## AI Repos
**1、[fastapi_mcp](https://github.com/tadata-org/fastapi_mcp)**  
一款零配置解决方案，可将FastAPI端点自动暴露为模型上下文协议（MCP）工具。其特点包括直接集成MCP服务器到FastAPI应用，无需配置即可使用，自动发现并转换所有端点为MCP工具，同时保留请求与响应模型的架构及Swagger文档。用户还可扩展功能，添加自定义MCP工具。该工具简化了开发流程，提升FastAPI应用的兼容性与实用性，适用于追求高效开发的开发者。
![fastapi_mcp.png](/static/img/588ffb8e30a533c4307d6ffc90aca641.fastapi_mcp.webp)



**2、[agenticSeek](https://github.com/Fosowl/agenticSeek)**  
AgenticSeek是一款完全本地运行的AI助手，替代云端Manus AI，基于DeepSeek R1推理模型构建。它支持语音交互、文件系统操作、代码编写与调试（支持Python、C、Golang等语言），并具备自主纠错、多代理协作及任务分解能力。无需云端传输数据，确保隐私安全，配备搜索、API调用等工具，具备记忆功能和自主网页浏览能力。目前项目开发中，寻求贡献者加入，旨在为用户提供强大且私密的AI体验。
![agenticSeek.png](/static/img/e1a007409ab16212c33f3a616ddd6587.agenticSeek.webp)

**3、[star-vector](https://github.com/joanrod/star-vector)**  
StarVector是一种创新的基础模型，将SVG生成转化为代码生成任务，采用视觉-语言建模架构处理图像和文本输入，生成高精度SVG代码。该模型突破传统曲线矢量化的局限，通过理解图像语义直接生成包含多种SVG原件的紧凑输出。StarVector在CVPR 2025获认可，基于2M样本的SVG-Stack数据集训练，支持图像到SVG、文本到SVG及图表生成三大任务。引入SVG-Bench基准测试，其在10个数据集上展现最优性能，生成的SVG更紧凑且语义丰富，现已开放于HuggingFace。
![star-vector.png](/static/img/e6a76c4d1ebaee6ae421039ab73404a0.star-vector.webp)



## AI News
**1、谷歌Gemini Live新功能上线：屏幕共享与实时视频交互引领AI助手新体验**  
谷歌在MWC展会上推出Gemini Live新功能，整合Project Astra，实现屏幕共享与实时视频交互。用户可通过“Share screen with Live”按钮共享手机屏幕，Gemini能实时解答屏幕相关问题。此外，打开摄像头后，Gemini可解析画面并即时回答，如建议上釉陶器颜料。Project Astra支持低延迟对话、多语言及跨设备使用，展现谷歌AI实力。相比之下，苹果Siri升级滞后，凸显谷歌在AI助手领域的领先优势。新功能的推广将提升用户体验，并推动行业竞争与创新。

**2、Golfoy借助AI打破高尔夫“富人专属”标签，普及运动新体验**  
Golfoy创始人Tushar Narang挑战高尔夫昂贵且专属的刻板印象，指出其费用与保龄球相当，强调认知而非成本是主要障碍。Golfoy利用AI开发智能装备选择指南，用户回答简单问题即可获95%适配度推荐，80%用户表示满意。目前占印度高尔夫市场15%-17%份额，平台填补全球设备购买空白。AI通过数据分析提升玩家精准度，但生成式AI应用受限。Narang计划开发开源高尔夫AI模型，推动运动普及，公司自创立以来保持盈利，未依赖融资。

**3、Apple Watch拟推AI与摄像头功能，用户体验升级面临挑战**  
苹果计划为Apple Watch集成摄像头，标准系列置于显示屏内，Ultra系列设于表侧，提升环境感知并结合AI提供信息。同时，AirPods也可能新增摄像头增强AI功能。然而，苹果AI发展受阻，Siri升级推迟至2026年，团队调整由迈克・罗克威尔接任负责人。Apple Intelligence因不准确及落后于对手而遭批评，面临虚假宣传诉讼，73%用户认为AI价值有限。尽管如此，苹果正通过更新解决问题，试图提升用户体验。

**4、LiblibAI携手阿里通义大模型，推出10秒AI视频生成新功能**  
LiblibAI接入阿里通义大模型，推出文生视频和图生视频功能，用户可通过文本或图片生成10秒短视频，大幅降低创作门槛。基于万相2.1模型，该功能获市场高度认可，下载量超200万。平台还利用Qwen-turbo优化提示词窗口，效率提升50%以上。作为国内首家备案AI平台，LiblibAI拥有2000万创作者和10万原创模型，与天猫、瑞幸等合作。过去一年完成四轮融资，此次升级将推动其在AI创作领域持续领跑。

**5、豆包网页版免费一键提取抖音视频文案，效率高又精准**  
自媒体创作者常需提取视频文案，传统工具多为付费且价格不菲。豆包网页版推出免费功能，只需输入抖音视频链接，几秒内即可生成完整文案，准确率高，无错别字且英文拼写正确。测试显示，无论是短视频还是长视频如直播切片，豆包都能高效整理，甚至超越剪映的歌词识别效果。这一免费工具让付费提取文案成为过去，大幅降低成本，提升创作效率。

**6、伯克利TULIP模型突破视觉语言AI，性能超现有技术数倍**  
加州大学伯克利团队发布TULIP模型，通过生成式数据增强、增强的对比学习和重构正则化三大创新技术，大幅提升视觉语言预训练性能。TULIP克服传统模型如CLIP的局限，在零样本分类、细粒度物体识别及多模态推理等任务中刷新纪录。实验显示，其在MMVP基准测试中性能提升3倍，微调视觉任务提升2倍，展现强大鲁棒性和泛化能力。这一突破为视觉语言对齐设立新标杆，推动AI技术迈向更高水平。

**7、“瀚海智语”发布：中国首个海洋专业AI模型开启智慧海洋新篇章**  
中国自然资源部发布国内首个海洋领域专业AI模型“瀚海智语”，由国家海洋环境预报中心等联合研发，基于360智脑13B和Deepseek-R1-70B模型打造。相较通用模型，其在海洋专业知识和应用能力上更优，可高效处理内容生成、知识问答等任务。目前已获海洋机构和高校好评。未来，团队计划扩展其在自然资源领域的应用，推出更多专业模型，以中文特色推动智慧海洋发展，提升中国在全球海洋治理中的影响力。

**8、微软GeoMap-Bench发布，推动地质图智能解读新进展**  
微软亚洲研究院推出GeoMap-Bench基准集，旨在评估多模态大语言模型在地质图理解中的能力，与中国地质科学院等合作，聚焦信息提取、定位等五大关键能力。基于7000幅地质图生成3000多问题，揭示模型在高分辨率处理及专业知识方面的局限。同时，微软研发GeoMap-Agent智能体，通过层级信息提取等模块提升地质图解析效率。此举为地质学AI应用奠定基础，将助力灾害预警、资源勘探等领域，推动地质信息智能化发展。

