密钥即可使用，支持多种功能，包括图像生成、文本生成、文生音频、音频转文字及视觉内容解析。
2025-04-29 10:45:00
Kimina-Prover – 月之暗面联合 Numina 推出的数学定理证明模型
Kimina-Prover是月之暗面与Numina团队合作推出的大型数学定理证明模型，模型采用大规模强化学习训练，能以类似人类的方式进行推理，在Lean 4语言中严谨地证明数学定理。通过独特的“形式化推理模式”，在推理过程中穿插非形式化推理和Lean 4代码片段，模拟人类解决问题的策略。
2025-04-29 10:25:01
BlenderMCP – 基于 MCP 集成的 3D 建模工具
BlenderMCP是将Blender与Claude AI基于模型上下文协议（MCP）集成的工具。BlenderMCP用socket服务器实现Blender与AI的双向通信，支持创建、修改和删除3D对象，控制材质和颜色，获取场景信息，及在Blender中运行Python代码等功能。
2025-04-29 10:05:00
Skywork-OR1 – 昆仑万维开源的高性能系列推理模型
Skywork-OR1(Open Reasoner 1)是昆仑万维推出的开源高性能推理模型系列，模型突破大模型在逻辑推理和复杂任务求解方面的能力瓶颈。Skywork-OR1包含三款模型，Skywork-OR1-Math-7B是数学推理模型，具备强大的数学解题能力。
2025-04-29 09:45:00
Seed-Thinking-v1.5 – 字节跳动推出的最新思考模型
Seed-Thinking-v1 5 是字节跳动推出的推理智能模型，采用混合专家（MoE）架构，总参数量为 200B，每次激活 20B 参数。模型在多个基准测试中表现出色，如在 AIME 2024 测试中获得 86 7 分，在 Codeforces 评测中 pass@8 指标达到 55 0 分，在 GPQA 测试中获得 77 3 分。
2025-04-29 09:25:00
HoloPart – 港大联合 VAST 开源生成完整可编辑部件的 3D 模型
HoloPart 是香港大学、VAST 团队推出的新型扩散模型，支持将 3D 物体分解为完整、可编辑的语义部件，即使部件被遮挡。
2025-04-29 09:05:00
人气排行
24小时排行
