Gorden Sun

统计数据

582

文章

0

粉丝

0

获赞

7787

阅读

8小时前

AI资讯日报，1月24日：

1天前

AI资讯日报，1月23日：

1天前

Sweep Next-Edit：开源自动补全模型仅1.5B，可本地运行。补全能力优于Qwen3 8B，不过毕竟是小模型，不能报太大期望。模型：

1天前

微软开源语音识别模型VibeVoice-ASR 9B大小，支持中文，能同时识别时间戳、说话人、说话内容，最长可以单次识别60分钟的音频。模型：在线体验：

1天前

千问开源Qwen3-TTS 除了常规的文本生成语音，还支持设计声音和语音克隆。分0.6B和1.7B两个大小。效果不错，速度也很快。语音克隆的音色还原还可以，但是情感还原上不如Index TTS2。模型：在线体验：

2天前

AI资讯日报，1月22日：

2天前

Pencil：基于Claude Code的AI设计画布独立的应用，但是需要Claude Code登录后才能用。内置了几套设计组件库供选择，使用Claude按组件库的风格生成前端代码。特点是无限画布，且可以交互式操作，手动修改画布里的文案、颜色等。支持导入Figma文件。相比于谷歌的Stitch：优势是可以交互式可视化操作，Stitch必须手动改代码；内置的组件库完美避开了Claude习惯生成蓝紫色UI的缺点，但是可选方案优先，Stitch里Gemini的前端审美更高、更多样。最后，宣传视频做的是真好，大大提升了逼格。实际就是个代码和设计的双向编辑产品。官网：

3天前

AI资讯日报，1月21日：

3天前

Everything Claude Code：Anthropic黑客松冠军的生产级配置库复用这套配置，可以快速搭建起一套高水平的 AI 辅助编程环境。提供了从TDD（测试驱动开发）到代码审查的完整自动化流程，通过配置文件强制AI遵守团队代码规范，大幅降低了Review的人工成本。关键模块（这部分由AI辅助我梳理）： · Agents (专项智能体)：如 planner 负责需求拆解，architect 负责系统设计，security-reviewer 专注漏洞分析，避免单一大模型处理复杂任务时的能力退化。 · Skills (技能/知识库)：外挂的领域知识，包含 backend-patterns（后端模式）和 frontend-patterns（前端模式），让 AI 这里的代码符合特定技术栈的最佳实践。 · Commands (快捷指令)：将复杂 Prompt 封装为 Slash 命令，例如输入 /tdd 自动执行测试驱动开发流程，输入 /refactor-clean 自动清理死代码。 · Rules (核心准则)：AI 必须遵守的“宪法”，例如 security. md 禁止硬编码密钥，git-workflow. md 规范提交信息格式，确保输出质量底线。 · MCP Configs (工具集成)：预设了 GitHub、Supabase、Vercel 等常用开发工具的 MCP 连接配置，打通 IDE 与外部服务的连接。 Hooks (自动化钩子)：基于事件触发的自动化脚本，例如在工具使用前后自动检查 console.log 残留或运行特定的校验逻辑。 Github：

3天前

Skill大全 Vercel上线的Skill大全网站，可以方便查找和快速安装Skills，可以时常翻翻。网址：

3天前

ChatGPT已经可以进行年龄认证了，很快就能用上18岁以上的成人功能。验证地址（需要人脸识别，需要美国IP）：

4天前

AI资讯日报，1月20日：

4天前

智谱开源GLM-4.7-Flash 30B总参数，3B激活参数，评分超过Qwen3-30B-A3B和GPT-OSS-20B，这个大小本地刚好能运行。模型：

4天前

X公开了推荐算法：基于Grok Transformer的推荐系统，推荐系统从"规则+特征工程"转变为"端到端深度学习"。推荐过程核心机制： · 双源候选融合：同时从关注账号（In-Network）和全球内容库（Out-of-Network）获取内容，通过 ML 模型统一排序 · 纯 Transformer 架构：完全摒弃手工特征工程，仅依赖 Grok-based Transformer从用户历史交互序列中学习相关性 · 多目标联合预测：单个模型同时预测 13+ 种用户行为概率（点赞/转发/回复/屏蔽等），通过加权组合得到最终分数完整流程：查询 → 获取候选 → 水合（补充数据）→ 过滤 → 打分 → 排序 → 后处理 Github：

4天前

阿里AIGC平台呜哩上线目前免费用，图片生成可以使用Qwen Image和即梦，视频生成可以使用Qwen、即梦、可灵（包括2.6和O1），估计用户量大了就没法免费了，可以先薅着。使用地址：

5天前

可灵的动作控制效果确实不错，大幅度动作也没问题（Wan 2.2 Animate大动作不够好），就是有点太贵了。

5天前

AI资讯日报，1月19日：

5天前

都说AI替代程序员，但我还是第一次遇到真实替代的情况。

5天前

DroPE：扩展LLM上下文的方法在预训练后移除位置嵌入并进行短期校准，实现上下文窗口的无缝扩展。保持基准性能，显著优于RoPE方法，在7B模型上得到了有效验证。 Github：论文：

5天前

Mistral开源Ministral 3系列模型都是适合本地跑的小模型，分3B、8B、14B三个大小，14B大小有推理模型，所有模型都有视觉能力，能分析图片。14B的能力不错，评分比Qwen 14B要高。模型：

6天前

AI资讯日报，1月18日：

6天前

browser use开源bu-agent-sdk browser use发布的通用Agent已经开放使用了，使用地址：，效果还可以。同时开源了背后的SDK：bu-agent-sdk，本质是一个调用工具的for循环，支持多家LLM API。 Github：

6天前

一个AI做动作的思路在上找动作，然后提出的思路，让Gemini 3 Pro写出完整的提示词，最后再用Banana出图。

1周前

AI资讯日报，1月17日：

1周前

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：

...