## AI Repos
**1、[mahilo](https://github.com/wjayesh/mahilo)**  
一款多智能体人机协作框架：mahilo，可以构建相互之间共享上下文信息的多个AI智能体，并且支持人类监督。可以用来做客服系统、教育辅导、销售系统等等。它支持实时API和语音交互，可以自定义智能体，也支持集成其他框架的智能体。点对点通信，支持层级式通信，AI智能体可以根据场景自主决定与哪些其他智能体进行交流。支持人机协作，每个智能体都可以与人类用户实时交互，多个用户可以同时连接到同一个智能体，人可以随时干预智能体的决策。  
![mahilo.png](/static/img/cff333f2411fd62541e3a38a17346244.mahilo.webp)

**2、[CogView4](https://github.com/THUDM/CogView4)**  
智谱开源了其最新的图像生成模型：CogView4，首个支持中英双语提示词的开源文生图模型。尤其擅长理解和遵循中文提示词，能在画面中生成汉字，非常适合做广告、短视频创作等；具备较强的复杂语义对齐和指令跟随能力；支持任意长度的中英双语输入；能够生成在给定范围内的任意分辨率图像；具备较强的文字生成能力。  
![CogView4.png](/static/img/e5a1079a72f361962054785a380ad161.CogView4.webp)

**3、[Step-Audio](https://github.com/stepfun-ai/Step-Audio)**  
首个集语音理解与生成控制一体化的产品级开源实时语音对话系统：Step-Audio，支持多语言对话、情感语气、地区方言、可调节语速以及韵律风格；支持中文、英文、日语等多语言；支持粤语、四川话等方言；支持RAP和哼唱；可控制语音情感，比如开心或悲伤。  
Step-Audio系列包含三个模型：  
（1）Step-Audio-Tokenizer（分词器）  
（2）Step-Audio-Chat（130B对话模型）  
（3）Step-Audio-TTS-3B（3B语音合成模型）  
Step-Audio-Chat，130B多模态模型，单模型能实现理解生成一体化完成语音识别、语义理解、对话、语音克隆、语音生成等；Step-Audio-TTS-3B：基于130B生成高质量的合成音频数据训练，支持RAP和哼唱的指令加强版语音合成模型；通过ToolCall机制和角色扮演增强，可进一步提升其在 Agents和复杂任务中的表现。
![StepAudio.png](/static/img/ad325022629be357b74cb279e13c0f37.StepAudio.webp)

**4、[chat2geo](https://github.com/GeoRetina/chat2geo)**  
一款智能地图分析工具：chat2geo，可以用聊天的方式分析卫星图像和地理数据；提供自然语言描述需求，Chat2Geo就能理解并转换为专业的地理分析任务，调用Google地球引擎获取卫星数据进行处理分析；支持处理卫星图像、分析地理数据以及各种专业分析。比如，分析城市问题，查看城市热度分布，检测空气污染情况，观察城市发展变化；做土地分析，可以了解土地使用以及土地变化情况等；支持上传自己的矢量数据，将其与GEE的卫星图像数据结合起来进行分析。  
![chat2geo.png](/static/img/0dcfbbbda9c8260e2dd678055f1e4089.chat2geo.webp)

**5、[hacker-news](https://github.com/ccbikai/hacker-news)**  
一个基于AI的自动化播客项目：hacker-news，它可以每天自动抓取Hacker News热门文章，生成中文总结并转成播客。自动抓取Hacker News每日热门文章，智能总结文章内容和评论，用Edge TTS生成中文播报。支持网页和播客App收听，每日自动更新，可提供文章摘要和完整播报文本。  
![hackeNews.png](/static/img/076118330a3d67ee78fb9779c27415ac.hackeNews.webp)

