WebShaper是什么
WebShaper 是阿里巴巴通义实验室推出的创新的 AI 训练数据合成系统。通过形式化建模和智能体扩展机制，为 AI 智能体（Agent）的训练提供了高质量、可扩展的数据。WebShaper 首次引入了基于集合论的“知识投影”（Knowledge Projection,[……]
分类目录归档：ai快报
Skywork UniPic – 昆仑万维开源的多模态统一预训练模型
Skywork UniPic是什么
Skywork UniPic 是昆仑万维开源的多模态统一预训练模型，具备图像理解、文本生成图像及图像编辑三大核心能力。模型基于自回归范式，融合 MAR 编码器和 SigLIP2 主干，构建轻量级架构，用 1.5B 参数规模实现高性能，逼近大模型效果。模型基于渐进[……]
无影AgentBay – 阿里云推出的云端Agent开发平台
无影AgentBay是什么
无影AgentBay是阿里云推出的提供多模态云端运行环境和专家Agent平台，支持浏览器、桌面、移动端、代码的自动化与远程控制。平台具备视觉理解、自然语言控制等AI技能，能无缝切换任务，调用云上算力。仅需三行代码即可接入，集成云上沙箱、数据持久化和企业级安全等核心能力。[……]
灵动画布 – 可灵AI推出的AI创意工作台
灵动画布是什么
灵动画布是快手可灵AI在世界人工智能大会（WAIC）期间发布的全新创意工作台功能。为创作者提供了一个多人协同创作的平台，支持最多5人同时在一个画布内进行创作，实现素材共享、实时联动和一键导出，打造更流畅的创作闭环。特别适合团队协作项目，能有效激发创意，提升创作效率。通过“灵动画布”[……]
腾讯混元3D世界模型正式发布并开源
今天，在2025世界人工智能大会腾讯论坛上，腾讯正式发布混元3D世界模型 1.0，并全面开源。
这是业界首个开源可沉浸漫游、可交互、可仿真的世界生成模型，为游戏开发、VR、数字内容创作等领域带来了全新的可能性。
除3D世界模型外，腾讯混元还披露了包括端侧混合推理语言模型、多模态理解模型、[……]
GLM-4.5 – 智谱推出的面向推理、代码与智能体的开源 SOTA 模型
GLM-4.5是什么
GLM-4.5 是智谱推出的新一代旗舰模型，专为智能体应用打造，是首款原生融合推理、代码和智能体能力的开源 SOTA 模型。采用混合专家（MoE）架构，有两个版本：GLM-4.5（3550 亿参数，320 亿激活）和 GLM-4.5-Air（1060 亿参数，120 亿激活）[……]
通义万相2.2 – 阿里开源的AI视频生成模型
通义万相2.2（Wan2.2）是阿里巴巴开源的先进AI视频生成模型。共开源文生视频（Wan2.2-T2V-A14B）、图生视频（Wan2.2-I2V-A14B）和统一视频生成（Wan2.2-IT2V-5B）三款模型，总参数量达270亿。模型首次引入混合专家（MoE）架构，有效提升生成质量和计算效率，[……]
讯飞绘文
讯飞绘文是科大讯飞推出的免费一站式AIGC内容运营平台，集成讯飞星火MAX、DeepSeek V3-0324 和 DeepSeek R1三大模型，为内容创作者提供高效、智能的写作解决方案。集选题推荐、智能写作、AI配图、排版润色、内容审查、多平台发布及数据分析等功能于一体，能快速生成热点文章、营销文[……]
Deep Video Discovery – 微软推出的深度视频探索智能体
Deep Video Discovery是什么
Deep Video Discovery（DVD）是微软推出的深度视频探索智能体，专为理解和分析长视频设计。Deep Video Discovery将长视频分割成多个较短的片段，基于大型语言模型（LLM）的高级推理能力，自主地规划和选择合适的工具及参[……]
Qwen3-Coder – 阿里通义千问推出的代码生成模型
Qwen3-Coder是什么
Qwen3-Coder 是阿里通义千问团队推出的强大代码生成模型，拥有 480B 参数和 35B 激活参数，支持原生 256K token 上下文，支持扩展达到 1M token。模型在 Agentic Coding、Agentic Browser-Use 和 Age[……]