## AI Repos
**1、[LLM-RL-Visualized](https://github.com/changyeyu/LLM-RL-Visualized)**  
提供100余张原创架构图，全面涵盖了 LLM (大语言模型)、VLM (视觉语言模型) 等大模型技术。内容深度解析了训练算法（如 RL、RLHF、GRPO、DPO、SFT、CoT 蒸馏等）、效果优化策略（如 RAG、CoT）以及强化学习基础理论。所有图表均提供高清晰度 SVG 矢量格式，并附有详尽的文字解释。项目旨在为学习者和开发者提供清晰、直观的指引，帮助其深入理解大模型的核心算法与机制，并鼓励社区成员参与共建，持续完善内容。
![LLM-RL-Visualized.png](/static/img/39201aea70ffe06c81829a60ee398714.LLM-RL-Visualized.webp)



**2、[PosterCraft](https://github.com/MeiGen-AI/PosterCraft)**  
PosterCraft 是一个统一框架，专注于生成高质量美学海报，尤其擅长精确文本渲染、抽象艺术无缝集成、引人注目的布局和风格和谐。该框架通过四个关键优化阶段（文本渲染优化、高质量海报微调、美学文本强化学习和视觉语言反馈）在训练工作流中实现卓越性能。项目开源了核心模型权重和四个专门数据集，并提供了易于上手的安装和生成指南及 Gradio Web UI。PosterCraft 在量化评估中表现出色，旨在推动高质量海报生成技术的发展，并已成功集成至 ComfyUI。
![PosterCraft.png](/static/img/0eed651aa3638cf02322117f2236dd23.PosterCraft.webp)

**3、[acp](https://github.com/i-am-bee/acp)**  
Agent Communication Protocol (ACP) 是一个开放协议，旨在解决当前 AI 智能体开发中普遍存在的碎片化问题，实现不同框架、团队和基础设施之间智能体、应用和人类的无缝多模态通信与协作。ACP 支持发送和接收富文本、代码、文件和媒体等多种消息类型，提供实时、后台及流式响应，并支持智能体发现、长期任务协作和状态共享。该协议是 BeeAI 平台的核心技术，并通过 DeepLearning.AI 提供入门课程，同时提供 Python 和 TypeScript SDK，便于开发者快速构建和部署兼容 ACP 的智能体及客户端。

**4、[Context-Engineering](https://github.com/davidkimai/Context-Engineering)**  
Context Engineering 是一个开源项目和实践手册，旨在超越传统的“提示工程”，深入探索如何精妙地填充和优化大型语言模型 (LLM) 的整个上下文窗口。项目将上下文设计视为一门“艺术与科学”，借鉴生物学隐喻（从原子到器官再到神经系统），详细阐述了少样本学习、记忆系统、检索增强生成 (RAG)、控制流以及认知工具与提示编程等核心概念。它强调Token 预算优化、信息持久化与共振，并引入了神经网络场论和符号机制等前沿研究，提供丰富的代码示例、指南和可复用模板，旨在帮助开发者构建更健壮、高效和智能的 AI 系统。


## AI News
**1、南京大学研究突破：大语言模型内源性奖励机制的理论证明与应用**  
南京大学周志华教授团队近日发布重要研究，首次理论证明大语言模型中存在内源性奖励模型，并可通过强化学习有效提升模型表现。这一发现为奖励模型的构建提供了新思路，减少了对人类标注数据的依赖，有望降低开发成本并推动AI技术的更广泛应用。

**2、Step-Audio-AQAA开源：端到端语音大模型引领人机交互**  
Step-Audio团队开源了Step-Audio-AQAA，这是一款能够直接从原始音频输入生成自然流畅语音输出的端到端语音大模型。该模型由双码本音频标记器、骨干LLM和神经声码器三大核心模块组成，显著提升了人机音频交互的流畅性和自然度。这一技术的推出，不仅为研究者提供了强大的工具，也为未来智能语音应用的发展奠定了坚实的基础。

**3、Cloudflare推出'按爬虫付费'市场，重塑AI与出版者关系**  
Cloudflare近日宣布推出'按爬虫付费'市场，旨在帮助内容出版者更好地控制其内容，并为AI公司提供公平的内容抓取方式。这一创新模式允许网站拥有者设定抓取费率或完全阻止爬虫，为出版者提供了新的收入来源。此举响应了新闻出版行业面临的挑战，特别是在AI爬虫抓取频率激增的背景下。Cloudflare还宣布新建网站默认阻止AI爬虫，需单独授权，得到了多家大型出版商的支持。