**6、[stocks-insights-ai-agent](https://github.com/vinay-gatech/stocks-insights-ai-agent)**  
一款基于AI驱动的智能股票分析工具：stocks-insights-ai-agent，用它可以了解股票表现和相关新闻，它可以自动从网上收集股票价格、公司新闻等，AI分析并以图表、文字等形式展现出来。它可以查看股票表现，画出股票价格的历史走势； 查找特定信息，比如某只股票的某个具体信息； 收集某只股票的相关新闻。其定期异步抓取新闻和财务数据，分别存储在MongoDB 和PostgreSQL数据库里，新闻数据同步到 ChromaDB向量数据库，以便LLM进行语义搜索。用LangGraph构建了三个代理RAG，新闻数据RAG、股票数据RAG和股票数据图表RAG。  
![Stock_insights_ai_agent.png](/static/img/8f504ab8a3e49d196a81bad146ec31b4.Stock_insights_ai_agent.webp)

**7、[CHRONOS](https://github.com/Alibaba-NLP/CHRONOS)**  
阿里巴巴开源的一个新闻时间线摘要生成系统：CHRONOS，给它一个话题，它能生成一份按时间顺序整理好的重要事件摘要。具备迭代式自我提问机制，可以自己提问，自动找答案，按时间顺序整理重要信息。支持开放域新闻时间线生成，不限特定领域。处理速度快，可以处理大量新闻。  
![CHRONOS.png](/static/img/d1e7781bf97df7df22e6562bc89a2ab6.CHRONOS.webp)

**8、[OmniThink](https://github.com/zjunlp/OmniThink)**  
浙大和阿里通义实验室开源的一个深度AI写作系统：OmniThink，它模拟人类学习和思考过程，实现了更深入的AI写作，解决了现在AI内容浅显、重复、非原创的问题。OmniThink通过迭代扩展，不断扩充知识边界、持续反思、渐进学习的方式模拟人类学习过程。输出的内容知识密度高，内容冗余少，具备比较强的逻辑性的深度思考能力。支持多种底座模型，可自定义知识来源，可调整生成策略，不过生成质量依赖底座模型质量。  
![OmniThink.jpg](/static/img/c3cf07ba2664a8391121982be3c88b0e.OmniThink.webp)

**9、[WrenAI](https://github.com/Canner/WrenAI)**  
一款非常棒的AI数据交互工具：WrenAI，你可以用自然语言提问，它能理解你的意图并生成SQL查询，还能把数据转成图表、表格、报表和BI等，非常适合数据团队。它是一个端到端的解决方案，不只是SQL生成，它提供了从提问到数据可视化、报表生成一套完整流程。支持英语、德语、西班牙语、法语、日语、韩语、葡萄牙语、中文等多语言。支持语义理解，它能理解数据背后的语义和业务逻辑，生成的SQL查询更精准。提供无缝端到端的工作流，你可以输出CSV或JSON格式导入到Excel或Google表格中进一步使用。  
![WrenAI.png](/static/img/9f2ac97d1cc0b61ef0b60610b7d1d628.WrenAI.webp)

## AI News
**1、杭州投资智谱，加速 GLM 国产大模型技术开源进程**  
智谱近日宣布完成了一笔金额超过 10 亿元人民币的战略融资，投资方包括杭州城投产业基金和上城资本等。智谱表示，2025 年将是其开源年，届时将发布全新的大模型并将其开源。

**2、Wan2GP：为消费级 GPU 优化的视频生成模型**  
Wan2GP 是一个基于 Wan 2.1 的视频生成模型，旨在为普通消费级 GPU 用户提供强大的视频生成能力。Wan2GP 对原始的 Wan 2.1 模型进行了优化，使其能够在资源有限的设备上运行。它降低了内存和显存（VRAM）的需求，最低可在 8.19GB VRAM 的 GPU 上流畅运行。同样支持文生视频（T2V）、图生视频（I2V）、文生图（T2I），甚至还能给视频配音（V2A），你也可以通过 ComfyUI 调用。

**3、字节 Trae 国内首个 AI IDE正式上线**  
字节发布了Trae 国内版，是国内首个 AI IDE，这款 IDE 使用国产大模型提供智能问答、代码自动补全以及基于 Agent 的 AI 自动编程能力。Trae 支持的模型包括豆包1.5 Pro、满血版 DeepSeek R1 和 DeepSeek V3，目前免费。

