Gorden Sun

统计数据

559

文章

0

粉丝

0

获赞

7779

阅读

9小时前

AI资讯日报，1月17日：

10小时前

谷歌开源MedGemma 1.5 1.0版本的升级版，专门用于医疗领域的多模态LLM，特点是能解读医疗影像，目前只开源了4B版本。模型：

1天前

AI资讯日报，1月16日：

1天前

Black Forest Labs开源FLUX.2 [klein] 分4B和9B两个大小，特点是出图速度极快，效果也非常好，支持编辑图片。4B可商用，9B不可商用。在线使用（安全校验极其严格）：官方介绍：模型：图片时我生成的效果，图1是原图，图2是修改为3D卡通风格。

1天前

谷歌开源TranslateGemma：高效的翻译模型基于Gemma3训练，训练数据来自人类数据和Gemini合成的数据，分4B、12B、27B三个尺寸。最大的特点是高效，12B模型可以达到原来27B的翻译准确率，而且保留了Gemma3的视觉能力，能翻译图片。官方介绍：模型：

1天前

Step-Audio-R1.1：实时语音对话模型阶跃开源，能一边对话一边思考的模型，延迟比较低，评分显著高于其他实时语音模型。采用双脑架构，一个大脑专门推理，一个大脑专门生成语音。模型：

2天前

AI资讯日报，1月15日：

2天前

json-render：AI生成可控UI样式 Vercel开源的框架，预先定义好UI样式组件，AI只能使用这些定义好的UI组件，从而控制生成效果，且可以流式渲染。组件可以是不同曾经的内容，基础的例如按钮、输入框，复杂的例如卡片、播放器样式。 Github：

2天前

千问接入的生态：淘宝、支付宝、闪购、飞猪，能给你点外卖。谷歌Personal Intelligence接入的生态：Gmail、谷歌相册、YouTube，你要买轮胎他能根据你相册里车的照片给你提供合适的型号，你要读书他能根据你的YouTube记录推荐你感兴趣的书，给谷歌开的隐私权限越大，AI越懂你。生态差距太大了。

2天前

阶跃开源视觉多模态模型Step3-VL-10B 评分很高，除了Qwen之外，又多了一个开源视觉模型的选择。模型：

3天前

AI资讯日报，1月14日：、

3天前

Yolo26：最新的实时物体检测和分割 Ultralytics发布了Yolo26，以后也跟苹果一样，按年份来给版本命名了。在实时检测、实时分割方面是最佳的模型。 Github：

3天前

GLM-Image还可以，部分能力达到了Nano Banana一代的水平，整体是稍弱于即梦4.0和Banana一代，但重点是，这是完全开源的模型。图片转手办效果可以，能写几句话的中文不出错，语义理解也不错。模型：

4天前

AI资讯日报，1月13日：

4天前

Baichuan-M3：百川开源的医疗模型基于Qwen3-235B-A22B微调，幻觉率低。模型：

4天前

Vercel开源agent-browser 专门给CLI Agent（基于命令行的Agent，例如Claude Code、Codex）使用的浏览器自动化Agent，使用无头浏览器，能实现浏览器内查找、操作、管理状态等操作，可以实现自动化网页操作，但是实际使用需要考虑账号风控的问题。 Github：

4天前

我对DeepSeek V4的期待是代码和Agent能力超过Sonnet 4.5，接近Opus 4.5，然后国内进入百Agent大战时代，生产力又又又提升。提前攒好一个Agent，等DeepSeek V4上线后，把API从Claude切到DeepSeek，彻底成功！

5天前

AI资讯日报，1月12日：

6天前

AI资讯日报，1月11日：

1周前

AI资讯日报，1月10日：

1周前

Dify循环里最后一个节点的输出，为什么循环外的节点无法使用？我感觉这是非常基础的功能，应该能使用才对。图1是循环里最后一个节点的输出，图2是循环外节点可以使用的变量列表，没有这个循环节点

1周前

AI资讯日报，1月9日：

1周前

Gmail新出的AI Inbox，算是个主动式的AI，能自动分析你邮箱里的邮件，给出建议。这个是比较大的功能，AI/Agent正在从被动接受人类任务变成主动给人类执行任务，类似的还有ChatGPT的每日助手、谷歌的Jules闲时自动任务。可能不用太长时间，如果Agent有了足够多的关于你的上下文，能主动和被动帮你搞定大部分事，就看谁的数字分身更多更高级了。

1周前

UniVideo：统一视频模型可灵开源，能理解、生成、编辑视频，像是视频版Nano Banana，但不是原生模型，是使用Qwen VL多模态LLM+混元视频模型+MetaQueries（连接多模态LLM和扩散模型）组合而成。模型：

1周前

吉利银河 M9亮相CES2026，搭载阶跃星辰原生语音模型Step-Audio 2，端到端架构，直接语音输入、语音输出，没有ASR+LLM+TTS的过程。优势： · 低延迟，0.7秒内即可响应 · 长上下文，支持多轮对话 · 原生模型，能识别原始语音的情感和语气应该是国产新能源最早搭载原生音频大模型的车。

...