**4、百度AIDAY重磅发布：自研视频生成模型MuseSteamer与平台“绘想”**  
在百度AIDAY科技开放日上，百度商业研发团队推出了自研视频生成模型MuseSteamer和视频产品平台“绘想”，标志着百度在AIGC领域特别是视频创作方面的重要进展。这两项创新成果旨在降低视频创作门槛，提升内容生产效率，展现了百度在AI技术赋能商业应用方面的持续投入与布局。

**5、智谱获10亿元战略投资，发布GLM-4.1V-Thinking模型及MaaS Agent聚合平台**  
浦东创投集团和张江集团联合向智谱进行10亿元战略投资，首笔交割已完成。智谱CEO张鹏在大会上宣布了两项新成果：开源发布新一代通用视觉语言模型GLM-4.1V-Thinking，以及上线MaaS Agent聚合平台'应用空间'。此外，智谱还启动了数亿元的Agent开拓者专项扶持计划，以促进Agent生态的发展。

**6、X平台革新社交网络：AI聊天机器人将生成社区笔记，提升信息透明度**  
社交平台X（原Twitter）宣布试点新功能，允许AI聊天机器人生成社区笔记，旨在提升信息的准确性与透明度。这一功能源自Twitter的社区笔记系统，经过优化后，AI生成的内容将接受与用户提交内容相同的审核程序。尽管AI在事实核查中存在争议，但X平台计划利用Grok技术和其他API接口，结合人类审核，以确保内容质量。此功能已引起Meta、TikTok和YouTube等平台的关注，并可能引领行业新趋势。

AI Daily 2025.07.02

## AI Repos
**1、[91Writing](https://github.com/ponysb/91Writing)**  
91写作是一款基于 Vue 3 和 Element Plus 构建的专业级 AI 小说创作平台，它集成了 GPT、Claude、Gemini、DeepSeek 等主流 AI 模型，为小说创作提供了一整套完整的工具链。平台支持智能续写、AI润色、大纲生成、章节管理、世界观构建及写作目标跟踪等核心功能。所有数据本地存储，强调用户对 API 配置的自主权。该工具旨在通过智能创作引擎和丰富的辅助功能，提升作者的创作效率和作品质量，并支持长篇小说、短篇创作、内容优化等多种使用场景。
![91Writing.png](/static/img/dfa2e0824ffd7e8d226535e2e529a720.91Writing.webp)


**2、[TradingAgents](https://github.com/TauricResearch/TradingAgents)**  
TradingAgents 是一个多智能体金融交易框架，旨在模拟真实交易公司的运作模式。它部署了由 LLM 驱动的专业智能体，包括基本面分析师、情绪分析师、新闻分析师、技术分析师、研究员、交易员以及风险管理团队。这些智能体通过协作和辩论，共同评估市场状况，制定最优交易策略，并将决策发送至模拟交易所执行。该框架主要用于研究，强调其非投资建议性质，并提供详细的安装和使用指南。
![TradingAgents.png](/static/img/b2485588f6768abd0ee1175c1327a8d6.TradingAgents.webp)

## AI News
**1、谷歌DeepMind推出Gemini2.5Pro模型：开启AI长上下文处理**  
谷歌DeepMind近日推出的Gemini2.5Pro模型，以其百万级的长上下文处理能力，在AI编程和信息检索等领域展现出前所未有的应用潜力。尽管运行成本高昂且质量有待提升，但其长上下文处理能力标志着大模型技术的新阶段。研究科学家Nikolay Savinov强调，上下文信息能显著提升模型的个性化和准确性。此外，RAG技术与长上下文的结合，将进一步优化模型表现。随着技术成本的降低，千万级上下文处理能力有望成为行业新标准，为AI应用带来革命性突破。

**2、Perplexity推出PerMAXity：AI驱动的自动化财务分析**  
Perplexity近日推出的PerMAXity功能，通过计划任务实现自动化财务分析，为用户提供投资组合的综合财务报告。这一创新功能整合实时市场数据、历史表现及行业趋势，大幅降低人工分析成本，提升市场洞察的精准度。适用于个人投资者、财务顾问等多场景，标志着AI在金融领域的深度应用，推动投资分析普惠化。