**4、xAI 的 Grok-3 以 1 分优势超越 GPT4.5 登顶大模型竞技场**  
lmarena AI 昨天刚刚宣布 GPT4.5 荣登大模型竞技场榜首，结果今天早上 xAI 的 Grok-3-Preview-02-24 就以 1 分的微弱优势超越 GPT4.5-Preview。Grok-3 确实好用，未来大模型的竞争只会更加激烈。  
![LB43bxMSCob3OGxkJ6UceaTwnsh_image.webp](/static/img/8443b23873ad4f24d897585e2b461742.LB43bxMSCob3OGxkJ6UceaTwnsh_image.webp)

**5、MCP 多代理架构实现，快速代理框架浮出水面**  
MCP多智能体架构实现加速，快速代理框架浮出水面：工程师们正在探索用于多智能体系统的MCP架构，其灵感来自Anthropic研讨会，并构建设备间协作的代理框架。有成员分享了其fast-agent GitHub项目，该项目支持通过定义、提示和测试来创建基于MCP的代理与工作流，允许代理配置独立MCP服务器，并作为工具被其他代理调用。然而MCP Terraform注册表配置存在障碍，特别是在Claude桌面端和Cline环境中，当系统级代理启用时会遭遇mcp-server-fetch错误。

**6、飞猪推出 AI 行程助手：在线旅游行业首个融合多模型智能产品**  
阿里巴巴旗下飞猪3月5日推出在线旅游行业首个多模型融合AI产品——“AI行程助手”，集成DeepSeek-R1推理能力与通义千问自然语言技术，实现秒级生成个性化行程。该工具可处理复杂需求（如“5000元欧洲自驾游”），并计划4月前升级多语言支持及实时数据整合。X平台用户热议其颠覆性潜力，认为多模型协同优势将推动行业智能化转型，携程等竞争对手的AI布局面临新挑战。飞猪此举标志着AI技术在旅游服务场景的深度落地。

**7、可灵 AI 正式登陆 Android平台**  
KLING AI于今日正式推出Android版移动应用，实现iOS与Android双平台覆盖。该应用集成视频生成（Frames）、图像编辑（Elements）等核心AI创作工具，将桌面端专业级功能延伸至移动场景，支持用户随时随地完成视频、图像等内容创作。官方强调此举是“创意民主化”战略的关键一步，旨在降低创作门槛并提升工具便携性。全球用户现可通过应用商店下载，开发者同步优化了移动端交互流程，确保复杂AI功能在手机端的流畅运行，加速创作者从灵感捕捉到作品输出的全链路效率。

**8、MiniMax推全新图像生成模型 Image-01，使用成本仅为 1/10**  
AI公司MiniMax正式推出首款文本到图像生成模型Image-01，通过API服务提供电影级视觉创作能力。该模型基于视频生成技术积累，实现精准提示控制与逻辑一致性，可细腻呈现光影细节、复杂场景及真实人物皮肤纹理，支持16:9至21:9等七种专业纵横比。其批处理功能单次生成9幅图像，最高效率达每分钟90幅，且定价仅为同类产品的10%。MiniMax凭借Hailuo AI Video-01的技术沉淀，将高保真图像生成门槛大幅降低，赋能社交媒体与商业项目的高效创作。

**9、百川智能调整 To B 业务，金融团队裁撤聚焦 AI 医疗**  
AI独角兽百川智能于2025年3月裁撤金融行业B端业务团队，并将提示词工程团队并入产研体系，标志着其战略重心全面转向医疗AI领域。该公司与北京儿童医院联合开发的AI儿科医生已参与疑难病例会诊，成为全球首个正式投入医疗实践的AI医生，并获专家组认证。百川智能表示，此次调整旨在集中资源推进AI医疗技术突破，未来将加速优质医疗资源普惠化进程，通过深度整合算法与临床需求，构建覆盖诊断、会诊全流程的智能医疗系统。

## Others
**1、中国将推广开源 RISC-V 芯片，推动国内芯片产业发展**  
中国拟于本月出台首份国家级政策，联合网信办、工信部等八部门推动开源RISC-V芯片架构应用，以降低对x86/Arm的依赖。RISC-V凭借低成本、开源特性，已在阿里玄铁、芯来科技等企业实现商用，并支撑AI企业深度求索的模型高效运行。结合科大讯飞星火大模型的场景优化，中国以“自主芯片+AI生态”应对美国技术封锁，构建从硬件到算法的全链条技术体系，加速半导体与人工智能产业协同突破。