**9、Reve Image全新AI图像模型亮相，开启视觉创作新风尚**  
Reve Image作为新一代AI图像生成模型正式推出，以卓越的美学表现、精准提示遵循及出色排版设计引发关注。由Reve团队从零打造，其生成图像简洁大气，具备海报风格视觉冲击力，对提示词理解细腻，能优化简单描述生成惊艳效果，媲美市场领先技术。平台界面友好、操作流畅，已免费开放，吸引众多创作者体验。Reve Image的出现加剧行业竞争，或推动AI图像生成在美学与功能上的创新，成为视觉创作新宠。

**10、百度“秒哒”全量上线，首创对话式无代码开发平台**  
百度推出国内首个对话式应用开发平台“秒哒”，今日全量上线。用户通过自然语言描述需求，即可生成完整应用代码，无需编程经验。平台整合多智能体协作与多工具调用功能，依托文心大模型实现智能调度与工具接入，如网页检索、地图API等。去年亮相时提出的“多智能体协同”理念现已落地，李彦宏称其颠覆传统编程模式，零门槛让创意变现。秒哒开启个人创新新时代，为用户提供便捷高效的开发体验。

**11、蚂蚁集团发布两款MoE大模型，创新技术降低训练成本**  
蚂蚁集团Ling团队发布百灵轻量版（168亿参数）和增强版（2900亿参数）两款MoE大模型，性能达行业领先。针对传统MoE模型需依赖昂贵GPU的问题，团队创新采用动态参数分配、混合精度调度等技术，在国产低性能GPU上高效训练3000亿参数模型，成本降至508万元/万亿token，较高端硬件节省约20%，性能媲美Qwen2.5和DeepSeek-V2.5。此成果降低了对英伟达芯片依赖，为国产大模型发展提供经济高效新路径。

**12、美团自研大模型LongCat亮相，数十亿GPU投资助推AI战略**  
美团2024年营收达3376亿元，同比增长22%。CEO王兴在财报会上透露，公司投入数十亿元GPU资源，开发大模型“LongCat”，并计划2025年加大AI基础设施投资。LongCat已提升客服效率20%、减少44%销售工作量，AI生成27%新增代码。美团AI战略聚焦员工效率、产品升级及自研模型建设。同时，自动配送车和无人机累计完成超536万单，并在迪拜和中国香港实现商业化运营，展现AI驱动的全球布局新进展。

**13、vivo成立机器人LAB，手机巨头瞄准家庭机器人新赛道**  
vivo正式成立机器人LAB，专注于家庭机器人研发，备受业界瞩目。vivo回应称这是正常业务调整，更多细节将在博鳌亚洲论坛公布。2023年，执行副总裁胡柏山曾透露人形机器人是未来方向，依托蓝心大模型和MR技术，vivo已具备解决80%技术难题的能力，剩余机械部件问题也有望攻克。他强调此举兼具技术探索与社会责任意义，机器人或缓解医疗、养老等领域人力短缺。vivo能否在机器人赛道崭露头角，值得期待。

**14、Capco联手OpenAI，推动金融服务行业AI革新**  
全球咨询公司Capco与OpenAI合作，加速AI在金融行业的应用，结合OpenAI的ChatGPT技术与Capco的金融专长，提供变革性解决方案。合作推广ChatGPT企业版，提升员工效率，加快客户交付，帮助金融机构应对市场变化。Capco CEO安妮-玛丽·罗兰强调，此举利用生成式AI增强服务与产品开发能力，同时确保监管环境下的安全与治理。此合作将为金融行业带来技术新机遇，助力适应快速变化的市场需求。

**15、PiT框架：碎片化图像生成完整杰作的AI魔法**  
PiT框架是一种创新的图像生成技术，能将随机图像碎片转化为完整、连贯且风格一致的新图像。与依赖文字提示的模型不同，PiT以图片“零件”为输入，通过训练模型分析碎片关系，自动生成符合语义的作品。其基于IP-Prior架构，支持语义保留、风格控制及草图生成，实验效果出色。PiT适用于设计师灵感激发及个人创意表达，被誉为“图像魔法师”，为用户提供独特而高效的创作体验。

**16、苹果AI高管重组：Siri升级推迟至2026年**  
苹果公司因AI研发滞后对其高管团队进行重大重组，焦点为Siri项目。原计划年内推出的多项升级现延至2026年，因CEO蒂姆·库克对前AI负责人约翰·詹南德雷亚的表现不满。新任负责人迈克·洛克威尔由Vision Pro团队转岗，接管Siri开发，直接向软件工程主管汇报。同时，Vision产品集团也迎来新负责人保罗·米德。业界认为，此举是苹果应对AI竞争压力和技术瓶颈的积极调整。

AI Daily 2025.03.24

## AI Repos
**1、[Fin-R1](https://github.com/SUFE-AIFLM-Lab/Fin-R1)**  
Fin-R1 是一款针对金融领域复杂推理的大型语言模型，由上海财经大学统计与数据科学学院张立文教授与其领衔的金融大语言模型课题组（SUFE-AIFLM-Lab）联合财跃星辰研发并开源发布。该模型以 Qwen2.5-7B-Instruct 为基座，通过高质量的可验证金融问题微调训练，最终表现在多个金融领域基准测试上的表现达到参评模型的SOTA水平。
![Fin-R1.png](/static/img/0398d295205d5c8b2400158d3c4ef726.Fin-R1.webp)



**2、[ableton-mcp](https://github.com/ahujasid/ableton-mcp)**  
AbletonMCP 通过模型上下文协议 (MCP) 将 Ableton Live 连接到 Claude AI，让 Claude 能够直接与 Ableton Live 交互并控制它。这种集成可实现即时辅助的音乐制作、曲目创建和 Live 会话操控。
![ableton-mcp.png](/static/img/ab347ab2eb309e19840f4970edb319a2.ableton-mcp.webp)

**3、[rf-detr](https://github.com/roboflow/rf-detr)**  
RF-DETR 是第一个在 Microsoft COCO 基准上超过 60 AP 的实时模型，同时在基础规模上具有竞争力。它还在 RF100-VL 上实现了最先进的性能，RF100-VL 是一个对象检测基准，用于衡量模型域对现实世界问题的适应性。RF-DETR 的速度与当前的实时对象模型相当。
![rf-detr.png](/static/img/ea80da8a5c6249144590c14ef76f87f9.rf-detr.webp)