**3、微软MAI-DxO系统：医疗诊断准确率提升四倍，成本降低70%**  
微软近日发布了全新的AI系统MAI-DxO，该系统在复杂医疗病例的诊断准确率上是经验丰富医生的四倍，同时能够将医疗成本降低近70%。通过顺序诊断基准（SDBench）测试，MAI-DxO展现了在准确性和成本效益方面的显著优势。尽管存在针对复杂病例的限制与挑战，这一技术的推出标志着AI在医疗领域的重大进步。

**4、淘天集团推出百亿参数推荐大模型RecGPT，引领电商AI新潮流**  
淘天集团在‘硬核少年技术节4.0’上宣布，其自主研发的百亿参数推荐大模型RecGPT正式上线，将全面升级手机淘宝首页的‘猜你喜欢’信息流。通过AIGR技术，RecGPT为用户提供更加精准、个性化的推荐体验，测试数据显示用户点击量实现两位数增长，加购次数和停留时长均提升超过5%。RecGPT基于淘宝星辰LLM大模型，深度强化学习用户历史行为，整合多模态信息，实现高度个性化推荐。此次升级标志着淘宝AIGR技术的重要落地，进一步巩固淘天集团在电商AI领域的领先地位。

**5、Chai-2模型引领AI药物研发革命：零样本抗体设计成功率提升百倍**  
Chai Discovery推出的Chai-2模型在药物研发领域实现重大突破，通过零样本抗体设计技术，成功率高达16%-20%，远超传统方法的0.1%。该技术将药物研发周期从数月甚至数年缩短至仅两周，显著提高了效率和成本效益。Chai-2不仅限于抗体设计，还支持多种分子形式的设计，展现了AI在药物研发中的广泛应用潜力。

**6、ManimML：开启机器学习可视化新纪元，让复杂AI概念一目了然**  
ManimML作为一个基于Python的开源动画库，专注于机器学习概念的动画与可视化，通过直观的动画展示复杂的神经网络架构，如Transformer和CNN，大大降低了技术传播的门槛。其简单易用的设计和广泛的应用场景，使其在学术界和开发者社区中迅速走红，荣获IEEE VIS2023最佳海报奖，展现了其在AI教育和科普领域的巨大潜力。

**7、字节跳动发布XVerse：革命性图像合成技术开启多主体精准控制**  
字节跳动最新发布的XVerse图像合成技术，通过独特的DiT调制方法，实现了对多个个体的独立且精确控制，大幅提升了个性化和复杂场景生成的能力。该技术支持用户通过简单文字描述生成高保真图像，提供了友好的用户界面和丰富的输入设置选项，预计将对数字内容创作、广告及艺术等领域产生深远影响。

**8、Cursor推出Web与移动版，开启AI编程工具移动化新纪元**  
Cursor近日推出Web版与移动版支持，标志着AI辅助编程工具正式进入移动时代。这一更新允许开发者通过手机浏览器或PWA随时随地编程，支持多任务并行、项目与模型选择、任务管理、GitHub集成等核心功能。尽管手机版功能有所精简，但其移动化战略不仅提升了用户体验，还可能引发行业内的移动化竞争，展示了Web技术在跨平台开发中的潜力。

**9、谷歌推出Gemini for Education计划，免费AI工具助力教育革新**  
谷歌在国际教育技术协会年会上宣布推出Gemini for Education计划，旨在为教师和学生提供免费的人工智能工具，包括Gemini2.5Pro模型和超过30项新功能，如即时生成词汇表和Video Overviews等，以提升教学效率和学习体验。部分AI功能将作为付费服务推出，如Google Vids中的Veo3音效制作和Gemini in Forms。此外，NotebookLM将通过学校账户向所有年级开放，配合严格的内容政策和AI素养指导。

**10、Qwen-TTS语音合成模型更新，新增三种中文方言支持，提升自然度与表现力**  
Qwen-TTS语音合成模型通过最新更新，新增了对北京话、上海话和四川话三种中文方言的支持，依托超过300万小时的大规模语料库训练，合成效果达到人类级别。模型支持七种中英双语音色，能根据输入文本自动调整韵律、节奏和情绪变化，生成自然流畅的语音。开发团队表示将继续优化模型性能，并计划推出更多语言和语音风格。

AI Daily 2025.07.01

## AI Repos
**1、[spring-ai-alibaba](https://github.com/alibaba/spring-ai-alibaba)**  
Spring AI Alibaba 是一个基于图（Graph）的多智能体AI框架，专为构建聊天机器人、工作流和多智能体应用而设计。它提供企业级AI生态集成，包括与阿里云百炼平台、ARMS 和 Langfuse 等的深度融合，并支持 Plan-Act 智能体产品如 JManus 和 DeepResearch。该框架支持流式并发生成高质量内容，简化了复杂AI应用的开发与生产部署。
![spring-ai-alibaba.png](/static/img/2fdb9e77695fc2e691f1dc20520469dc.spring-ai-alibaba.webp)