**2、朝鲜黑客15亿美元劫案震动币圈，冷钱包神话破灭倒逼行业升级**  
朝鲜Lazarus黑客组织攻破加密货币交易所Bybit的多重签名冷钱包，窃取价值15亿美元的以太坊及衍生代币，创史上最大金额加密劫案。此次攻击打破冷钱包“绝对安全”认知，黑客通过社会工程攻击侵入授权人员设备，伪造交易信息绕过审批。Bybit被迫动用储备金赔付，用户两日挤兑40亿美元。事件暴露国家级黑客威胁下行业防御短板，倒逼交易所强化安全投入、政府间协作及监管规则重构，美国FBI已介入追踪赃款流向。

**3、特朗普加密战略储备计划遭批：政策背书还是利益驱动的市场操纵？**  
特朗普宣布将比特币、以太坊等加密资产纳入美国数字战略储备，推动市场单日暴涨3000亿美元，但次日其关税政策又引发加密市场暴跌10%。此举被指利用政策为个人及家族利益服务（其家族持有加密银行股份并发行Meme币），且战略储备缺乏合理性——加密资产波动剧烈（比特币一年内价格腰斩）、流动性差，与美元储备地位相悖。分析认为，政府大举购入将变相推高币价，形成“国家队护盘”效应，可能扭曲市场并冲击美元全球信用，遭质疑为利益集团套现铺路。

AI Daily 2025.03.04

## AI Repos
1、[prompt-optimizer](https://github.com/linshenkx/prompt-optimizer) \
一款实用的AI提示词优化工具。 \
🎯 智能优化：一键优化提示词，支持多轮迭代改进，提升AI回复准确度 \
🔍 实时测试：直接测试优化后的提示词效果，对比优化前后差异 \
🔄 多模型集成：支持OpenAI、Gemini、DeepSeek等主流AI模型，满足不同需求 \
🔒 安全架构：纯客户端处理，数据直接与AI服务商交互，不经过中间服务器 \
💾 隐私保护：本地加密存储历史记录和API密钥，确保数据安全
![prompt.png](/static/img/b972149dded7a6f6a1bceda2d200efcb.prompt.webp)

2、[Level-Navi-Agent-Search](https://github.com/chuanruihu/Level-Navi-Agent-Search) \
一款面向中文网络搜索的AI agent框架：Level-Navi Agent，它能更好的理解及回答复杂的中文搜索问题，适用于各种开/闭源 LLM，核心能力是其分层搜索能力，能像人一样分层次搜索信息，先分析问题，把复杂问题拆分成小问题。
![Level-Navi-Agent.png](/static/img/a2d6d8b3cd1c5e5501056dbced70f913.Level-Navi-Agent.webp)

3、[ViDoRAG](https://github.com/Alibaba-NLP/ViDoRAG) \
阿里巴巴通义实验室开源的一个面向视觉文档的RAG系统：ViDoRAG，ViDoRAG在GPT-4o上准确率达到了 **79.4%**，比传统RAG**提高了10%以上**。它可以在一堆包含图片文档中找到，比如“这个产品的最高温度是多少？”或者“这篇文章主要讲了什么？”，ViDoRAG能看文字、看图片、看图表，核心是它基于高斯混合模型的多模态混合检索策略，及多智能体迭代推理机制，来提升模型在视觉丰富文档上的检索和推理能力。 \
**多智能体协作**： \
1、Seeker，负责快速浏览文档，找出可能相关的图片或页面 \
2、Inspector，仔细检查Seeker找到的内容，判断是否真的有用，提出进一步建议 \
3、Answer Agent，根据Inspector的结果给出准确的答案 
![ViDoRag.jpg](/static/img/c48793c11d718413edb4a0f9687a5a81.ViDoRag.webp)