**4、[pdf-craft](https://github.com/oomol-lab/pdf-craft)**  
利用本地AI模型和LLM将PDF转换为Markdown或EPUB。本地AI模型提取PDF正文，识别文本，并确定阅读顺序，适用于论文和小书本。对于大型书籍，项目结合LLM构建EPUB结构，处理注释和引用，并校正OCR错误。本地处理适用于Markdown转换，而EPUB转换则需配置LLM服务，推荐DeepSeek，以实现更完善的结构化书籍输出。
![pdf-craft.png](/static/img/203ffd6cde2521215a089a563fb1f3fe.pdf-craft.webp)

**5、[midscene](https://github.com/web-infra-dev/midscene)**  
该项目是一个UI自动化工具，支持自然语言交互，用户通过描述目标和步骤，AI即可控制界面。它支持Chrome插件、Puppeteer/Playwright集成，并新增UI-TARS和Qwen2.5-VL开源模型，优化UI自动化场景。项目提供可视化报告和Playground用于调试，支持任务缓存、JSON格式交互和自然语言断言，并完全开源。
![midscene.png](/static/img/c1205cdb4b33a3798bb3c9252a7bc342.midscene.webp)

**6、[WebChat](http://github.com/molvqingtai/WebChat)**  
一个去中心化、无服务器的匿名聊天浏览器插件，在任何网站上，无需注册，一键开启与他人聊天，利用 WebRTC 端到端加密，所有聊天数据保存到本地，安全隐私。非常适合有即时交流的需求场景，如浏览到有趣的新闻或技术时，与同一浏览的人发起聊天讨论。
![WebChat.png](/static/img/62dcb42df5fb5e2f8e597cc1473de964.WebChat.webp)

## AI News
**1、中国PLA部署“DeepSeek”用于非作战任务**  
中国PLA已授权在军事医院等非作战领域使用AI工具“DeepSeek”，协助医生制定治疗方案。南华早报称，其开源大模型R1-70B已部署于PLA医院及武警单位，强调数据安全。专家认为，这有助于解决技术挑战，为高风险军事应用铺路。PLA长期推动AI增强战斗力，分析师预测其将用于战场情报与决策。DeepSeek以低成本、高效率著称，已超ChatGPT成为苹果商店热门应用。印度或需关注其潜在军事扩展影响。

**2、马斯克Neuralink首试成功，瘫痪者脑控电脑引发热议**  
30岁的Noland Arbaugh因2016年潜水事故瘫痪，2024年1月成为首位植入Elon Musk旗下Neuralink脑机接口（BCI）芯片的人。他通过思维控制电脑，恢复部分独立性，能玩棋类和视频游戏。此技术检测脑电信号并转化为数字指令，虽非首创，却因Musk备受关注。专家称其为里程碑，但隐私与技术稳定性存隐忧。Noland希望未来控制轮椅或机器人，尽管曾因设备问题短暂失效。Neuralink与Synchron等公司竞争，探索BCI潜力，或将革新残障人士生活。

**3、英伟达股价看涨：1万亿美元数据中心支出前景驱动**  
英伟达在GTC大会上预测2028年数据中心基础设施支出将超1万亿美元，其GPU主导AI建设，2024年已占25%-30%市场份额。新Blackwell Ultra和Vera Rubin芯片提升推理性能，Dynamo软件优化多GPU协同。CEO黄仁勋看好机器人与自动驾驶市场，推出Isaac GROOT N1并携手GM、丰田开发AI系统。当前股价前瞻市盈率26倍、PEG低于0.5，估值吸引，分析认为其创新与市场潜力使其为长期投资佳选。

**4、OpenAI与Meta拟与印度Reliance合作，推动AI业务扩展**  
据The Information报道，OpenAI和Meta Platforms正分别与印度Reliance Industries洽谈AI合作。OpenAI讨论通过Reliance Jio分发ChatGPT，并考虑将其订阅价降至几美元，还计划通过API向企业客户销售模型，或在本地运行以保护数据。Reliance也与双方探讨在其吉吉瓦级数据中心托管Meta和OpenAI模型，该中心位于古吉拉特邦Jamnagar，号称全球最大。Meta拒绝置评，OpenAI和Reliance未回应。此合作若成，将助力AI在印度市场的普及。

**5、Sam Altman预言：AI或减少工程师需求，技术未来引热议**  
OpenAI CEO Sam Altman在采访中表示，AI将提升软件工程师效率，短期内每人产出倍增，但长远可能减少需求。他称当前许多公司超半数代码已由AI编写，未来“代理式编码”将成趋势。Altman建议程序员精通AI工具以保持竞争力。Anthropic CEO和Meta的Zuckerberg持类似观点，而Zoho创始人Sridhar Vembu认为AI擅消“偶然复杂性”，但创新性“本质复杂性”仍需人类。此言论引发科技界对AI取代人力与创新边界的讨论。

**6、追觅扫地机器人进化，开启家庭清洁3D时代**  
追觅公司推出了一款具有划时代意义的扫地机器人。这款机器人不仅配备了仿生多关节机械手，还搭载了具身大模型“大脑”，实现了从2D到3D清洁的跨越。机械手能够夹起小障碍物并进行分类处理，还能自主更换清洁工具，完成家具缝隙等狭窄空间的清洁任务。其具身大模型融合了感知与决策能力，即使不联网也能高效运行。追觅通过技术创新，将扫地机器人升级为集清洁、整理、巡逻等功能于一体的家庭服务机器人，开启了家庭机器人的3.0时代。未来，扫地机器人有望成为智能家居的“移动大脑”，推动家庭智能化发展。

**7、AI图片编辑大战：谷歌Gemini与马斯克Grok的较量**  
AI图片编辑功能成为科技圈的焦点。谷歌的Gemini 2.0凭借其强大的“动动嘴”PS功能引发热潮，用户通过简单的文本描述即可实现证件照换西装、改变发色等专业级效果。紧随其后，马斯克的Grok也连夜上线了图片编辑功能，同样支持通过文字指令修改图片，甚至在手机APP上也能体验。目前，Grok的图片编辑功能仍在灰度测试中，但已展现出不俗的效果。从谷歌到马斯克，AI大模型在图片编辑领域的竞争愈发激烈，传统图片编辑软件如Photoshop可能面临挑战。未来，图片编辑有望从复杂的操作转变为简单的交互，AI赋能的大模型将为用户带来更便捷的体验。

**8、中国AI崛起，美国顶尖名校毕业生回流国内**  
美国顶尖高校如哈佛、斯坦福的中国毕业生纷纷向中国AI初创公司DeepSeek等投递简历，这一现象反映了中国AI行业的崛起对全球人才的吸引力。与此同时，美国众议院却以“国家安全”为由，要求斯坦福、卡内基梅隆等六所大学提交中国学生的详细信息，甚至考虑全面禁止中国公民获得留学签证。这种政策导致许多中国留学生重新考虑未来规划，选择回国发展。中国AI公司如DeepSeek凭借高薪和技术前景吸引了大量人才，而美国的严格审查和签证限制则让不少中国技术人才望而却步。随着中美科技竞争加剧，中国正成为全球AI人才的新高地。