**2、[superdesign](https://github.com/superdesigndev/superdesign)**  
SuperDesign 是首个开源的 AI 设计代理，它直接集成在你的 IDE（如 VS Code、Cursor 等） 中。用户可以通过自然语言提示，快速生成 UI 界面模型、组件和线框图，并能方便地进行迭代和复制。它支持产品级模型、可复用组件和低保真线框图的生成，所有设计都本地存储。SuperDesign 免费开源，支持自定义和现有 UI 更新，旨在提升设计效率。

**3、[anycrawl](https://github.com/any4ai/anycrawl)**  
AnyCrawl 是一款专为 LLM（大型语言模型）优化的高性能网络爬虫和数据抓取应用。它支持 SERP 爬取（多搜索引擎和批量处理）、网页内容提取和全站爬取，并采用多线程/多进程架构以实现高效率。AnyCrawl 提供 Docker 部署，支持多种爬取引擎（如 Cheerio、Playwright、Puppeteer）和代理设置，旨在为AI生态系统提供坚实的数据基础，加速AI技术发展。

## AI News
**1、知乎直答知识库重磅升级：AI搜索与社区融合开启新篇章**  
知乎近日发布了其AI搜索工具“知乎直答”的最新版本，重点升级了知识库功能，支持用户订阅和分享内容，并与知乎社区深度融合，提供沉浸式、多场景的AI问答体验。新功能包括沉浸式阅读、边看边问等，旨在提升用户获取信息的效率和个性化体验。知乎创始人周源表示，此次升级是知乎在AI时代构建护城河的重要一步，依托社区专家网络和专业内容生态，推动AI创新。

**2、北京人工智能研究院推出OmniGen2：开源图文生成系统的新里程碑**  
北京人工智能研究院近日发布了开源系统OmniGen2，该系统专注于文本到图像的生成、图像编辑和上下文图像创作。OmniGen2采用了两条独立的解码路径，有效提升了多模态语言模型的表现。基于Qwen2.5-VL-3B变换器的大型多模态语言模型，OmniGen2在图像生成方面采用了自定义的扩散变换器，参数量达40亿。系统具备自我反思和改进功能，在多个基准测试中表现优异，特别是在图像编辑方面创下了新的开放源代码模型纪录。

**3、谷歌Gemini推出“Scheduled Actions”功能**  
谷歌Gemini近日推出的“Scheduled Actions”功能，允许用户通过自然语言提示词设定未来或定期任务，标志着AI助理向更智能、更主动的角色迈进。该功能深度整合谷歌生态系统，支持单次或定期任务，极大提升任务管理灵活性。尽管存在隐私和可靠性考量，但其推出被视为AI助理从被动工具向主动代理转型的重要一步。

**4、豆包APP推出「深入研究」功能，助力用户高效处理复杂任务**  
豆包APP、网页版及电脑版平台近日上线了「深入研究」功能，旨在帮助用户高效处理复杂任务，通过整合海量深度信息生成详尽的研究报告或可视化网页结果。该功能支持多种场景应用，如规划旅行、购买决策、政策解读等，并可将报告内容一键转换为播客形式，提升用户体验。

**5、百度文心大模型4.5系列全面开源，引领AI技术新浪潮**  
百度正式发布了文心大模型4.5系列模型，并完全开源，提供10款不同版本的模型，涵盖多种参数配置。该系列模型在多项文本和多模态基准测试中表现优异，特别是在指令遵循、世界知识记忆、视觉理解和多模态推理等任务上取得了SOTA水平的成绩。百度还提供了开源的产业级开发套件和一站式使用指南，降低了后训练和部署的门槛，使开发者和研究人员能更方便地接触到最新的AI技术。

**6、谷歌Gemini2.5Pro API免费回归**  
谷歌宣布其旗舰AI模型Gemini2.5Pro的API重新纳入Google AI Studio的免费层级，为开发者提供了更低门槛的创新机会。Gemini2.5Pro以其卓越的多模态能力和强大的推理性能而闻名，支持高达100万token的上下文窗口，能够处理多种输入类型。谷歌此举是对开发者需求的积极回应，同时也展现了其在AI技术普及化方面的努力。开发者社区对此反应积极，认为这为高性能测试和原型开发提供了宝贵机会。