4、[shandu](https://github.com/jolovicdev/shandu) \
**OpenAI DeepResearch**的开源替代 \
基于多个搜索引擎和LLM的研究系统，对任意主题进行全面迭代式研究；Shandu利用LLM、智能网络爬虫和迭代探索技术，从多个搜索引擎和知识库中获取信息，并进行整合分析；可以生成全面的结构良好且包含适当引用的报告；采用并行处理架构，支持并行执行多个查询；可以用来做学术研究、市场情报、内容创作、技术探索、政策分析以及竞争分析等多种场景。
![GlGj-VrbcAABdFr.jpg](/static/img/e50c95ca52f5ae54f717912bf77ea1a0.GlGj-VrbcAABdFr.webp)

5、[UniTok](https://github.com/FoundationVision/UniTok) \
字节跳动等团队开源了一个同时用于生成和理解任务的视觉分词器：UniTok，性能优于现有模型；可以与多种类型的模型兼容，自回归生成模型比如 LlamaGen、多模态理解模比如 LLaVA，以及统一的多模态模型比如Chameleon和 Liquid兼容；一个模型解决两个问题，用做同时进行图像生成和理解的场景，节省资源；在生成高质量图像和理解复杂的视觉内容上表现出色。
![UniTok2.jpg](/static/img/15815973cd7124d0b207d2a562bc3c61.UniTok2.webp)

6、[Search-R1](https://github.com/PeterGriffinJin/Search-R1) \
首个开源复现 DeepSeek-R1 的创新强化学习模型。Search-R1 通过强化学习（RL）训练模型，使 3B 参数的小模型能够在推理过程中自主调用工具（如搜索）。Search-R1 的灵感来源于DeepSeek-R1，是首个成功复现 DeepSeek-R1 方法并加以创新的开源项目。
![Search-R1.png](/static/img/f230dfa48d8c8e3a7da221c90b156eb2.Search-R1.webp)

7、[PhotoDoodle](https://github.com/showlab/PhotoDoodle)  \
**开源照片涂鸦框架，轻松添加艺术元素**：PhotoDoodle 是一个开源的图像编辑框架，主要用于实现“照片涂鸦”（Photo Doodling）。它允许用户通过简单的文字提示，在真实照片中添加艺术化的装饰元素，例如手绘风格的图案、魔幻效果或卡通角色，同时保持原图的真实感。可以在官方的 Space 上在线体验，实测效果还行的。
![PhotoDoodle.png](/static/img/542399e750bc91a61ff86ea303366fce.PhotoDoodle.webp)

8、[olmocr](https://github.com/allenai/olmocr) \
**开源OCR解决方案**：OlmOCR 是由 Allen Institute for AI 开发的一款开源 OCR 工具，专门用于从 PDF 或图片中提取文字，并保留标题、表格等结构信息，甚至能够识别手写内容。该模型不仅识别精度高，还能理解阅读顺序，并输出 Markdown 格式。批量处理 100 万页 PDF 的成本仅为 190 美元，佬们可以在官网上传几页进行测试下效果，或者选择自部署。总体确实非常不错，不过音标识别方面还是差点意思。
![OlmOCR.png](/static/img/3caa4e1d59489f0d0a21178b45181e6d.OlmOCR.webp)

## AI News
**1、DeepSeek 公布高效系统设计，理论利润率高达 545%** \
DeepSeek 在开源周第六弹发布了系统设计原则，通过优化吞吐量和降低延迟，将性能和成本发挥到了极致。他们晒出了 24 小时的实战成绩单：高峰时使用了 278 个节点（每节点配备 8 个 H800 GPU），平均使用 226.75 个节点。单个节点能够处理 73.7k 输入 token/秒和 14.8k 输出 token/秒，全天吞吐量分别达到了 6080 亿和 1680 亿 token。速度稳定在 20-22 token/秒，一天花费 8.7 万美元，却能赚取 56 万美元，利润率高达 545%。

**2、Conversational Speech Model：超真实 AI 语音模型** \
Sesame 团队弄了个叫 Conversational Speech Model (CSM) 的语音技术，其主要目的是解决现阶段语音助手那种“死板”的问题，让人觉得是在跟一个真人在说话，能听懂你情绪，还能跟你聊出点感觉来。他们还设计了两个演示角色：Maya（女声）和 Miles（男声）。根据用户反馈，这些角色确实表现出色。例如，当你停下来不说话时，Maya 会主动询问“你咋了？”或者用之前聊过的梗儿来 cue 你。与那些只会“嗯嗯啊啊”的助手相比，CSM 更像是一个有灵魂的朋友。不过，目前它仅支持英语。佬们可以在 Sesame 官网上体验看看。