**9、AI“下毒”互联网：猎奇视频泛滥威胁用户体验**  
极客公园报道，AI生成猎奇视频正“污染”互联网，如“蜘蛛长颈鹿人”在Instagram获3.62亿观看。这些视频利用AI快速生成诡异内容，钻算法漏洞获取流量，造成用户精神不适。制作者通过批量生产追求暴利，如YouTuber Daniel Bitton用AI复制爆款赚百万美元。Meta甚至鼓励AI内容提升留存率，导致劣质内容挤占人类创作空间。文章呼吁更严格规范，保护用户免受“AI深渊”侵害。

**10、AI创作梗图更搞笑，模因图灵测试被攻破**  
一项最新研究发现，大型语言模型（LLM）在创作梗图时展现出惊人的幽默感与创造力，甚至超越了人类创作者。研究中，纯AI创作的梗图在幽默性、创意性和分享性三个维度上的评分均高于人类组和人机协作组，表明AI已通过模因图灵测试。不过，人类创作者在最有趣的梗图中仍占据优势，展现了独特的创造力。研究还发现，人机协作能显著提高创意数量，但对质量提升有限。AI在梗图创作中可提供大量创意，但缺乏个性与深度，而人类创作者能融入独特经历和文化内涵，使作品更具感染力。

**11、新型RL算法SWEET-RL让智能体学会协作推理**  
Meta FAIR和加州大学伯克利分校的研究团队开发了一种新型强化学习算法SWEET-RL，能够通过多轮训练让智能体学会协作推理。该研究构建了新的基准ColBench，包含后端编程协作和前端设计协作两个任务，用于评估智能体在多轮交互中的推理和泛化能力。SWEET-RL采用两阶段训练方法：第一阶段学习各轮次的优势函数，利用轨迹偏好对进行微调；第二阶段通过每轮次的优势优化智能体策略，引入训练时间信息以提升性能。实验表明，多轮协作显著提升了LLM智能体的成功率，SWEET-RL在ColBench上的表现优于其他多轮RL算法，与GPT-4o等SOTA模型相当。该研究为强化学习在复杂任务中的应用提供了新的思路。

**12、蚂蚁、华为、阿里云联手推动AI医疗落地“大模型一体机”全栈解决方案**  
蚂蚁集团、华为、阿里云等近百家企业联合发布了“大模型一体机”全栈解决方案，助力医疗机构快速、安全、稳定地实现大模型落地。该方案通过私有化部署，将国产算力、医疗大模型和AI训推一体化，同时提供定制化应用配置，帮助医院业务系统、医疗诊断和患者服务实现升级。浙江省人民医院、北京市中医院等7家机构已首批接入。此外，蚂蚁与浙江卫健委合作的AI健康应用“安诊儿”已覆盖超1000家公立医院。蚂蚁还完成了“三端一体”战略布局，面向医疗机构、医生和患者提供全方位AI医疗解决方案。此次合作标志着AI医疗落地加速，为行业提供了新的探索方向。

**13、中国福彩警示：AI预测彩票号码100%为骗局**  
中国福彩发文揭露“AI预测彩票号码百分百中奖”的骗局，指出不法分子以此诱导购彩者付费，实为诈骗。福彩强调，彩票如双色球有1772万+种组合，每次开奖为独立随机事件，无规律可循。AI虽擅分析历史数据，但因彩票结果无关联性，无法预测未来开奖。福彩提醒购彩者保持理性，勿信虚假“科学”承诺，避免上当受骗。

**14、Browser Use获1700万美元种子轮融资，助力AI代理更高效浏览网页**  
Browser Use是一家致力于提升AI代理网页浏览效率的初创公司，其技术将网页元素转化为AI可理解的文本格式，解决了传统视觉系统易出错的问题。该公司在Y Combinator冬季批次中崭露头角，并因其技术在Butterfly Effect的Manus工具中的应用而受到广泛关注。Browser Use已获得1700万美元种子轮融资，由Felicis领投，旨在成为AI代理与动态网页交互的“基础层”。创始人强调，其技术能帮助AI代理更稳定、低成本地执行重复性任务，并已吸引众多公司寻求合作，以优化其网站对AI代理的兼容性。

**15、数百位名人联名反对OpenAI和谷歌“自由利用”好莱坞版权材料**  
超过400位娱乐界人士签署联名信，反对OpenAI和谷歌提出的AI模型训练使用受版权保护内容的提议。信中指责这两家公司试图获得政府豁免，以“自由利用”创意产业的作品。联名信由本·斯蒂勒、马克·鲁法洛、奥布瑞·普拉扎等多位明星签署，回应了特朗普政府对AI行动计划的反馈征集。信中反驳了谷歌和OpenAI关于需要使用版权材料进行训练的论点，强调现有法律足以保护版权，并呼吁AI公司通过与版权所有者协商许可，而非寻求豁免。谷歌回应称支持现有的合理使用框架，认为当前版权法已允许AI创新。

**16、多数AI研究者认为科技行业在“死胡同”上投入数十亿美元**  
一项由人工智能促进协会进行的调查显示，76%的AI研究者认为通过“扩大规模”现有AI方法实现通用人工智能（AGI）的可能性很低。该调查质疑了科技行业长期以来通过增加硬件来提升生成模型性能的做法。报告指出，随着OpenAI的GPT模型显示出改进放缓的迹象，以及中国初创公司DeepSeek以较低成本挑战西方大型聊天机器人，业界开始意识到单纯扩大规模的局限性。然而，尽管有研究者提出“测试时间计算”和“专家混合”等更高效的方法，微软等科技巨头仍计划在数据中心建设上投入巨资，表明“蛮力”扩大规模仍然是行业巨头的主要策略。

AI Daily 2025.03.23

## AI Repos
1、[DeTikZify](https://github.com/potamides/DeTikZify)  
可以把草图或图形转换成TikZ代码的模型，可用来绘制复杂的科学图表，输入草图或文字描述即可转换成TikZ代码。DeTikZify强大的地方在于它能理解图表的语义信息， 能识别图表中的不同组成部分及其含义，比如坐标轴、数据点等，也就是说如果你想修改图表中的某个部分，你只需修改相应的语义信息，它就能自动更新TikZ代码。通过MCTS算法，DeTikZify可以在不重新训练模型的情况下，自动迭代改进生成的TikZ代码，不断改进生成结果，提升输出质量。
![DeTikZify.png](/static/img/7eb214e25105b8f0b9d01e55d2468e09.DeTikZify.webp)