**7、阿里巴巴发布Ovis-U1多模态大模型**  
阿里巴巴国际AI团队于2025年6月29日正式发布了全新多模态大模型Ovis-U1，该模型集多模态理解、图像生成和图像编辑功能于一体，展现了强大的跨模态处理能力。Ovis-U1采用创新的架构设计，通过视觉分词器、视觉嵌入表和大型语言模型三大核心组件，高效对齐视觉与文本嵌入，显著提升了模型在复杂场景下的表现。此外，Ovis-U1延续了Ovis系列的开源传统，代码、模型权重和训练数据均已公开，为全球开发者提供了探索多模态AI的便捷工具。

**8、腾讯开源Hunyuan-A13B大语言模型：小身材大能量，开启资源受限环境新可能**  
腾讯最新开源的Hunyuan-A13B大语言模型，采用创新的细粒度MoE架构，虽仅有130亿活跃参数但总参数量高达800亿，实现了在资源受限环境下的高效性能。该模型支持快慢思维混合推理模式和原生256K超长上下文理解，特别在智能体任务上表现卓越。通过Grouped Query Attention技术和多种量化格式支持，Hunyuan-A13B在数学、科学、编码等领域展现出强大竞争力。腾讯为开发者提供了全面的支持和部署方案，大大简化了使用流程。

**9、中国首个海洋领域开源大模型OceanGPT（沧渊）在杭州发布，开启海洋科技新篇章**  
6月26日，中国首个专注于海洋领域的开源大模型OceanGPT（沧渊）在浙江杭州正式发布，由浙江大学的海洋精准感知技术全国重点实验室主导研发。OceanGPT具备海洋专业知识问答能力，能解读声呐图像和海洋观测图等多模态数据，其独特的“慢思考”推理机制有效降低了错误率。此外，OceanGPT还能生成水下机器人操控代码，简化操作流程，集成MCP大模型协议实现多机器人协同合作，已在浙江大学的海鹰系列水下机器人平台上完成技术验证。

**10、华为开源盘古大模型及升腾推理技术，加速AI行业创新**  
华为于6月30日正式宣布开源盘古70亿参数的稠密模型和盘古Pro MoE720亿参数的混合专家模型，以及基于升腾的模型推理技术。这一举措旨在推动大模型技术的研究与创新发展，加速人工智能在各行业的应用。目前，相关模型权重和推理代码已上线开源平台，华为邀请全球开发者共同完善技术。

AI Daily 2025.06.30

## AI Repos
**1、[Dual-AI-Chat](https://github.com/yeahhe365/Dual-AI-Chat)**  
Dual AI Chat 是一个创新的 AI 聊天应用，通过引入逻辑型 AI (Cognito) 和怀疑型 AI (Muse) 之间的内部辩论机制，旨在提供更严谨、准确的答案，减少 AI 幻觉。它支持 Google Gemini 和 OpenAI 兼容的 API 后端（包括本地模型），提供多模态输入、可配置的讨论模式和带撤销/重做的共享记事本。该项目易于部署和定制，为用户提供了一种独特的、经过“压力测试”的 AI 交互体验。
![Dual-AI-Chat.png](/static/img/5e49fabe9dbce3d27314e1225f901c42.Dual-AI-Chat.webp)


**2、[MultiAgentPPT](https://github.com/johnson7788/MultiAgentPPT)**  
MultiAgentPPT 是一个基于 A2A、MCP 和 ADK 架构的多智能体系统，能流式并发地生成高质量 PPT 内容。它通过大纲生成、主题拆分、并行研究和内容汇总等多个智能体的协作，实现从用户主题到完整演示文稿的自动化。该系统支持实时流式返回，提高了效率和用户体验，并且设计灵活，易于扩展。项目提供详细的后端 Python 环境和前端 Next.js 部署指南，支持本地运行和数据库配置。
![MultiAgentPPT.png](/static/img/9bf4790a3232b3f429b29a4e9259dd52.MultiAgentPPT.webp)

