Posts

OpenAI发布了两个开源模型：gpt-oss-120b和gpt-oss-20b，这是自2019年GPT-2发布以来首次推出开源语言模型，标志着其在开源AI领域的重大进展。 这些模型专为处理复杂任务而设计，允许开发者根据需要进行调整与优化。提供高度的定制化功能，适用于各种用例，并且可以在本地电脑

阿里巴巴推出 一个超强图像生成AI模型：Qwen-Image ，200亿参数（20B），可以： - 生成图像 - 精细修改图像 - 最关键的是：它可以在图像中自然地渲染文字（中英文都行） 🧠 它厉害在哪？ 🖋️ 1. 超强“图中文字”生成能力（尤其是中文） Qwe

Black Forest Labs（BFL）与 Krea AI 联合发布了最新的开源权重文本生成图像模型 —— FLUX.1 Krea [dev]。 该模型突破了传统 AI 图像模型中常见的“过度饱和”和“AI 味”问题，以更加真实、独特的视觉风格生成图像，被称为“有主见”的模型。 优势：

Google Sans Code 是由 Google 与 Universal Thirst 字体设计团队合作开发的一款 等宽字体（Monospaced Font），它采用等宽设计，将几何精准度与书法风格完美融合，即使在极小的代码编辑器中也清晰易读,告别眯眼… 专门为 编程、技术产品和开发者界面设

Lightricks发布开源AI视频生成模型：LTX-Video 13B。LTXV-13B采用创新的多尺度渲染方法，先以低分辨率生成视频的粗略运动和布局，再逐步细化细节。 这种分层处理显著提升了生成速度（比同类模型快30倍），同时保持高质量输出，减少内存需求。 核心特性： - 13

在构建基于大型语言模型（如 Gemini）的 AI 应用时，开发者通常面临以下难题： - 多模态输入（语音、图像、文本）流程复杂 - 需要组合多个异步 API 调用 - 数据处理逻辑零散、维护成本高 - 实时响应（如语音助手）性能难以保障 Google 发布了开源 Py

像GPT-4o、Gemini、Claude这些模型，不光能聊天，还能“看图说话”。但是研究人员发现： 虽然它们能看图写文字，但并不清楚它们是否真的“理解”图像，比如： - 它能区分图像里不同的物体吗？ - 它能知道哪个东西远哪个东西近吗？ - 它能把一个图像“拆解”成不同的部分吗？

Bitchat 是一个完全脱离互联网、基于 蓝牙 Mesh 网络 的点对点加密通信应用，支持 iOS 与 macOS，专注隐私、安全与离线通信体验。 你打开 App，就能自动连接附近人，不论有没有信号都能发消息。还支持加频道、私聊、屏蔽人等功能。 - 所有消息都经过端到端加密 - 不

Black Forest Labs 发布了 FLUX.1 Kontext [dev]，这是其图像编辑模型 FLUX.1 Kontext [pro] 的开源开发版本，拥有 12B参数，具备 接近专有工具的图像编辑能力，并可在消费级硬件上运行。 其目标是提供一个性能接近闭源专有模型的免费工具。 -

Google 正式推出的 新一代开源轻量级多模态大模型：Gemma 3n，专为**端侧部署（on-device）**而优化。 它支持图像、音频、视频和文本输入输出，致力于在移动设备上实现接近云端模型的能力。 设计目标是： > 高性能、多模态、轻量部署、可自定义、全设备适配。 它是