2、[ClaraVerse](https://github.com/badboysm890/ClaraVerse)  
隐私优先的 AI 助手和智能体构建开源工具，它能让我们在本地设备上使用开源模型进行 AI 聊天、创建智能体并将其转换为功能完整的应用，所有数据都不会离开你的机器，真正实现隐私保护。  
主要功能：  
- AI 助手：与任何 Ollama 兼容模型聊天，包括能理解图像的多模态模型  
- 图像生成：使用 Stable Diffusion 模型和 ComfyUI 集成创建精美图像  
- 智能体构建器：通过基于节点的编辑器设计自定义 AI 智能体
- 图像画廊：在一个方便的画廊中浏览、搜索和管理所有生成的图像  
![ClaraVerse.png](/static/img/514a3850d54f49b106da49c1c82758af.ClaraVerse.webp)

3、[LHM](https://github.com/aigc3d/LHM)  
阿里放出了一个能从单张图像几秒钟重建出可动画化的3D数字人模型：LHM，支持实时渲染、姿态控制。一张照片几秒钟创建出一个3D数字人，这个数字人可以做各种动作，效果看起来逼真，衣服、头发、面部等细节保持的很好。
![LHM.png](/static/img/1614dc9a027dbf7143c6d6488d0bc28e.LHM.webp)

4、[handy-ollama](https://github.com/datawhalechina/handy-ollama)  
从零开始学习 Ollama 的实用教程，并通过实际应用案例深入理解，掌握大模型部署以及应用技术。主要教程内容有：  
- 全面的安装指南，包括 macOS、Windows、Linux 和 Docker 环境下的配置；
- 自定义导入模型教程，包括从 GGUF、Pytorch 或 Safetensors 导入；
- 多语言 API 接入指南，支持 Python、Java、JavaScript、C++ 等；
- LangChain 集成教程，实现更复杂的模型应用开发；
- 丰富的应用案例，如本地 RAG 应用、AI 编程助手、Agent 应用等。  
无论是刚刚接触大模型部署的小白，还是有一定经验的开发者，都适合学习。
![handy-ollama.png](/static/img/25caf2182ca5b9637ff79d4bf71496b5.handy-ollama.webp)

AI Daily 2025.03.22

##  AI Repos
**1、[gurubase](https://github.com/Gurubase/gurubase)**  
开源AI问答助手工具，支持网页、PDF、视频及GitHub仓库作为知识源，已被数百个开源项目采用。用户可快速构建专业问答助手，并嵌入网站或集成Slack、Discord，支持实时数据更新。通过简单安装脚本即可本地部署，方便开发者使用。
![gurubase.png](/static/img/9e6161f3fa33e2b86e524e207e2ac81c.gurubase.webp)



**2、[all-rag-techniques](https://github.com/FareedKhan-dev/all-rag-techniques)**  
是一份详尽的检索增强生成（RAG）技术教程，涵盖20+种技术，从基础RAG到语义分块、查询转换、重排序、图形RAG等高级方法。使用基础Python库实现，不依赖LangChain或FAISS，配有Jupyter笔记，提供技术解释、步骤与代码示例。适合开发者与研究人员深入学习RAG工作原理，推动AI应用创新。
![all-rag-techniques.png](/static/img/afd724fdef3b18eb13665499062862dd.all-rag-techniques.webp)

**3、[fetcher-mcp](https://github.com/jae-jae/fetcher-mcp)**  
Fetcher-MCP是一款基于Playwright无头浏览器的网页内容抓取MCP服务器，支持JavaScript执行，能处理动态网页与现代应用。内置Readability算法，自动提取主要内容，去除广告、导航等非核心元素。支持并行处理，提供HTML和Markdown输出格式，并可屏蔽图片、样式表等不必要资源以优化性能。此工具适用于高效抓取网页内容，已在GitHub开源，助力开发者与大模型集成，提升自动化浏览体验。
![fetcher-mcp.png](/static/img/d59415152121ef09cadda33de3c14ac4.fetcher-mcp.webp)


##  AI News
**1、李飞飞团队推出FlowMo，革新图像处理技术**  
斯坦福大学李飞飞和吴佳俊团队发布“FlowMo”，一种新型图像tokenizer，突破传统卷积网络与对抗学习的局限。FlowMo采用两阶段训练，先捕捉多样化重建结果，再优化至接近原图，提升图像质量与感知效果。在ImageNet-1K等数据集上，FlowMo以低比特率FID值0.95超越现有最佳模型。此技术为图像生成与处理开辟新路径，助力视觉应用更高效智能。

**2、富途接入DeepSeek-R1，升级AI投资功能亮相投资展**  
富途证券在3月21日“富途投资展”上宣布接入DeepSeek-R1，推出升级AI产品功能。牛牛AI变身智能助手，处理复杂查询，助新手快速分析股票，未来可筛选投资目标。新功能包括“机会”智选页面、期权策略及AI程序交易，降低量化交易门槛。创始人李华强调结合自有数据训练AI，确保信息真实性。2024年Q4财报显示营收44.33亿港元，同比增长86.8%，用户达2515万，增长16%。富途持续推进国际化战略。

**3、维他动力获2亿元种子轮融资，年底推智能家居机器人**  
维他动力（Vita Dynamics）完成2亿元种子轮融资，由今日资本、凯辉基金领投，雅瑞资本等跟投。这家成立仅三月的初创公司专注智能生活机器人，首款具备自主移动能力的伴随机器人预计年底亮相，适用于室内外场景。创始人余轶南博士表示，资金将用于研发、团队扩展及供应链建设，旨在提升生活质量，让智能家居更普惠。借助中国成熟的智能制造链与AI人才优势，维他动力欲乘机器人产业东风，带来生活新便利。

**4、英伟达拟投数千亿推动美国半导体供应链发展**  
英伟达宣布未来四年将在美国供应链投资约5000亿美元，响应“美国优先”政策，推动本土半导体发展。CEO黄仁勋在GTC 2025大会上表示，已通过台积电等供应商实现美国生产，同时对华为AI芯片崛起及制裁效果表达担忧，否认与英特尔合作传闻。台积电追加1000亿美元投资亚利桑那州设施，强化美国制造。此举与苹果等巨头举措一致，旨在提升供应链韧性与AI技术竞争力。

**5、钉钉发布“AI创新N次方计划”，全方位助力AI创业**  
钉钉在“AI创业N次方”大会上推出新生态政策“AI创新N次方计划”，免除佣金、保证金及算力费用，并提供销售、品牌、技术、投资支持，降低AI创业门槛。副总裁王铭强调聚焦生态合作，已覆盖15个软件类目、4700场景、346行业，220万企业使用AI。政策包括流量推广、技术指导等，还发布《AI创业行动指南》。与销帮帮、恩君特合作推出“AI销售助理”和“AI短视频助理”，效率提升显著。钉钉将深化合作，助推AI应用与企业转型。