**3、中国智谱AI再获1.38亿美元融资，国有资本押注长三角AI生态** \
中国AI企业智谱AI获杭州国有资本领投的1.38亿美元，资金将用于升级大语言模型及拓展长三角企业服务。面对DeepSeek等低成本开源模型竞争，其计划推出开源AI套件，加速技术布局，巩固行业地位。

**4、T-Mobile联合Perplexity推千元内AI手机，2026年上市挑战苹果谷歌** \
[来源: techcrunch](https://techcrunch.com/2025/03/03/t-mobile-and-perplexity-announce-new-ai-phone-priced-at-under-1k/) \
T-Mobile与AI公司Perplexity合作开发定价低于1000美元的AI手机，计划2026年发售。手机深度整合Perplexity的AI助手“Magenta AI”，支持主动服务（如订票、发邮件），并搭载Google Cloud AI等工具。此举是电信巨头通过AI技术争夺用户入口、对抗科技公司的关键布局，但智能手机市场寡头垄断格局下，能否突围仍存悬念。

**5、Stability AI联姻Arm芯片，音频生成模型提速30倍**  \
[来源: techcrunch](https://techcrunch.com/2025/03/03/stability-ai-optimized-its-audio-generation-model-to-run-on-arm-chips/)  \
Stability AI宣布与Arm合作优化其音频生成模型Stable Audio Open，使其可在Arm芯片移动设备离线运行。该模型通过技术蒸馏处理，生成速度提升30倍（11秒音频仅需8秒），且训练数据全为免版税内容，规避版权风险。其本周将在巴塞罗那MWC大会演示，未来或嵌入消费级应用。 \
此举是Stability AI新任CEO Prem Akkaraju推动“模型全场景化”战略的关键一步，旨在吸引专业创作者与企业用户。但该公司此前因前CEO管理不善陷入财务危机，近期通过引入新董事会成员（如导演詹姆斯·卡梅隆）试图重振业务，能否借Arm生态突破Suno等云端竞品的围剿仍待观察。

**6、Opera推出浏览器原生AI助手，本地化运行挑战OpenAI等云端方案** \
[来源: techcrunch](https://techcrunch.com/2025/03/03/opera-announces-a-new-agentic-feature-for-its-browser/) \
Opera发布内置浏览器的AI代理Browser Operator，支持用户通过自然语言指令完成跨网站任务（如购物比价、订票、行程规划），所有操作均在设备本地运行，用户可实时监控并随时接管，强调数据安全性。其技术路径与OpenAI云端方案Operator、Arc浏览器Dia形成差异化竞争。 \
当前，Perplexity等公司亦在开发AI浏览器，Opera借助Feature Drop机制快速迭代功能，但未透露代理能否跨平台执行复杂指令（如“查找明日伦敦至纽约最廉价机票”）。此举或重塑浏览器作为AI入口的行业格局。

**7、Flora推出AI“无限画布”工具，瞄准专业创作者对抗生成式疲劳** \
[来源: techcrunch](https://techcrunch.com/2025/03/02/flora-is-building-an-ai-powered-infinite-canvas-for-creative-professionals/) \
初创公司Flora发布面向创意工作者的AI协作平台，主打​“无限画布”界面，整合现有AI模型生成图文视频，强调精细化控制与协作流程​（如生成100个Logo变体）。其技术路径放弃自研模型，聚焦交互设计，与知名设计公司Pentagram合作迭代产品，以解决现有工具“生成随机性强”与“专业软件门槛高”的痛点。创始人Weber Wong（兼具风投与艺术科技背景）定位用户为“对AI好奇”的专业设计师，定价16美元/月起，试图以可控性说服抵制AI的艺术家。融资方包括A16Z Games、Menlo Ventures及Midjourney等公司天使投资人。

