Kimi-Audio 开源音频大模型解析：LibriSpeech 词错误率 1.28%，三段式架构统一语音任务
一句话结论：MoonshotAI 开源的音频基础模型 Kimi-Audio，用「音频分词器 + 音频大模型 + 音频去分词器」的三段式集成架构，把语音识别、音频理解、音频转文本和语音对话四类任务收进同一个模型，在 LibriSpeech 测…
最新文章 第 110 页 共 170 页
CogView4 开源文生图模型解析：首个支持汉字生成，DPG-Bench 综合评分开源第一
一句话结论：2025 年 3 月 4 日，智谱发布 CogView4，这是全球首个支持生成汉字的开源文生图模型，在 DPG-Bench 基准测试中综合评分排名第一，达到当时开源文生图模型的最先进水平（SOTA），并遵循 Apache 2.0…
Amazon Nova Act 浏览器智能体解析：ScreenSpot WebText 登顶，SDK 开放可自建网页自动化
一句话结论：Amazon 于 2025 年 3 月 31 日发布的 Nova Act，是当时少数真正「能动手」的通用智能体——它不满足于回答你的问题，而是直接在真实浏览器里替你点按钮、填表单、选日期、提交订单，并同步开放 SDK，让开发者把…
ChatGPT Agent正式发布：虚拟浏览器自主完成表格/幻灯片/调研，Pro/Plus/Team用户如何开启
一句话结论：OpenAI 在 2025 年 7 月 18 日正式发布 ChatGPT Agent，让 AI 从「会说」走向「会做」——它通过虚拟浏览器自主点击、筛选、抓取数据，完成财务研究、在线表格填写、幻灯片制作等任务，执行敏感操作前需用…
GPT-OSS开源权重模型发布：120B/20B双版本Apache 2.0可商用，128K上下文与本地部署全解析
一句话结论：OpenAI 在 2025 年 8 月 5 日推出开放权重模型系列 GPT-OSS，包含 GPT-OSS-120B 与 GPT-OSS-20B 两款，均采用 MoE 架构与 Apache 2.0 协议，原生支持最长 128K t…
美团小美AI助手App上线：搭载LongCat-Flash-Chat，一句话点外卖订座排队，本地生活Agent怎么用
一句话结论：美团在 2025 年 9 月 12 日发布首款独立 AI 助手 App「小美」，定位本地生活 Agent，搭载自研 LongCat-Flash-Chat 大模型，主打「帮你想、代你办」——一句话点外卖、比价推荐、代为订座排队，并…
美团CatPaw AI编程IDE发布：内置LongCat多模型混合调用，Tab/Agent/Browser/Codebase四大能力全解析
一句话结论：美团在 2025 年 11 月 10 日发布的 AI 编程 IDE「CatPaw」，以「Agent + 人协作」为核心理念，集成自研 LongCat 大模型并支持多模型混合调用，用 Tab、Agent、Browser、Codeb…
蚂蚁灵光全模态AI助手怎么用：30秒一句话生成小应用，对话/闪应用/开眼三大模式与iOS安卓下载全解析
一句话结论：蚂蚁集团在 2025 年 11 月 18 日发布的全模态 AI 助手「灵光」，把「说一句话生成一个能用的小应用」压缩到最快 30 秒，并用对话、闪应用、开眼三大模式覆盖文字、图像、语音、视频、3D 模型、动画六类模态。它瞄准的不…
阿里达摩院语构上线：自然语言构建、协作与发布智能应用，AI 原生开发平台怎么用
结论先行：语构是阿里达摩院相关团队推出的 AI 原生应用开发平台，走的是”对话构建—协作迭代—发布上线”的路子。用户用自然语言描述需求，由 AI 辅助完成页面、功能和代码生成，生成后还能继续通过对话调整布局、修改逻辑…
Tabbit AI 浏览器公测：美团光年之外用 Agent、妙招、脚本三大模块把浏览器变成执行平台
结论先行：Tabbit 不是装了 AI 侧边栏的传统浏览器，而是把 Agent、妙招、脚本三套能力做进浏览层，让浏览器从”看网页的工具”变成”干活的平台”。2026 年 3 月 2 日，美团旗…