**6、LexisNexis推出AI助手Protégé，小模型赋能法律行业**  
LexisNexis推出AI助手Protégé，助力法律专业人士撰写、校对文件并确保引用准确，强调个性化与工作流学习。结合Anthropic、Mistral及OpenAI等多模型技术，通过蒸馏小型模型提升性能与成本效益。主要依赖微调Mistral模型，计划融入Claude及Gemini模型。Protégé支持文档起草、工作流建议、问题生成及文档总结，旨在成为智能化法律助手。首席技术官Jeff Riehl称，多模型策略优化任务分解与响应速度，标志法律工作智能化的新尝试。

**7、蚂蚁集团收购好大夫后推AI辅助系列，服务29万医生**  
蚂蚁集团加速AI医疗布局，3月21日发布升级AI产品体系：联合华为、阿里云推出“蚂蚁医疗大模型一体机”，实现一键私有化部署，已覆盖7家机构；面向好大夫在线29万医生，推出AI医生助手系列，包括“AI科研助手”，提升医教研效率；“AI健康管家”新增智能思考、健康自测等功能，服务近4000万用户。蚂蚁以医疗大模型为核心，构建“机构-医生-患者”三维体系，打通诊疗到健康管理闭环，探索安全可信AI应用。

**8、Roblox推出AI驱动Cube工具，开启游戏创作新篇章**  
Roblox发布AI驱动的3D智能模型Cube，助力开发者高效设计游戏资产。通过简单指令，Cube可生成3D物体、场景及角色造型，简化创作流程。CEO大卫・巴祖基称其为协作助手，未来将支持完整场景与互动逻辑设计。模型采用3D形状token化与新型位置编码技术，确保高保真度输出。尽管复杂请求表现待优化，Cube仍标志着Roblox迈向3D智能创作的关键一步，开辟游戏开发新纪元。

**9、前字节AI专家解浚源加盟千寻智能，领军具身智能研发**  
前字节跳动AI专家解浚源加入千寻智能，出任具身智能部负责人。他毕业于中科大并获华盛顿大学博士学位，曾是MXNet开源项目创始人之一，在亚马逊和字节积累深厚经验。千寻智能专注AI与机器人全栈技术，CEO韩峰涛领军下已取得进展。解浚源的加盟将加速具身大模型研发，强化千寻在全球具身智能赛道的竞争力，助推技术落地与创新。

**10、天猫“家作”AI设计助手亮相AWE，助力商家效率飞跃**  
天猫在2025上海AWE展推出AI设计工具“家作”，为家电家居商家提供高效解决方案。商家上传商品图即可生成80+风格场景图，AI模特功能模拟真人效果逼真，节省设计成本。如慕思一年生成近2000张图，省140万元。目前超13万商家使用，包括源氏木语等品牌。设计流程从2-3天缩至几分钟。天猫还推出AI直播、营销、智能客服等工具，全面提升效率，并展示AI冰箱等产品及虚拟家居体验舱，引领AI购物新趋势。

**11、字节推出InfiniteYou：保留人脸特征，场景随意切换**  
字节跳动发布文本到图像生成模型InfiniteYou（InfU），通过InfuseNet将身份特征注入FLUX等DiT模型，结合多阶段训练提升文图对齐与图像质量。提供aes_stage2（美观优先）和sim_stage1（相似度优先）两版本，超越FLUX.1-dev IP-Adapter和PuLID-FLUX。其“即插即用”设计兼容FLUX变体、ControlNets和LoRAs，支持风格迁移。目前开源供学术研究，需遵守CC BY-NC 4.0许可及相关法规，旨在推动高质量身份保留图像生成。

**12、腾讯元宝新增功能，支持分析复杂Excel表格**  
腾讯元宝推出新功能，支持分析复杂Excel表格，用户只需用自然语言提问，即可获数据读取、计算及重点标注，免去繁琐公式操作。表格可本地上传或从微信、腾讯文档导入，兼容多端使用。切换至混元Turbo S模型并关闭深度思考，还能通过代码快速处理大型表格。此升级简化操作、提升效率，降低Excel使用门槛，让数据分析更便捷。

**13、快手搜索AI升级：接入DeepSeek R1，体验质变**  
快手宣布搜索功能全面接入DeepSeek R1大模型，提升搜索效果与用户体验，旨在增加活跃度并探索商业化潜力。此前，其“可灵AI”已整合DeepSeek R1，优化视频与图片生成，用户可通过精准提示词控制场景、镜头等元素，简化创作流程。快手通过AI技术升级，不仅增强核心搜索，还提升内容生成工具性能，标志着其在技术驱动平台优化上的重要进展。

**14、Midjourney核心开发者theseriousadult转投Cursor研发AI编程Agents**  
Midjourney核心开发者theseriousadult宣布离职，其领导V2至V7模型开发，以美学与创意著称。在X上，他透露已加入Cursor，专注AI编程Agents研发，旨在提升编程效率与自动化。他表示对Cursor长期使用并看好其潜力。业内对这一变动褒贬不一，有人惋惜Midjourney损失人才，有人期待其在新岗位的突破。虽离职原因未明，此事件凸显AI行业人才流动新动态。

**15、阿里云携手亚洲十所高校及机构，共育AI与云计算人才**  
阿里云与新加坡国立大学、泰国数字经济促进局等10所亚洲高校及机构合作，推出AI与云计算培训课程，覆盖七个国家和地区。在新加坡共建Skills Center提供前沿培训，泰国则推泰语版学习平台并纳入认证体系。阿里云还启动“AI赋能ESG计划”，提升治理报告效率。自去年起，已与全球110所高校合作，培训超53万人。此次合作深化亚洲数字人才培养战略，助力区域数字经济发展。

**16、Reka开源Reka Flash 3，谷歌前科学家打造超Gemma 3 27B模型**  
Reka AI，由谷歌DeepMind前科学家创立，发布首个开源模型Reka Flash 3。这款21B参数推理模型从零训练，经监督微调与RLOO优化，性能超越Command A与Gemma 3 27B，成同规模佼佼者。支持强推理、低延迟、设备部署，驱动Nexus平台AI工作者，具备“思考”机制与预算控制。虽非知识密集型首选，结合搜索工具可扩展能力。模型已开源，助力开发者创新。