**3、[open-data-scientist](https://github.com/togethercomputer/open-data-scientist)**  
Together Open Data Scientist 是一款由 AI 驱动的数据分析工具，它基于 ReAct (Reasoning + Acting) 框架，能够执行复杂的数据科学任务。该助手支持通过 Docker 在本地或使用 Together Code Interpreter (TCI) 在云端执行 Python 代码，并可生成详细的数据分析报告。作为实验性工具，它强调人类监督的重要性，适用于探索、学习和初步分析。用户可以通过 PyPI 快速安装，并灵活选择不同的执行模式和配置参数。
## AI News
**1、中国首个海洋开源大模型OceanGPT（沧渊）在杭州发布，开启海洋科技新篇章**  
浙江大学海洋精准感知技术全国重点实验室在杭州发布了中国首个海洋领域的开源大模型OceanGPT（沧渊），标志着中国在海洋科技领域的重要进展。OceanGPT具备海洋专业知识问答和多模态数据解读能力，采用“慢思考”推理机制减少错误信息生成。该模型支持海洋机器人操控和水下具身智能，通过自然语言指令生成控制代码，显著提升工作效率。未来，OceanGPT将推动多机器人协同合作，提升海洋装备的自主作业能力。

**2、Suno收购WavTool：AI音乐编辑领域的新篇章**  
AI音乐公司Suno宣布收购基于浏览器的AI数字音频工作站WavTool，旨在增强其在歌曲创作和制作方面的编辑能力。此次收购发生在Suno面临多起版权诉讼的背景下，同时公司近期获得了1.25亿美元的融资，显示出其持续发展的决心。

**3、腾讯开源混元-A13B模型：800亿参数MoE架构，低成本高效能AI解决方案**  
腾讯正式发布并开源混元大模型家族的新成员——混元-A13B模型，采用基于专家混合（MoE）架构，总参数规模达800亿，激活参数为130亿，显著降低推理延迟与计算开销。该模型支持在极端条件下仅需1张中低端GPU卡即可部署，为个人开发者和中小企业提供了更具性价比的AI解决方案。在数学、科学和逻辑推理任务中表现领先，支持调用工具生成复杂指令响应，为智能体应用开发提供支持。腾讯还开源了两个新数据集，进一步推动AI开源生态发展。

**4、可灵AI推出革命性“视频音效”功能**  
可灵AI近日宣布其全系列视频模型已正式上线“视频音效”功能，用户现在可以在生成视频的同时同步生成立体声音效，实现“所见即所听”。此外，平台升级了“音效生成”功能，新增“视频生音效”模块，基于自研的多模态视频生音效模型Kling-Foley，实现音画的帧级对齐。目前，这项创新功能已向所有用户限时免费开放。

**5、OpenAI推出Deep Research API模型：o3与o4-mini引领自动化研究新纪元**  
OpenAI于2025年6月26日宣布推出两款全新的Deep Research API模型：o3-deep-research-2025-06-26和o4-mini-deep-research-2025-06-26，标志着其在自动化研究与复杂任务处理领域的重大突破。这两款模型专为高阶分析和深度信息合成设计，支持开发者通过API实现自动化的网页搜索、数据分析、代码执行等功能。o3模型以其强大的推论能力适合复杂任务，而o4-mini则注重高效和成本效益。OpenAI的这一举措旨在巩固其在企业级市场的领先地位，同时面临来自谷歌、DeepSeek等竞争对手的挑战。

**6、ElevenLabs发布Voice Design v3：AI语音技术的个性化与情感表达新突破**  
ElevenLabs正式推出Voice Design v3，一款革命性的语音设计工具，支持通过文本提示生成高度拟人化的语音，涵盖70多种语言和数百种口音。该工具在个性化和情感表达方面实现重大突破，为内容创作者和开发者提供了前所未有的灵活性和创造力。

**7、小米AI眼镜震撼发布：轻量化设计与强大AI功能的完美结合**  
小米在6月26日的发布会上推出了首款人工智能穿戴产品——小米AI眼镜，以其轻量化设计、强大的AI功能和多场景应用迅速成为市场焦点。产品特点包括第一人称拍摄、语音助手、开放式耳机功能及电致变色技术，定价亲民，目前仅在中国市场销售。小米AI眼镜的发布标志着小米正式进军AI穿戴领域，展现了智能穿戴设备的未来潜力。

**8、HeyGen推出革命性AI视频Agent**  
HeyGen近日发布了一款革命性的AI视频Agent，该工具能够通过简单的素材上传，自动完成从故事规划、脚本编写到镜头选择的整个视频制作流程，大幅降低视频创作门槛，为广告、短视频、产品演示等场景提供高效解决方案。