**8、通义灵码上线Qwen2.5-Max推理模型**  
阿里云通义灵码发布最新推理模型Qwen2.5-Max，以20万亿token预训练数据及强化后训练方案，在编程与数学能力上实现突破。其于Chatbot Arena三方盲测以1332分位列全球第七，超越DeepSeek V3、Claude-3.5等竞品，并斩获编程/数学单项第一、硬提示能力第二，成为中国非推理类大模型冠军。该模型在Arena-Hard、LiveCodeBench等技术基准测试中全面领先GPT-4o及Llama-3.1-405B，现已集成至通义灵码插件，开发者可直接调用强化版代码生成与逻辑推理功能，剑指专业开发者工具市场。

**9、超越DeepSeek-R1！阿里万相大模型登上全球开源榜首**  
阿里巴巴港股今日早盘拉升逾4%，最高触及133.1港元，市场反应与其AI领域突破密切相关。旗下万相大模型2.1版​（Wan2.1）开源仅6天即登顶Hugging Face模型热榜与模型空间榜，超越DeepSeek-R1，同时在魔搭社区与Hugging Face总下载量突破百万，GitHub星标数超6000。  
此次技术突破印证阿里AI开源战略成效：万相凭借高效训练架构与多模态能力，快速获得开发者社区认可，或加速其在企业级AI市场的渗透。阿里云持续加码大模型开源生态，推动技术商业化与股价联动效应显现。

**10、字节跳动发布国内首款AI原生IDE Trae，集成豆包1.5pro与满血版DeepSeek模型**  
2025年3月3日，字节跳动推出中国首个AI原生集成开发环境Trae国内版，核心搭载Doubao-1.5-pro并支持切换DeepSeek R1/V3满血版模型，主打动态人机协同编程。其创新功能包括：  
①​自然语言生成代码：通过Builder模式，用户以口语描述需求即可生成项目框架并持续调优，实现“思想到代码”直通；  
​②上下文深度感知：实时解析代码仓库及IDE环境，精准补全代码、修复Bug，支持一键应用AI生成代码至多模块；  
③全场景覆盖：覆盖代码补全、理解、调试及多模态开发流程，适配从新手到资深开发者的效率提升需求。  
Trae定位为开发者“全天候拍档”，通过人机共创代码优化开发效率，或挑战现有AI编程工具市场格局。

**11、百度文库×网盘上线AI“自由画布”，打通公私域内容重构创作流程**  
百度文库与网盘联合推出全模态AI创作工具自由画布，基于文心大模型实现公域（文库）+私域（网盘）数据融合，支持图片、PPT、PDF、音视频等混合编辑。核心功能包括：  
①​​“一拖一圈”极简操作：拖拽任意格式文件至画布，AI自动解析内容并生成结构化创作素材；  
②​AI全网搜：输入指令（如“青蒿素发现过程”）可聚合全网资源生成逻辑化内容框架；  
③​跨模态批注协同：框选文档重点段落后，AI可依据标注目的（复制、仿写风格等）生成新内容，支持多轮编辑；  
④​安全协作闭环：创作成果可通过链接分享并实时协作，一键存储至网盘保障数据安全。  
该工具瞄准企业文档处理、教育课件制作等场景，通过AI重构内容生产链路，或将激活百度生态内超10亿份文档与6亿用户网盘资产的商业价值。

**12、科大讯飞星火X1大模型多领域升级，数学医疗司法能力对标DeepSeek与OpenAI**  
科大讯飞完成深度推理大模型星火X1全面升级，重点突破数学、医疗、教育及司法场景：  
①​数学推理：以较少参数量实现竞赛级难题解析，网页端与APP支持用户直接输入数学题验证，性能对标DeepSeek R1及OpenAI同类模型；  
​②医疗应用：整合医学知识库与用户健康档案，升级疾病诊断精准度，解决AI医疗建议“实用性不足”痛点；  
​③教育司法：教师助手优化教学设计逻辑，AI法官助理强化法律推理与证据审查能力，提升司法裁判可靠性；  
​④硬件落地：联合华为发布星火一体机，搭载双引擎推理架构，实现推理性能优化，支撑金融、政务等行业场景部署。  
此次升级标志着科大讯飞以垂直领域深度推理能力破局通用大模型混战，构建“模型+硬件+行业know-how”生态壁垒。

AI Daily 2025.03.03

博客记录，随心记，随性记，早日退休