**17、全球首款儿科大模型“福棠・百川”发布，升级儿童医疗服务**  
百川智能联合北京儿童医院及小儿方健康推出全球首款儿科大模型“福棠・百川”，覆盖儿童常见及疑难病症，具备强大临床推理能力。其首创“循证模式”整合医学证据，提升诊疗质量。提供“AI儿科医生”专家版与基层版，结合医联体覆盖基层医院。模型基于万亿级医疗数据及300多位专家经验，强化循证与多模态能力，配以4万+指南、3800万+论文的知识库，助力精准诊疗与基层医疗升级。

**18、老板电器“食神”AI烹饪模型亮相AWE，开启智能厨房时代**  
老板电器在上海AWE展发布首款AI烹饪大模型“食神”，融合2TB知识库与46年经验，提供个性化菜谱、健康膳食规划及文化故事讲解。支持面部识别、体检分析，用户可通过智能设备实现全自动烹饪，如自动火力调节与翻炒。副总裁周海昕强调其提升饮食乐趣与生活质量。“食神”无缝连接老板全系列产品，覆盖烹饪全流程，未来有望让每位用户轻松享受智能厨房体验。

**19、AMD以智能高效计算推动AI成功**  
AMD强调通过智能、高效的计算资源应对AI需求增长，帮助企业突破瓶颈。现代化数据中心升级，如用AMD EPYC处理器替换旧Xeon，可节省68%能耗、减少87%服务器使用。AMD Instinct MI325X GPU和EPYC CPU分别以优异推理性能和高核心密度支持AI工作负载。ROCm开源软件栈增强灵活性，适应多规模模型需求。企业需评估基础设施，逐步升级以降低成本，AMD的硬件软件组合助力AI创新与扩展。

**20、Claude新增网络搜索功能，提供实时信息与来源引用**  
Anthropic为Claude推出网络搜索功能，将搜索结果转化为对话式回答并标注来源，类似Perplexity与ChatGPT。目前仅限美国付费用户使用Claude 3.7 Sonnet模型，未来将扩展至更多国家和免费用户。AI助手功能趋同，竞争聚焦模型性能与提示易用性，未来优势或在于灵活模型选择。然而，聊天机器人搜索可能减少网站流量高达96%，影响内容创作者收入。Anthropic未与媒体公司达成内容授权协议，与竞争对手形成对比。

**21、OpenAI发布gpt-4o-transcribe，语音转录准确率大幅提升**  
OpenAI推出三款新语音模型，其中gpt-4o-transcribe以超低2.46%的英语错误率领衔，超越Whisper，支持100+语言。集成噪声消除与语义检测技术，它在嘈杂环境、多种口音及语速下表现卓越，已通过API开放给开发者，定价每分钟$0.006。虽暂不支持说话人分离，仍适用于呼叫中心、会议记录等场景。竞品如ElevenLabs Scribe提供类似价格与额外功能，市场竞争加剧。OpenAI未来或将技术整合至ChatGPT，助力语音AI应用发展。

**22、腾讯发布混元T1正式版，推理速度快且价格亲民**  
腾讯推出自研深度思考模型混元T1正式版，性能对标DeepSeek R1和OpenAI o1，采用创新Hybrid-Mamba-Transformer架构。该架构降低计算复杂度和KV Cache占用，提升超长文本处理能力，首创无损应用于超大型推理模型。T1推理速度极快，支持秒回与快速输出，已在腾讯云上线，API定价为输入1

AI Daily 2025.03.21

## AI Repos
**1、[servers](https://github.com/modelcontextprotocol/servers)**  
该仓库提供详细入门指南，用户可通过简单步骤连接Claude客户端，快速使用所有服务器功能。此项目由Anthropic管理，展示MCP的多样性与扩展性，助力开发者为大语言模型提供安全、可控的工具与数据访问。
![servers.png](/static/img/3d44bf905b362d49a6c229f5e89fa386.servers.webp)


**2、[awesome-LLM-resourses](http://github.com/WangRongsheng/awesome-LLM-resourses)**  
精心整理的大语言模型学习资源合集，涵盖了数据处理、模型训练、模型部署、o1 模型、MCP、知识库 RAG、智能体 Agents、书籍、教程、论文等资源。项目一直在持续更新，旨在成为最全面最新的大语言模型资源汇总，值得关注下。
![awesome-LLM-resourses.png](/static/img/f05c86d0347409c04be82b068577a436.awesome-LLM-resourses.webp)

**3、[langmanus](https://github.com/langmanus/langmanus)**  
通过LLM和网络搜索、网页爬取、浏览器控制等各种工具结合来实现任务自动化，可以自动化完成多步骤复杂的研究任务。比如让它计算DeepSeek R1在HuggingFace上的影响力指数，它能自动搜索相关数据、分析信息、执行代码计算等。LangManus是一个分层多智能体系统架构，可以通过自然语言或API进行交互。支持多种模型和工具，可定制工作流程。
![langmanus.png](/static/img/4dc35b8dac20ddfae45108ec7fbc5d6e.langmanus.webp)

## AI News
**1、Arcade.dev获1200万美元融资，推动AI代理安全集成**  
Arcade.dev获1200万美元种子轮融资，由Laude Ventures领投，旨在为AI代理提供安全认证与集成平台，解决AI与企业及消费应用交互的安全难题。平台提供数百个预构建工具（如Gmail、Slack集成）及SDK，支持开发者快速创建自定义安全工具。CEO亚历克斯・萨拉萨尔强调，Arcade使AI从对话工具转为自动化助手，已助力多行业实现任务自动化。团队融合Okta认证与Redis AI经验，获投资人看好其前景。

**2、Pruna AI开源模型优化框架，提升AI压缩效率**  
欧洲初创公司Pruna AI推出开源AI模型优化框架，整合缓存、剪枝、量化和蒸馏等技术，提升模型性能并标准化压缩流程。支持多种模型类型，专注图像视频生成，已获Scenario等企业采用。创始人称其类似Hugging Face的标准化工具，简化压缩操作。企业版提供高级功能与自动压缩代理，按小时收费，助用户节省推理成本。如将Llama模型压缩八倍且精度几无损失。Pruna AI获650万美元种子融资，项目已开源。

**3、长沙“超智融合”教育大模型上线，助力智能教学**  
长沙数字集团与国家超算中心推出“超智融合”DeepSeek教育大模型，已在长郡中学等地应用。该模型整合算力、算法与数据，提升教学全流程智能化，支持AI教案、作业批改及心理监测。Lumen平台提供分层教学设计与语义分析，减轻教师负担，精准诊断学情，并通过行为数据监测学生心理健康。教育局称其优化教育环境，未来将推广至更多学校，推动智能教育发展。