**9、Black Forest Labs开源FLUX.1Kontext [dev]：120亿参数AI模型重塑图像编辑未来**  
Black Forest Labs近日宣布开源其最新图像编辑模型FLUX.1Kontext [dev]，该模型拥有120亿参数，专为图像编辑设计，支持高性能与易用性，能在消费级硬件上运行。FLUX.1Kontext [dev]在多场景精准编辑、角色一致性保持方面表现卓越，与主流工具无缝整合，操作便捷。采用FLUX.1非商业许可，支持研究和非商业用途，为开源社区和独立开发者提供了广阔的创新空间。

AI Daily 2025.06.27

## AI Repos
**1、[Twocast](https://github.com/panyanyany/Twocast)**  
Twocast 是一款 AI 驱动的播客生成工具，专注于创建 3-5 分钟的双人播客。它支持通过主题、链接或文档（doc/pdf/txt）等多种方式生成内容，并提供多语言支持。Twocast 生成的播客包含音频、大纲和脚本，且支持 Fish Audio、Minimax 和 Google Gemini 等主流 TTS 平台。用户可选择本地或 Docker 一键部署，并需配置相应的TTS及LLM API密钥。
![Twocast.png](/static/img/3d90d16cc2d2b45c5bdc1ff0373b22df.Twocast.webp)



**2、[sodalite](https://github.com/oterin/sodalite)**  
Sodalite 是一款开源、免费的网页媒体下载工具，界面简洁美观，支持实时统计功能。用户只需粘贴来自 TikTok、YouTube、Instagram Reels 等平台的链接，即可选择所需的视频或音频质量和格式进行下载。它提供多种高级下载选项，并拥有出色的移动设备兼容性。Sodalite 基于现代技术栈构建，强调用户隐私（无账户、无广告、无跟踪），同时明确声明其仅供教育和演示目的，用户需自行承担使用风险。

**3、[Stream-Omni](https://github.com/ictnlp/Stream-Omni)**  
Stream-Omni 是一个类似于 GPT-4o 的语言-视觉-语音聊天机器人，能够同时支持文本、视觉和语音输入，并生成文本和语音回应。其核心特点在于实现了无缝的“边看边听”体验，能在语音交互过程中实时输出中间文本结果（如 ASR 转录和模型响应），并且仅需少量多模态数据即可进行高效训练。项目提供了详细的本地部署指南、API 使用说明以及多种模态组合的交互模式，方便用户快速上手和进行评估。
## AI News
**1、迅雷MCP服务革新下载体验：一句话让AI自动完成下载任务**  
迅雷正式推出下载MCP服务，用户通过一句话指令即可让AI自动完成下载任务，支持PC版迅雷和NAS迅雷，且目前免费。该服务已接入国内外多个主流大模型应用，如纳米AI、扣子空间等，用户只需在支持的应用中表达需求，AI便会自动搜寻资源并启动下载。迅雷MCP服务的推出，标志着下载领域向智能化、高效化迈进。

**2、出门问问发布革命性AI硬件TicNote，开启智能辅助新纪元**  
出门问问创始人李志飞在北京发布会上推出了全新的AI硬件产品TicNote，这款厚度仅3mm的设备搭载了基于DeepSeek-R1等大语言模型的Shadow AI技术，支持AI转写、总结、思维导图生成等功能，录音时间超20小时，覆盖120多种语言。李志飞强调，TicNote不仅是硬件，更是AI软件的载体，旨在服务于金融、写作等职业用户。他还透露，未来将推出更多搭载Shadow AI的产品，如TicNote Watch和TicNote Pods，避开与大厂的直接竞争，寻找独特的市场切入点。

**3、新东方重磅推出首款AI教育产品，开启1对1智能学习新时代**  
新东方正式发布其首款面向消费者的原创AI教育产品——新东方AI1对1，标志着其在‘教育+AI’战略布局中迈出关键一步。该产品通过高频互动的1对1学习体验，结合国家地理等知名机构的教材，旨在助力学生将英语从‘学进去’到‘用出来’。产品将于7月2日上线，用户可通过‘新东方一点一看’APP访问。

**4、Vibemotion推出革命性AI动态图形平台，重塑视频创作未来**  
创新型AI公司Vibemotion近日推出了一款革命性的AI动态图形平台，该平台通过简单的提示和素材输入，让用户轻松创建高质量的动态视频，极大地降低了创作门槛。目前采用等候名单制访问，吸引了全球内容创作者的广泛关注。平台利用先进的生成式AI技术，适用于广告宣传、社交媒体内容等多种场景，展现了极高的灵活性和广泛的应用前景。