**4、上海浦东发力人形机器人与大模型，打造创新产业高地**  
上海浦东新区计划聚焦人形机器人、大模型及生物制造，建设特色产业园区。副区长李慧表示，将通过弹性用地、“工业上楼”释放空间，深化“明珠计划”吸引人才，并出台激励措施支持企业。浦东还将构建全周期科技金融体系，引导资本投入。阿里蚂蚁灵波科技落户浦东，研发具身智能机器人，瞄准家庭、养老等领域。此举旨在以政策与产业协同，打造创新生态，推动科技与经济进步。

**5、百度携手华为鸿蒙推出“百看计划”AI搜索新模式**  
百度与华为鸿蒙在Pura先锋盛典上联合推出“百看计划”AI搜索模式，首发于鸿蒙系统。该计划利用深度学习提升搜索精准度与个性化，革新用户体验、内容及生态建设，旨在打造“百看不厌”的智能搜索。新形态鸿蒙手机同步发布，百度AI搜索增强生态粘性，标志双方在移动搜索与技术创新上的深度合作。

**6、软银65亿美元收购Ampere Computing，强化AI芯片布局**  
软银集团以65亿美元收购Ampere Computing，增强AI与高性能计算实力。Ampere专注Arm架构多核CPU，其2024年AmpereOne Aurora芯片将支持512核，瞄准AI工作负载。软银CEO孙正义称此举加速人工超级智能愿景，与Ampere创始人期待协同效应。Ampere将整合软银生态，与Arm结合推动创新，或引导企业从x86转向Arm架构。Meta已成Arm客户，软银或调整Arm与Ampere定位，深化AI芯片市场布局。

**7、杭州群核科技开源SpatialLM，助机器人秒懂3D世界**  
杭州群核科技开源SpatialLM模型，被谷歌论文致谢。该模型通过手机视频生成3D空间布局，识别房间结构与物体位置，降低机器人训练成本。在GTC2025大会上，其SpatialVerse平台结合SpatialLM数据，实现机器人虚拟训练闭环。SpatialLM利用MASt3R-SLAM技术，将视频转为点云与3D模型，提升机器人空间认知与适应能力。开源此技术重塑机器人训练，助力具身智能落地，项目地址已公开。

**8、阶跃星辰开源Step-Video-TI2V，运动可控图生视频模型**  
上海阶跃星辰开源Step-Video-TI2V图生视频模型，基于30B参数Step-Video-T2V训练，可生成102帧5秒540P视频。模型引入图像条件提升一致性，AdaLN模块实现运动幅度可控，优化主体动作与镜头运动，支持多种运镜与尺寸。尤其擅长动漫效果，适合动画与短视频创作。提供体验地址与GitHub开源链接，兼顾动态性与稳定性，为创作者带来灵活选择。

**9、腾讯混元T1推理模型3月21日发布，跻身全球Top15**  
腾讯混元宣布全新推理模型T1将于3月21日23时发布，同时其大模型首次登上Chatbot Arena全球排行榜，位列Top15。该榜单以匿名测评和用户投票著称，含金量高，凸显腾讯AI技术跻身国际领先水平。T1模型备受期待，或将提升推理能力，进一步巩固腾讯在全球大模型竞争中的地位，展现其在AI领域的持续突破。

**10、OpenAI推出昂贵o1-pro模型，生成价格飙升十倍**  
OpenAI发布o1-pro推理模型，投入更多算力提升响应质量，API定价高达输入150美元/百万token，生成600美元/百万token，是普通o1的十倍，仅限消费超5美元的开发者使用。虽在ChatGPT Pro中已上线，但用户反馈褒贬不一，测试显示其在编码和数学上可靠性更高，性能略优。OpenAI称其针对复杂问题优化，开发者是否接受高昂价格待观察。

**11、Adobe“Project Slide Wow”：AI一键将数据变吸睛PPT**  
Adobe在Summit 2024推出“Project Slide Wow”，一款生成式AI工具，能将客户数据自动转化为精美PowerPoint。集成Customer Journey Analytics，它生成图表、标题和备注，支持实时数据更新与交互式AI助手，灵活调整演示内容。采用独特算法而非LLM，确保数据准确性与透明度，提升效率并降低合规风险。目前为实验项目，未来或融入Microsoft 365，40%概率成正式产品，视用户反馈而定。

**12、Orpheus TTS开源：情感逼真、低延迟新一代语音模型**  
Orpheus TTS于3月19日开源，以低延迟（默认200ms，最优25-50ms）、高情感表达和实时输出流特性亮相。其自然流畅的语音贴近人类，支持丰富语调，优化KV缓存满足实时对话需求。适用于智能助手、教育、虚拟主播等场景，开源设计便于定制。Orpheus TTS提升TTS质量与交互性，或成开源领域标杆。项目地址已公开。

**13、Meta AI重返欧洲，文本对话功能率先上线**  
Meta AI时隔近一年重返欧洲，本周起在41个欧洲国家和21个海外地区的WhatsApp等四大平台推出，初期仅提供文本聊天功能，支持头脑风暴、行程规划等。因爱尔兰隐私监管要求，未使用欧盟用户数据训练，未开放图像生成等功能。Meta去年11月已将AI功能引入欧盟Ray-Bans眼镜，但仍限多模态。Meta表示将与监管合作，逐步扩展功能，与美国同步，谨慎应对欧洲监管环境。

**14、谷歌Chrome整合Gemini AI助手，提升操作便捷性**  
谷歌计划将Gemini AI助手整合进Chrome浏览器，图标置于窗口控制按钮旁，用户可通过点击或自定义快捷键调用，浮动或固定窗口提供帮助。支持系统托盘图标与语音搜索，但暂无侧边栏模式。类似Edge的Copilot，此举增强Chrome功能，提升浏览效率与智能化体验，标志AI技术在浏览器领域的又一进步。

**15、Reka开源Reka Flash 3，21B推理模型性能超群**  
Reka公司，由前谷歌DeepMind科学家创立，推出首个开源模型Reka Flash 3。这款21B参数的推理模型在同等规模中表现卓越，超越Command A、Gemma 3 27B等，具备强大推理能力。已在Hugging Face开放下载，提供在线体验，效果优异。Reka Flash 3标志着Reka在AI领域的突破，未来发展备受期待。

**16、LG开源EXAONE Deep，韩国首款推理AI模型亮相**  
LG AI Research开源EXAONE Deep推理AI模型，含32B、7.8B和2.4B版本，号称韩国首创。32B模型在数学（MATH-500 95.7分）、科学（GPQA 66.1分）和编程（LiveCodeBench 59.5分）等领域表现出色，登上Epoch AI“Notable AI Models”榜。7.8B和2.4B轻量模型分别保留95%和86%性能，端侧模型强调安全，适于智能手机等设备。LG计划与关联公司合作，推广端侧AI应用，项目已上线Hugging Face。

AI Daily 2025.03.20

博客记录，随心记，随性记，早日退休