**5、谷歌Imagen4引领文生图技术新纪元，AIGC领域迎来重大突破**  
谷歌正式推出最新文生图模型Imagen4，通过Gemini API提供付费预览和免费试用。Imagen4在文本生成质量上取得显著提升，支持2K分辨率图像生成，并引入快速模式提升生成速度。Imagen4Ultra专为高精度需求设计，适用于广告和出版等场景。所有生成图像将嵌入SynthID数字水印，以确保内容可追溯。开发者可通过Google AI Studio或Gemini API集成Imagen4，快速构建创新应用。

**6、OpenAI重磅更新：Codex CLI全面转向Rust，开启AI终端交互新纪元**  
OpenAI宣布将Codex CLI工具从TypeScript重构为Rust语言，旨在提升开发者的终端交互体验。Rust语言的优势包括更好的安装体验、安全性和运行时性能，同时降低内存消耗。重构后的Codex CLI将支持多语言插件，成为一个可扩展的智能代理工具，为开发者提供更灵活、稳定的支持。

**7、字节跳动豆包AI编程升级，开启零代码应用创作新时代**  
字节跳动旗下AI智能助手豆包近日迎来重大功能升级，推出‘应用创作1.0’，通过可视化编辑、实时预览及多版本管理等全新功能，大幅降低网页和应用开发门槛，让零编程基础的用户也能轻松打造个性化数字产品。这一更新不仅提升了创作效率，也为AI技术在创作领域的应用树立了新标杆。

**8、Anthropic推出Artifacts功能：无需编程知识，轻松创建个性化应用**  
Anthropic近日推出的Artifacts功能，允许用户通过简单对话创建个性化应用程序，无需编程知识。这一功能不仅改进了展示方式，还促进了用户间的共享与合作，旨在吸引不同背景的开发者。Anthropic展示了用户创建的多种智能应用示例，并推出了针对团队的使用计划，以增强协作能力。

**9、GoT-R1：强化学习驱动的多模态大模型在图像生成领域实现重大突破**  
香港大学、香港中文大学及商汤科技的研究团队近日发布了GoT-R1，这是一个通过引入强化学习显著提升AI语义和空间推理能力的新框架。GoT-R1在视觉生成任务中表现出色，特别是在处理复杂文本提示时，能够生成高保真、语义一致的图像。这一进展不仅解决了现有模型在精准空间关系和复杂组合指令处理上的挑战，还通过强化学习机制和可视化推理过程，进一步优化了图像生成的效果。在T2I-CompBench基准测试中，GoT-R1展现了超越其他主流模型的能力，标志着图像生成技术的又一次飞跃。

**10、豆包Seed1.6-Thinking模型高考成绩亮眼，国产AI大模型展现国际先进水平**  
字节跳动Seed团队公布的2025高考全科测试结果显示，豆包Seed1.6-Thinking模型在文科和理科分别取得683分和648分的优异成绩，达到清华北大录取分数线。在与谷歌Gemini2.5Pro等顶级AI模型的竞争中，豆包在多个学科中表现突出，特别是在图文结合的理科题目处理上展现出近30分的提升幅度，验证了多模态AI在复杂认知任务中的巨大潜力。

**11、快手科技可灵AI与星芒短剧联手推出全球首部AIGC单元剧《新世界加载中》**  
快手科技旗下的可灵AI与星芒短剧合作推出了全球首部AIGC单元剧《新世界加载中》，展现了AI在创作多元题材内容方面的潜力与挑战。尽管在角色表现一致性和情感表达上存在不足，但该剧的创新性和技术应用仍受到业内关注。可灵AI在商业化上进展迅速，年常规收入已超1亿美元，同时团队正致力于技术优化以提升用户体验。

**12、谷歌开源AI代理工具Gemini CLI：开发者终端的新革命**  
谷歌正式推出基于Gemini2.5Pro模型的开源AI代理工具Gemini CLI，以其轻量、高效和免费特性迅速成为开发者社区的焦点。支持高达100万token的上下文窗口，提供每分钟60次、每天1000次的免费请求额度，采用Apache2.0开源协议，仅需Google账户即可免费使用。集成谷歌搜索实时联网能力，支持插件扩展和自定义提示词，非交互模式便于脚本自动化，与VS Code的Gemini Code Assist协同提升代码编写与调试效率。整合MCP协议、Veo和Imagen，支持多模态内容创作。相较于Claude Code，Gemini CLI在免费高额度和开源特性上更具吸引力。

AI Daily 2025.06.26

博客记录，随心记，随性记，早日退休